熊猫.评估#

熊猫。eval ( expr ,解析器= 'pandas' ,引擎= None , local_dict = None , global_dict = None ,解析器= () , level = 0 , target = None , inplace = False ) [来源] #

使用各种后端将 Python 表达式作为字符串求值。

支持以下算术运算：+、-、*、 /、**、%、//（仅限 python 引擎）以及以下布尔运算：|(or)、&(and) 和~(not)。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。对象Series的 DataFrame支持和行为与普通的 Python 评估一样。

参数：

表达式字符串

要评估的表达式。该字符串不能包含任何 Python 语句，只能包含 Python表达式。

解析器{'pandas', 'python'}, 默认 'pandas'

用于从表达式构造语法树的解析器。默认的'pandas'解析代码与标准 Python 略有不同。或者，您可以使用解析器解析表达式 'python'以保留严格的 Python 语义。有关更多详细信息，请参阅增强性能文档。

引擎{'python', 'numexpr'}, 默认 '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'：此默认引擎使用 numexpr 计算 pandas 对象，以在具有大帧的复杂表达式中大幅加速。
'python'：执行操作就像eval在顶级 python 中一样。该引擎通常没有那么有用。

将来可能会提供更多后端。

local_dict dict 或 None，可选

局部变量的字典，默认取自 locals()。

global_dict dict 或 None，可选

全局变量的字典，默认取自 globals() 。

类似于 dict 的解析器列表或 None，可选

实现特殊方法的对象列表__getitem__，可用于注入额外的命名空间集合以用于变量查找。例如，这在方法中用于 query()注入引用其各自实例属性的DataFrame.index和变量。DataFrame.columnsDataFrame

level整数，可选

要遍历并添加到当前范围的先前堆栈帧的数量。大多数用户不需要更改此参数。

目标对象，可选，默认 None

这是要赋值的目标对象。当表达式中有变量赋值时使用。如果是这样，那么target必须支持使用字符串键进行项目分配，并且如果返回副本，它还必须支持.copy()。

inplace布尔值，默认 False

如果提供了target，并且表达式改变了target，是否就地修改target。否则，返回带有突变的目标副本。

返回：

ndarray、数值标量、DataFrame、Series 或 None: 评估给定代码的完成值或 None if inplace=True。

加薪：

值错误

在很多情况下都会引发此类错误：

target=None，但表达式是多行的。
表达式是多行的，但并非所有表达式都有项目分配。这种安排的一个例子是这样的：

a = b + 1 a + 2

在这里，不同行上有表达式，使其成为多行，但最后一行没有分配给a + 2的输出的变量。
inplace=True，但表达式缺少项目分配。
提供了项目分配，但目标不支持字符串项目分配。
提供了项目分配且inplace=False，但目标不支持.copy()方法

也可以看看

DataFrame.query: 计算布尔表达式以查询框架的列。
DataFrame.eval: 评估描述 DataFrame 列操作的字符串。

笔记

dtype算术运算中涉及的任何对象的都会%递归地转换为float64。

有关更多详细信息，请参阅增强性能文档。

例子

>>> df = pd.DataFrame({"animal": ["dog", "pig"], "age": [10, 20]})
>>> df
  animal  age
0    dog   10
1    pig   20

我们可以使用以下方法添加新列pd.eval：

>>> pd.eval("double_age = df.age * 2", target=df)
  animal  age  double_age
0    dog   10          20
1    pig   20          40