Pandas 从Pandas公式中动态评估表达式

在本文中，我们将介绍如何在Pandas中使用公式来动态评估表达式。

什么是Pandas公式

Pandas公式是一种将数据帧的列作为变量的公式语言。它遵循Excel公式的惯例，例如使用列名而不是变量名称。Pandas公式可以使用算术、函数和关系运算符，甚至可以使用一些短语和词组。

例如，假设我们有一个名为df的数据帧，其中包含两列“A”和“B”。我们可以使用“+”算术运算符创建一个新列“C”，该列将包含“A”和“B”的总和：

df["C"] = df["A"] + df["B"]

但是通过Pandas公式，我们可以使用以下公式来执行相同的操作：

df.eval("C = A + B", inplace=True)

动态评估表达式

除了固定的公式之外，Pandas还支持从字符串中动态评估表达式。这种表达式可以由用户输入或从外部文件中读取。

例如，假设我们有一个包含计算公式的字符串：

formula = "C = (A + B) / 2"

我们可以使用Pandas eval()方法将该字符串作为表达式评估并创建一个新列“C”：

df.eval(formula, inplace=True)

请注意，字符串必须符合Pandas公式的规则，否则将引发SyntaxError。

示例说明

为了更好地理解如何动态评估表达式，让我们看一个简单的示例。

假设我们有一个包含销售数据的数据帧，其中包含三列：日期、区域和销售额。我们想要创建一个新列“增长率”，该列将显示该区域前一周销售额和该周销售额之间的增长率。

我们可以使用以下步骤实现：

将数据帧按区域进行分组。
将每个区域的数据帧按日期排序。
使用shift()方法创建一个新列“销售额前一周”，该列将包含前一周的销售额。
计算“增长率”列，并将其添加到数据帧中。

以下是实现这个过程的完整代码：

import pandas as pd

# 创建数据帧
data = {'date': [pd.Timestamp('2022-01-01'), pd.Timestamp('2022-01-02'), pd.Timestamp('2022-01-03'), pd.Timestamp('2022-01-04'),
                 pd.Timestamp('2022-01-05'), pd.Timestamp('2022-01-06'), pd.Timestamp('2022-01-07'), pd.Timestamp('2022-01-08')],
        'region': ['East', 'East', 'East', 'West', 'West', 'West', 'South', 'South'],
        'sales': [100, 120, 130, 200, 220, 190, 70, 90]}
df = pd.DataFrame(data)

# 分组、排序和计算销售额前一周
df["sales_last_week"] = df.groupby("region")["sales"].shift(1)

# 动态评估表达式并添加新列
formula = "growth_rate = (sales - sales_last_week) / sales_last_week"
df.eval(formula, inplace=True)

# 显示结果
print(df)

输出：

        date region  sales  sales_last_week  growth_rate
0 2022-01-01   East    100              NaN          NaN
1 2022-01-02   East    120            100.0     0.200000
2 2022-01-03   East    130            120.0     0.083333
3 2022-01-04   West    200              NaN          NaN
4 2022-01-05   West    220            200.0     0.100000
5 2022-01-06   West    190            220.0    -0.136364
6 2022-01-07  South     70              NaN          NaN
7 2022-01-08  South     90             70.0     0.285714

我们可以看到，新的“增长率”列按我们的预期进行计算并添加到数据帧中。