如何使用 pd.eval 動態評估 Pandas 中公式的表達式？

根據Pandas 中的公式動態計算表達式

使用pd.eval 對一個或多個資料幀列上的算術表達式進行計算是一項常見任務，尤其是在自動化時工作流程。考慮以下程式碼片段：

`x = 5
df2['D'] = df1['A'] (df1['B'] * x)``

此程式碼透過對df1 中的A 列和B 列執行操作並將結果乘以變數x，將新列D 新增到df2。目標是動態重複此資料操作，利用 pd.eval 將表達式作為字串執行的能力。

首先，讓我們介紹輸入DataFrame：

import pandas as pd
import numpy as np

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'))

df1

   A  B  C  D
0  5  0  3  3
1  7  9  3  5
2  2  4  7  6
3  8  8  1  6
4  7  7  8  1

df2

   A  B  C  D
0  5  9  8  9
1  4  3  0  3
2  5  0  2  3
3  8  1  3  3
4  3  7  0  1

使用動態評估表達式pd.eval，可以使用以下程式碼：

result = pd.eval(' df1.A (df1.B * x)')

這行程式碼建立一個名為result 的新DataFrame，其中包含計算後的表達式。 eval函數也可以用來進行條件求值，如：

pd.eval('df1.A > df2.A')

將表達式的結果賦值回歸df2，請使用下列語法：

df2['D'] = pd.eval('df1.A (df1.B * x)', target=df2)

要在表達式字串內傳遞參數，請使用@ 符號：

pd.eval('df1.A (df1. B * @x)', local_dict ={'x': 5})

為了獲得最佳效能，請考慮以下事項參數：

parser='python' 用於控制語法規則並確保與 Python 運算子優先權的一致性。
engine='numexpr' 用於使用最佳化的 numexpr 後端進行更快的評估。
這應該為您提供全面了解如何使用 pd.eval 從 Pandas 中的公式動態計算表達式。

以上是如何使用 pd.eval 動態評估 Pandas 中公式的表達式？的詳細內容。更多資訊請關注PHP中文網其他相關文章！