pandas.eval#
- pandas.eval(expr, parser='pandas', engine=None, local_dict=None, global_dict=None, resolvers=(), level=0, target=None, inplace=False)[源代码]#
使用各种后端评估字符串格式的 Python 表达式。
支持以下算术运算：
+、-、*、/、**、%、//``（仅限 python 引擎）以及以下布尔运算：``|``（或）、``&``（与）和 ``~``（非）。此外，’pandas’`` 解析器允许使用and、or和not，其语义与相应的按位运算符相同。Series和DataFrame对象得到支持，其行为与普通 Python 求值相同。- Parameters:
- exprstr
要计算的表达式。此字符串不能包含任何 Python statements ，只能包含 Python expressions 。
- parser{‘pandas’, ‘python’}，默认为 ‘pandas’
用于从表达式构建语法树的解析器。默认为
'pandas'，其解析代码与标准 Python 略有不同。或者，您可以使用'python'解析器来解析表达式，以保持严格的 Python 语义。有关更多详细信息，请参阅 enhancing performance 文档。- engine{‘python’, ‘numexpr’}，默认为 ‘numexpr’
用于计算表达式的引擎。支持的引擎有：
None：尝试使用``numexpr``，回退到``python``
'numexpr'：“numexpr” 是默认引擎，它使用 numexpr 来计算 pandas 对象，在处理包含大型帧的复杂表达式时可大大提高速度。'python'：执行操作，就像在顶层 Python 中使用了eval一样。此引擎通常不太有用。
未来可能会提供更多后端。
- local_dictdict 或 None，可选
本地变量的字典，默认情况下取自 locals()。
- global_dictdict 或 None，可选
全局变量的字典，默认情况下取自 globals()。
- resolversdict-like 或 None 的列表，可选
实现
__getitem__特殊方法的对象的列表，可用于注入额外的命名空间集合以进行变量查找。例如，这在query()方法中用于注入引用相应DataFrame实例属性的DataFrame.index和DataFrame.columns变量。- levelint, optional
要遍历并添加到当前作用域的先前堆栈帧数。大多数用户**不需要**更改此参数。
- targetobject, optional, default None
这是赋值的目标对象。当表达式中存在变量赋值时，会使用此对象。如果存在赋值，则 target 必须支持带有字符串键的项赋值，并且如果要返回副本，还必须支持 .copy()。
- inplacebool，默认 False
如果提供了 target 并且表达式修改了 target，是否原地修改 target。否则，返回修改后的 target 的副本。
- Returns:
- ndarray, numeric scalar, DataFrame, Series, or None
求值给定代码的完成值，如果
inplace=True则为 None。
- Raises:
- ValueError
在许多情况下，可能会引发此类错误：
target=None，但表达式是多行的。
表达式是多行的，但并非所有行都具有项赋值。例如：
a = b + 1 a + 2
这里，不同行上有表达式，使其成为多行，但最后一行没有变量分配给 a + 2 的输出。
inplace=True，但表达式缺少项赋值。
提供了项赋值，但 target 不支持字符串项赋值。
提供了项赋值且 inplace=False，但 target 不支持 .copy() 方法
参见
DataFrame.query评估一个布尔表达式以查询 DataFrame 的列。
DataFrame.eval计算描述 DataFrame 列操作的字符串。
Notes
在算术
%操作中涉及的任何对象的dtype都将被递归地强制转换为float64。有关更多详细信息，请参阅 enhancing performance 文档。
Examples
>>> df = pd.DataFrame({"animal": ["dog", "pig"], "age": [10, 20]}) >>> df animal age 0 dog 10 1 pig 20
我们可以使用
pd.eval添加新列：>>> pd.eval("double_age = df.age * 2", target=df) animal age double_age 0 dog 10 20 1 pig 20 40