Python Pandas DataFrame eval方法用法及代码示例

Pandas DataFrame.eval(~) 方法评估 DataFrame 列上的操作，该操作被编码为字符串。该方法不支持对特定行和值进行操作。

如果您对其他人提供给您的字符串调用eval(~)，则可能会运行恶意代码。

这并不意味着使用 eval(~) 是不好的做法 - 事实上，众所周知，eval(~) 的性能优于其他 Pandas 方法，因此鼓励使用它。只需确保对其他人提供的字符串进行验证即可。

1.expr | string | optional

要评估的表达式。

2. inplace | boolean | optional

默认情况下，inplace=False 。

评估的结果 - 类型可能因结果而异。如果是 inplace=True ，则不会返回任何内容，因为源 DataFrame 被直接修改。

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[5,6],"C":[7,8]})
df



   A  B  C
0  3  5  7
1  4  6  8

计算每行的总和：

df.eval("A + B + C")



0    15
1    18
dtype: int64

这里的返回类型是 Series 。请注意我们如何使用标签直接引用列，这很方便，因为我们通常必须引用像 df["A"] 这样的列。

要添加新列：

df.eval("D = A + B + C")



   A  B  C  D
0  3  5  7  15
1  4  6  8  18

由于inplace 参数默认设置为False，因此源DataFrame 保持不变。要直接修改源 DataFrame 而无需创建新的 DataFrame，请设置 inplace=True ：

df.eval("D = A + B + C", inplace=True)
df



   A  B  C  D
0  3  5  7  15
1  4  6  8  18

我们在这里再次展示df供您参考：

要一次添加多列：

df.eval(
 """
   D = A + B
   E = A + D
   """
)



   A  B  C  D   E
0  3  5  7  8   11
1  4  6  8  10  14

请注意，我们如何使用最初不在 df 中的列 D 来创建列 E 。

我们还可以使用 @ 语法访问 eval(~) 外部定义的局部变量：

s = pd.Series([100,200])
df.eval("A + B + C + @s")



0    115
1    218
dtype: int64

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 Pandas DataFrame | eval method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。