Maison > développement back-end > Tutoriel Python > Comment puis-je évaluer dynamiquement des expressions dans Pandas ?

Comment puis-je évaluer dynamiquement des expressions dans Pandas ?

Patricia Arquette
Libérer: 2024-11-15 10:07:02
original
487 Les gens l'ont consulté

How Can I Dynamically Evaluate Expressions in Pandas?

Évaluer des expressions dynamiquement avec Pandas

Énoncé du problème

Vous souhaitez effectuer des opérations dynamiques sur des DataFrames à l'aide de pd.eval, y compris la substitution de variables et l'arithmétique complexe .

Solution

1. Utilisation de pd.eval()

# Import necessary libraries
import pandas as pd
import numpy as np

# Create sample DataFrames
np.random.seed(0)
df1 = pd.DataFrame(np.random.choice(10, (5, 4)), columns=list('ABCD'))
df2 = pd.DataFrame(np.random.choice(10, (5, 4)), columns=list('ABCD'))

# Evaluate expression using a variable
x = 5
result = pd.eval("df1.A + (df1.B * x)")

# Alternatively, assign the result to a new column
pd.eval("df2['D'] = df1.A + (df1.B * x)")
Copier après la connexion

Arguments pour les performances

Les arguments suivants peuvent être utilisés pour optimiser les performances de pd.eval :

  • engine='numexpr' : utilisez le numexpr hautement optimisé moteur.
  • parser='pandas' : utilisez l'analyseur pandas par défaut, qui s'aligne sur la priorité des opérateurs de Pandas.
  • global_dict et local_dict : fournit des dictionnaires de variables globales et locales pour la substitution. Cela évite d'avoir à définir des variables dans l'espace de noms global.

Affectation et modification sur place

Vous pouvez attribuer le résultat de pd.eval directement à un DataFrame en utilisant l'argument cible .

df3 = pd.DataFrame(columns=list('FBGH'), index=df1.index)
pd.eval("df3['B'] = df1.A + df2.A", target=df3)

# In-place modification
pd.eval("df2.B = df1.A + df2.A", target=df2, inplace=True)
Copier après la connexion

2. Utilisation de df.eval()

# Evaluate expression in df1
result = df1.eval("A + B")

# Perform variable substitution
df1.eval("A > @x", local_dict={'x': 5})
Copier après la connexion

Comparaison avec df.query()

Bien que pd.eval soit adapté à l'évaluation d'expressions, df.query() est plus concis et efficace pour les expressions conditionnelles requêtes, car il filtre le DataFrame en fonction d'une expression booléenne.

# Query df1
df1.query("A > B")
Copier après la connexion

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Derniers articles par auteur
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal