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",
)登录后复制
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",
)登录后复制
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！
