Python Pandas dataframe.eval()

Python Pandas dataframe.eval()

Python是一种进行数据分析的伟大语言,主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个,它使导入和分析数据变得更加容易。

Pandas dataframe.eval()函数用于在调用数据框架实例的背景下评估一个表达式。该表达式在数据框架的列上进行评估。

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

参数:
expr :要评估的表达式字符串。
inplace : 如果表达式包含一个赋值,是否在原地执行操作并突变现有的DataFrame。否则,一个新的
返回的是DataFrame。
kwargs : 关于query()所接受的关键字参数的完整细节,请参见eval()的文档。

返回: ret : ndarray, scalar, 或 pandas 对象

示例#1:使用eval()函数来评估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
Python

Python Pandas dataframe.eval()

让我们评估一下所有列的总和,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
Python

输出 :

Python Pandas dataframe.eval()

示例#2:使用eval()函数来评估数据框架中任何两列元素的总和,并将结果列插入数据框架中。该数据框架有NaN值。

注意:任何表达式都不能对NaN值进行评估。所以相应的单元格也将是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
Python

Python Pandas dataframe.eval()

让我们评估一下 “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
Python

输出 :
Python Pandas dataframe.eval()

注意,最后一行的结果’D’有NaN值,因为评估中使用的相应单元格是NaN单元格。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

登录

注册