关于pandas.eval使用的一些问题。
pandas.eval在官方文档中提示到的有点是执行高效率，同时可以使用字符串表达式进行计算，那么对于一些数学校验来说，是十分方便的。
df = pd.DataFrame(dict(a=range(5), b=range(5, 10)))
df.loc[0,'a'] = np.nan
df.eval("""
c = a + b
d = a + b + c
a = 1
f = (c>5) or (d > 9)""", inplace=False)
可以方便的得出校验。但是在使用中有以下问题:
1、NAN值问题，NAN值会无法计算。因此执行前，需要先替换掉NAN值.
df.fillna(0.0,inplace=True) # 这个效果好点，df.isnull()如果遇到多类型数据会报错
#df[df.isnull()] = 0.0
df.eval("""
c = a + b
d = a + b + c
a = 1
f = (c>5) or (d > 9)""", inplace=False)
2、如果计算的键值不存在，会报错。
# 会提示KeyError
df.eval('e + b')因此，需要先对列重新进行修正再进行计算。
#进行去重
df = df.reindex(columns = list(set(list(df.columns) + ['e'])),fill_value = 0)
df.eval('e + b')
综上所述：
1、使用前，需要对数据缺失值进行预处理；
2、需要对字符串表达式进行解析，然后重新构建数据列值。所以，最后还需要对表达式进行解析，提取里面的键值。
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2020-08-10 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读