熊猫动态表达评价的pd.val()

Question

熊猫动态表达评价的pd.val()

给定两个DataFrame

np.random.seed(0)

df1 = pd.DataFrame(np.random.choice(10, (5, 4)), columns=list('ABCD'))

df2 = pd.DataFrame(np.random.choice(10, (5, 4)), columns=list('ABCD'))

df1

   A  B  C  D

0  5  0  3  3

1  7  9  3  5

2  2  4  7  6

3  8  8  1  6

4  7  7  8  1

df2

   A  B  C  D

0  5  9  8  9

1  4  3  0  3

2  5  0  2  3

3  8  1  3  3

4  3  7  0  1

我希望对一个或多个列执行算术操作。pd.eval..具体来说，我想移植以下代码：

x = 5df2['D'] = df1['A'] + (df1['B'] * x)

.使用eval..使用原因eval我想要自动化许多工作流，所以动态地创建它们对我是有用的。

我想更好地理解engine和parser来决定如何最好地解决我的问题。我已经经历了文献资料但我并没有明白这两者的区别。

1. 应该使用哪些参数来确保我的代码在最大性能下工作？
2. 是否有方法将表达式的结果赋值给

   df2?

3. 另外，为了让事情变得更复杂，我该如何通过呢？

   x

   作为字符串表达式中的参数？

Answer 1

我会考虑最佳的行动方向。对我来说，最简单的办法是把“表现”的问题从“行动”中删除，但为了使这篇文章公正起见，让我再深入挖掘一下，看看是否可以更恰当地处理这些问题。谢谢你的反馈，非常感谢：)