关于pandas.eval使用的一些问题。

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.eval.html?highlight=eval#pandas.DataFrame.eval

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。