这个答案潜入各种特性和功能的提供pd.eval,df.query
和df.eval
。
设置 示例将涉及这些DataFrame
(除非另有说明)。
注意 在所讨论的三个功能中,pd.eval
最为重要。df.eval
并在幕后df.query
打电话 pd.eval
。行为和用法在这三个功能上或多或少是一致的,有些语义上的细微变化将在后面强调。本节将介绍所有这三个功能共有的功能-包括(但不限于)允许的语法,优先级规则和关键字参数。
pd.eval可以评估由变量和/或文字组成的算术表达式。这些表达式必须作为字符串传递。因此,要回答上述问题,你可以
这里要注意一些事情:
…等等。还以相同方式支持条件表达式。下面的语句都是有效表达式,将由引擎进行评估。
可以在文档中找到详细列出所有受支持的功能和语法的列表。综上所述,
文档的此部分还指定了不支持的语法规则,包括set/ dict文字,if-else语句,循环和理解以及生成器表达式。
从列表中可以明显看出,你还可以传递涉及索引的表达式,例如
pd.eval
解析表达式字符串以生成语法树时,支持两种不同的解析器选项:pandas
和python
。两者之间的主要区别通过稍有不同的优先级规则突出显示。
使用默认解析器pandas
,重载的逐位运算符&
以及|与pandas
对象实现向量化AND
和OR
的运算符的优先级与and
和or
。所以,
将与
而且也一样
在此,括号是必需的。通常,要这样做,需要使用parens来覆盖按位运算符的更高优先级:
没有那个,我们最终会
parser='python'
如果要在评估字符串时保持与python
实际运算符优先级规则的一致性,请使用。
两种类型的解析器之间的另一个区别是带有list
和tuple
节点的==and
!=
运算符的语义,在使用解析器时,它们的语义分别与in和相似。例如,not in'pandas'
有效,并将以与以下相同的语义运行
OTOH,pd.eval(“df1 == [1, 2, 3]”, parser=’python’)将引发NotImplementedError错误。
有两个选项- numexpr
(默认)和python
。该numexpr
选项使用为性能优化的numexpr
后端。
使用’python’后端,对表达式的评估类似于仅将表达式传递给python的eval函数。你可以灵活地执行更多内部表达式,例如字符串操作。
不幸的是,这种方法没有提供比numexpr引擎更好的性能优势,并且几乎没有安全措施可确保不评估危险的表达式,因此请自担风险使用!’python’除非你知道自己在做什么,否则通常不建议将此选项更改为。
有时,为表达式中使用的变量提供值很有用,但当前尚未在名称空间中定义变量。你可以将字典传递给local_dict
例如,
由于thresh未定义,因此失败。但是,这可行:
当你有要从字典提供的变量时,这很有用。另外,使用’python’引擎,你可以简单地执行以下操作:
但是,这将可能是很多比使用较慢的'numexpr'
发动机和传递一个字典local_dict
或global_dict
。希望这应该为使用这些参数提供令人信服的论据。
这通常不是必需的,因为通常有更简单的方法可以执行此操作,但是你可以将结果分配给pd.eval
实现__getitem__
诸如dicts
和(猜对了)DataFrames
的对象。
考虑问题中的例子
要将列“ D”分配给df2,
例如,如果你想将此分配回一个DataFrame
,则可以使用target
如下参数:
如果要在上执行就地突变df,请设置inplace=True。
如果inplace
设置为没有目标,ValueError
则引发a。
尽管该target
参数很有趣,但你几乎不需要使用它。
如果要使用进行此操作df.eval
,则可以使用涉及赋值的表达式:
注意的 一种pd.eval意外用途是以与以下方式非常相似的方式解析文字字符串ast.literal_eval:
它还可以使用’python’引擎解析嵌套列表:
以及字符串列表:
但是,问题在于长度大于100的列表:
DataFrame.eval
-与并置 pandas.eval
如上所述,在后台df.eval
调用pd.eval
。的v0.23源代码示出了该:
eval
创建参数,进行一些验证,然后将参数传递给pd.eval
。
有关更多信息,你可以继续阅读:何时使用DataFrame.eval()
与pandas.eval()
或python eval()
用法差异 具有DataFrames v / s系列表达式的表达式 对于与整个DataFrame相关的动态查询,你应该首选pd.eval。例如,没有简单的方法来指定pd.eval(“df1 + df2”)调用df1.eval或时的等效项df2.eval。
另一个主要区别是如何访问列。例如,要在中添加两列“ A”和“ B” df1,则可以pd.eval使用以下表达式进行调用:
使用df.eval,只需提供列名称:
因为在的上下文中df1,很明显“ A”和“ B”是指列名。
你还可以使用引用索引和列index(除非命名索引,否则将使用名称)。
或者,更一般地,对于具有1或更多级的索引数据帧的任何,可以参考第k 个使用变量索引的水平在表达“ilevel_k”
表示“ 我 ndex
在等级k
”。IOW
,上面的表达式可以写成df1.eval("A + ilevel_0")
。
这些规则也适用于query
。
在本地/全局命名空间中访问变量 表达式内提供的变量必须以“ @”符号开头,以避免与列名混淆。
同样的道理query。
不用说,你的列名必须遵循python
中有效标识符命名的规则,以便在内部访问eval
。有关命名标识符的规则列表,请参见此处。
一个鲜为人知的事实是eval支持处理分配的多行表达式。例如,要基于某些列上的某些算术运算在df1中创建两个新列“ E”和“ F”,并基于先前创建的“ E”和“ F”来创建第三列“ G”,我们可以
它有助于将df.query
其pd.eval视为用作子例程的函数。
通常,query
(顾名思义)用于评估条件表达式(即产生True / False
值的表达式)并返回与True结果相对应的行。然后将表达式的结果传递给loc(在大多数情况下)以返回满足表达式的行。根据文档,
该表达式的求值结果首先传递给 DataFrame.loc
,如果由于多维键(例如,DataFrame)而失败,则结果将传递给 DataFrame.__getitem__()
。
此方法使用顶级pandas.eval()
函数评估传递的查询。
在相似的条件,query并df.eval
在他们如何访问列名和变量都一样。
如上所述,两者之间的主要区别在于它们如何处理表达式结果。当你实际上通过这两个函数运行表达式时,这一点变得显而易见。例如,考虑
要获取其中所有“ A”> =“ B”
的行df1
,我们将使用eval
以下代码:
m
表示通过评估表达式“ A> = B”
生成的中间结果。然后,我们使用蒙版进行过滤df1
:
但是,使用query
,中间结果“ m”
直接传递给loc
,因此使用query
,你只需要执行
在性能方面,它是完全相同的。
但是后者更为简洁,并且只需一步即可表达相同的操作。
请注意,你也可以query像这样做一些奇怪的事情(例如,返回由df1.index索引的所有行)
但是不要。
底线:query
在基于条件表达式查询或过滤行时,请使用。