跳转至

pandas.eval()函数在 Python 中

原文:https://www.geesforgeks.org/pandas-eval-function-in-python/

此方法用于使用各种后端将 Python 表达式评估为字符串。它返回数组、数值标量、数据帧、序列。

语法: pandas.eval(expr,parser='pandas ',engine=None,truediv=True,local_dict=None,global_dict=None,resolvers=(),level=0,target=None,inplace=False)

论据:

  • expr : 字符串或 unicode。要计算的表达式。该字符串不能包含任何 Python
  • 解析器:字符串,默认为‘pandas’,{‘pandas’,‘python’}。
  • 引擎:字符串或无,默认为‘numexpr’,{‘python’,‘numexpr’}
  • truediv : bool,可选,是否使用 truediv,如 Python 中> = 3
  • 级别: int,可选,要遍历并添加到当前范围的先前堆栈帧的数量。大多数用户会 需要更改此参数。

下面是上述方法的实现,并附有一些例子:

例 1 :

蟒蛇 3

# importing package
import pandas

# evaluate the expressions given
# in form of string
print(pandas.eval("2+3"))
print(pandas.eval("2+3*(5-2)"))

输出:

5
11

例 2 :

蟒蛇 3

# importing package
import pandas

# creating data
data = pandas.DataFrame({
      "Student": ["A", "B", "C", "D"], 
    "Physics": [89,34,23,56], 
    "Chemistry": [34,56,98,56], 
    "Math": [34,94,50,59]
    })

# view data
display(data)

# adding new column by existing 
# columns evaluation
data['Total']=pandas.eval("data.Physics+data.Chemistry+data.Math")

# view data
display(data)

# adding new column by existing 
# columns evaluation
pandas.eval("Avg=data.Total/3",target=data,inplace=True)

# view data
display(data)

输出:



回到顶部