pandas.DataFrame.eval

DataFrame.eval(expr, inplace=False, **kwargs)[source]

Оценить строку, описывающую операции над столбцами DataFrame.

Операции выполняются только над столбцами, а не над конкретными строками или элементами. Это позволяет eval выполнять произвольный код, что может сделать вас уязвимым к инъекции кода, если вы передаете пользовательский ввод в эту функцию.

Параметры

expr:str

Строка выражения для оценки.

inplace:bool, по умолчанию False

Если выражение содержит присваивание, нужно ли выполнить операцию inplace и изменить существующий DataFrame. В противном случае возвращается новый DataFrame.

**kwargs

См. документацию по eval() для получения полной информации о ключевых аргументах, принимаемых query().

Возвращаемое значение

ndarray, скаляр, pandas-объект или None

Результат оценки или None, если inplace=True.

См. также

DataFrame.query

Оценивает булево выражение для запроса столбцов фрейма.

DataFrame.assign

Может оценить выражение или функцию для создания новых значений для столбца.

eval

Оценивает строку Python-выражения с использованием различных бэкендов.

Примечания

Для получения более подробной информации см. документацию API для eval(). Для подробных примеров см. улучшение производительности с помощью eval.

Примеры

>>> df = pd.DataFrame({'A': range(1, 6), 'B': range(10, 0, -2)})
>>> df
   A   B
0  1  10
1  2   8
2  3   6
3  4   4
4  5   2
>>> df.eval('A + B')
0    11
1    10
2     9
3     8
4     7
dtype: int64

Присваивание разрешено, хотя по умолчанию исходный DataFrame не изменяется.

>>> df.eval('C = A + B')
   A   B   C
0  1  10  11
1  2   8  10
2  3   6   9
3  4   4   8
4  5   2   7
>>> df
   A   B
0  1  10
1  2   8
2  3   6
3  4   4
4  5   2

Используйте inplace=True для изменения исходного DataFrame.

>>> df.eval('C = A + B', inplace=True)
>>> df
   A   B   C
0  1  10  11
1  2   8  10
2  3   6   9
3  4   4   8
4  5   2   7

Несколько столбцов можно присвоить с помощью многострочных выражений:

>>> df.eval(
...     '''
... C = A + B
... D = A - B
... '''
... )
   A   B   C  D
0  1  10  11 -9
1  2   8  10 -6
2  3   6   9 -3
3  4   4   8  0
4  5   2   7  3