【Pandas驯化-16】一文搞懂Pandas中高性能query、eval函数技巧

【Pandas驯化-16】一文搞懂Pandas中高性能query、eval函数技巧

本次修炼方法请往下查看
在这里插入图片描述

🌈 欢迎莅临我的个人主页 👈这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合，智慧小天地！
🎇 相关内容文档获取微信公众号
🎇 相关内容视频讲解 B站

🎓 博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。

🔧 技术专长：在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务，助力多位小伙伴在学习、求职、工作上少走弯路、提高效率，近一年好评率100% 。

📝 博客风采：积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。

🌵文章目录🌵

🎯 1. 基本介绍
💡 2. 使用方法
- - 2.1 pd.query函数使用
  - 2.2 pd.eval函数使用
🔍 3. 注意事项
🔧 4. 总结

下滑查看解决方法

🎯 1. 基本介绍

pandas进行列的查询，经常会常使用df[条件]的方式，但是这种写法的性能不是很高， pandas基于Numexpr实现了两个高性能的函数，用于数据查询过滤query()和数据列值修改与增加新列eval()，这两个函数通过传入列名str的方式进行操作：：
Pandas 提供了 query 和 eval 函数，这两个函数在处理数据时非常有用。query 函数允许你用字符串表达式来筛选数据，而 eval 函数可以计算字符串表达式的值。这两个函数可以大大简化数据处理的代码。

💡 2. 使用方法

2.1 pd.query函数使用

query()函数是Pandas中用于根据条件筛选数据的函数。它可以基于一定的表达式筛选出符合条件的数据行。

函数语法如下，参数说明：
expr：表示条件的字符串表达式。
inplace：是否对原始DataFrame进行就地修改，默认为False，即返回一个新的DataFrame。

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 根据条件筛选数据
filtered_df = df.query('A > 2 and B < 9')
print(filtered_df)

A  B
2  3  8

2.2 pd.eval函数使用

eval()函数是Pandas中用于执行一些计算或表达式的函数。它可以基于字符串表达式进行快速的计算和转换。函数语法如下：

参数说明：
expr：表示计算或表达式的字符串。
inplace：是否对原始DataFrame进行就地修改，默认为False，即返回一个新的DataFrame。

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10]}
df = pd.DataFrame(data)

# 使用eval()函数计算新列
df.eval('C = A + B', inplace=True)
print(df)

A   B   C
0  1   6   7
1  2   7   9
2  3   8  11
3  4   9  13
4  5  10  15