如何动态评估 Pandas DataFrame 中的算术表达式？

使用 Pandas 动态计算公式中的表达式

问题：

使用以下函数计算算术表达式pd.eval 同时考虑变量、运算符优先级和数据帧的复杂结构。

答案：

1。使用 pd.eval

pd.eval(
    "df1.A + (df1.B * x)",
    local_dict={"x": 5},
    target=df2,
    parser="python",
    engine="numexpr",
)

参数：

• 表达式： 作为字符串求值的公式。
• local_dict: 包含未在全局命名空间中定义的变量的字典。
• target: 将结果分配给的数据帧。
• parser: 指定用于解析表达式的解析器（pandas 或 python）。
• engine: 指定用于计算表达式的后端（numexpr 或 python） ).

2.使用 df.eval

df1.eval(
    "A + (B * @x)",
    target=df2,
    parser="python",
    engine="numexpr",
)

参数：

• df：正在评估表达式的数据帧。
• 表达式：作为字符串求值的公式。
• 目标：将结果分配给的数据帧。
• 解析器：指定用于解析表达式的解析器（pandas 或 python）。
• engine：指定用于计算表达式的后端（numexpr 或 python）。

3. pd.eval 和 df.eval 之间的差异

• pd.eval 计算任何对象上的表达式，而 df.eval 专门计算数据帧上的表达式。
• df.eval 需要在列名称前添加 at 符号 (@) 以避免混淆，而 pd.eval 则不然。
• df.eval 可以处理带有赋值的多行表达式，而 pd.eval 则不能。

附加说明：

• 确保表达式用双引号括起来。
• x = 5 将值 5 分配给全局命名空间中的变量 x .
• 在处理 Python 的运算符优先级规则和复杂表达式时，建议使用 parser='python'。
• target=df2 确保将结果分配给指定的数据帧。
• engine='numexpr' 利用优化的 numexpr 引擎来提高性能。
• inplace=True 可用于就地修改原始数据帧。
• df.query 也可用于条件表达式，返回满足指定条件的行。

以上是如何动态评估 Pandas DataFrame 中的算术表达式？的详细内容。更多信息请关注PHP中文网其他相关文章！