跳转至

python | pandas data frame.eval()

哎哎哎:# t0]https://www.geeksforgeeks.org/python 熊猫 data frame-eval/

Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。

熊猫 **dataframe.eval()**函数用于在调用 dataframe 实例的上下文中计算表达式。表达式在数据框的列上计算。

语法: DataFrame.eval(expr，inplace=false，**kwargs)

参数: 表达式:要求值的表达式字符串。 在位:如果表达式包含赋值，是否在位执行操作并变异现有的 DataFrame。否则，返回新的 数据帧。 kwargs : 有关查询()接受的关键字参数的完整详细信息，请参见 eval()的文档。

返回:ret:n 数组、标量或熊猫对象

示例#1: 使用eval()函数计算数据框中所有列元素的总和，并将结果列插入数据框中。

# importing pandas as pd
import pandas as pd

# Creating the dataframe 
df=pd.DataFrame({"A":[1,5,7,8],
                 "B":[5,8,4,3],
                 "C":[10,4,9,3]})

# Print the first dataframe
df

让我们计算所有列的总和，并将结果列添加到数据框中

# To evaluate the sum over all the columns
df.eval('D = A + B+C', inplace = True)

# Print the modified dataframe
df

输出:

示例 2: 使用eval()函数计算数据框中任意两个列元素的总和，并将结果列插入数据框中。数据框有NaN值。

注意:任何表达式都不能超过NaN值。所以对应的细胞也会是NaN。

# importing pandas as pd
import pandas as pd

# Creating the dataframe
df=pd.DataFrame({"A":[1,2,3],
                 "B":[4,5,None],
                 "C":[7,8,9]})

# Print the dataframe
df

我们来评估一下“B”列和“C”列的总和。

# To evaluate the sum of two columns in the dataframe
df.eval('D = B + C', inplace = True)

# Print the modified dataframe
df

输出:

请注意，结果列“D”的最后一行中有NaN值，因为评估中使用的相应单元格是NaN单元格。

回到顶部