pandas.eval#

pandas.eval(expr, parser='pandas', engine=None, truediv=NoDefault.no_default, local_dict=None, global_dict=None, resolvers=(), level=0, target=None, inplace=False)[源代码]#

使用各种后端将Python表达式作为字符串进行求值。

支持以下算术运算： +, -, *, /, `` **， ``% ， // (仅限Python引擎)以及以下布尔运算： | (或)， & (和)，以及 ~ (不)。此外， 'pandas' 解析器允许使用 and ， or ，以及 not 具有与相应的按位运算符相同的语义。 Series 和 DataFrame 对象是受支持的，并且它们的行为与普通的‘Python计算一样。

参数

expr应力

要计算的表达式。此字符串不能包含任何Python statements ，只有Python expressions 。

parser{‘pandas’，‘python’}，默认为‘pandas’

用于从表达式构造语法树的解析器。的默认设置 'pandas' 解析与标准Python略有不同的代码。或者，您可以使用 'python' 解析器，以保留严格的Python语义。请参阅 enhancing performance 文档以了解更多详细信息。

engine{‘python’，‘numexpr’}，默认为‘numexpr’

用于计算表达式的引擎。支持的引擎包括

无：尝试使用 numexpr ，回落到 python
'numexpr' ：此默认引擎使用以下命令计算Pandas对象
Numexpr表示具有大框架的复杂表达式中的大速度提升。
'python' ：执行操作，就像您拥有 eval 位居榜首
级别的 Python 。这个引擎一般没什么用处。

未来可能会有更多的后端可用。

truediv布尔值，可选

是否使用真除法，如在Python中>=3。

1.0.0 版后已移除.

local_dictDict或None，可选

局部变量的字典，默认情况下取自局部变量()。

global_dictDict或None，可选

全局变量的字典，默认取自GLOBALS()。

resolvers类词典或无列表，可选

实现的对象的列表 __getitem__ 可用于注入附加命名空间集合以用于变量查找的特殊方法。例如，它用在 query() 方法以将 DataFrame.index 和 DataFrame.columns 引用其各自的变量 DataFrame 实例属性。

level整型，可选

要遍历并添加到当前作用域的先前堆栈帧的数量。大多数用户将 not 需要更改此参数。

target对象，可选，默认为无

这是赋值的目标对象。它在表达式中有变量赋值时使用。如果是这样，那么 target 必须支持具有字符串键的项分配，如果要返回副本，则还必须支持 .copy() 。

inplace布尔值，默认为False

如果 target ，并且该表达式会发生变化 target ，是否修改 target 就位。否则，请返回 target 与突变有关。

退货

Ndarray、数字标量、DataFrame、系列或无: 计算给定代码的完成值，如果 inplace=True 。

加薪

ValueError

在许多情况下，可能会引发此类错误：

target=None ，但表达式是多行的。
表达式是多行的，但并不是所有的表达式都有项目分配。这种安排的一个例子是：

A=b+1a+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的输出变量 a + 2 。
inplace=True ，但该表达式缺少项赋值。
提供了项分配，但 target 不支持字符串项分配。
提供了项目分配，并且 inplace=False ，但是 target 不支持 .copy() 方法

参见

DataFrame.query: 计算布尔表达式以查询框架的列。
DataFrame.eval: 计算描述DataFrame列上的操作的字符串。

注意事项

这个 dtype 算术中涉及的任何对象的 % 操作被递归强制转换为 float64 。

请参阅 enhancing performance 文档以了解更多详细信息。

示例

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

我们可以使用以下命令添加新列 pd.eval ：

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

pandas.interval_range

pandas.util.hash_array