您可以使用以下三种方式进行表达式求值： 1) pd.eval(), 2) df.query()，或者3) df.eval()。下面将讨论它们的不同特点和功能。
示例将涉及这些数据框（除非另有说明）。
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'))
df3 = pd.DataFrame(np.random.choice(10, (5, 4)), columns=list('ABCD'))
df4 = pd.DataFrame(np.random.choice(10, (5, 4)), columns=list('ABCD'))
1) pandas.eval
这是 pandas 文档应该包含的“缺失手册”。
注意：在这里讨论的三个函数中，pd.eval 是最重要的。 df.eval 和 df.query 在后台调用
pd.eval。这三个函数的行为和使用方式基本一致，但有一些细微的语义变化，稍后会进行说明。本节将介绍所有三个函数都具有的功能，包括（但不限于）允许的语法、运算优先级规则和关键字参数。
pd.eval 可以评估由变量和/或文字组成的算术表达式。这些表达式必须作为字符串传递。因此，回答上述问题，可以执行以下操作:
x = 5
pd.eval("df1.A + (df1.B * x)")
需要注意以下几点：
- 整个表达式都是一个字符串
df1、df2和x指的是全局命名空间中的变量，在解析表达式时，eval会引用这些变量- 可以使用属性访问器索引来访问特定的列。您也可以使用
"df1['A'] + (df1['B'] * x)"来实现同样的效果。
在下面解释target=...属性的部分中，我将详细讨论重新赋值的具体问题。但现在，以下是更多有效操作的简单示例：pd.eval：
pd.eval("df1.A + df2.A") # Valid, returns a pd.Series object
pd.eval("abs(df1) ** .5") # Valid, returns a pd.DataFrame object
......等等。条件表达式也可以以相同的方式进行支持。以下语句都是有效的表达式，并将由引擎进行评估。
pd.eval("df1 > df2")
pd.eval("df1 > 5")
pd.eval("df1 < df2 and df3 < df4")
pd.eval("df1 in [1, 2, 3]")
pd.eval("1 < 2 < 3")
在文档中可以找到详细支持的特性和语法列表。总结如下：
- 算术操作（除了左移（
<<）和右移（>>）运算符），例如df + 2 * pi / s ** 4 % 42 - the_golden_ratio
- 比较操作，包括链式比较，例如
2 < df < df2
- 布尔操作，例如
df < df2 and df3 < df4或者not df_bool
list和tuple字面量，例如[1, 2]或(1, 2)
- 属性访问，例如
df.a
- 下标表达式，例如
df[0]
- 简单变量求值，例如
pd.eval('df')（这不太有用）
- 数学函数：sin、cos、exp、log、expm1、log1p、sqrt、sinh、cosh、tanh、arcsin、arccos、arctan、arccosh、arcsinh、arctanh、abs和
arctan2。
文档的这一部分还指定了不支持的语法规则，包括set/dict字面量、if-else语句、循环和解析式以及生成器表达式。
从列表可以看出，您还可以传递涉及索引的表达式，例如
pd.eval('df1.A * (df1.index > 1)')
1a) 解析器选择: parser=... 参数
pd.eval支持两种不同的解析器选项来解析表达式字符串生成语法树：pandas和python。两者之间的主要区别在于优先级规则略有不同。
使用默认解析器pandas时，重载的按位运算符&和|将实现基于pandas对象的矢量化AND和OR操作，其运算符优先级与and和or相同。所以，
pd.eval("(df1 > df2) & (df3 < df4)")
与之前相同
pd.eval("df1 > df2 & df3 < df4")
# pd.eval("df1 > df2 & df3 < df4", parser='pandas')
同时也与之相同
pd.eval("df1 > df2 and df3 < df4")
在这里，括号是必要的。要按照传统方式完成这个操作，需要使用括号来覆盖按位运算符的高优先级：
(df1 > df2) & (df3 < df4)
没有这个，我们最终会得到
df1 > df2 & df3 < df4
ValueError: The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
如果您想在评估字符串时与Python的实际运算符优先级规则保持一致，请使用parser = 'python'。
pd.eval("(df1 > df2) & (df3 < df4)", parser='python')
两种解析器之间的另一个区别是使用 'pandas' 解析器时，列表和元组节点中 == 和 != 运算符的语义与 in 和 not in 的语义类似。例如：
pd.eval("df1 == [1, 2, 3]")
是合法的，并将具有与原来相同的语义
pd.eval("df1 in [1, 2, 3]")
另一方面，pd.eval("df1 == [1, 2, 3]", parser='python') 将会抛出一个 NotImplementedError 错误。
1b) 后端选择： engine=... 参数
有两个选项 - numexpr（默认）和 python。 numexpr 选项使用了经过优化的性能后端numexpr。
使用 Python 后端，您的表达式类似于将表达式传递给 Python 的 eval 函数进行评估。您可以在表达式中执行更多的操作，例如字符串操作。
df = pd.DataFrame({'A': ['abc', 'def', 'abacus']})
pd.eval('df.A.str.contains("ab")', engine='python')
0 True
1 False
2 True
Name: A, dtype: bool
很不幸，此方法与numexpr引擎相比没有性能优势，并且几乎没有安全措施来确保不会评估危险表达式，因此使用时需自担风险！通常不建议将此选项更改为'python'，除非您知道自己在做什么。
1c)local_dict和global_dict参数
有时候，提供在表达式中使用但当前未定义在命名空间中的变量值是有用的。您可以将字典传递给local_dict。
例如：
pd.eval("df1 > thresh")
UndefinedVariableError: name 'thresh' is not defined
这个失败是因为thresh没有定义。然而，这个可以工作：
pd.eval("df1 > thresh", local_dict={'thresh': 10})
当你需要从字典中提供变量时，这将非常有用。 或者，使用Python引擎，您可以简单地执行以下操作：
mydict = {'thresh': 5}
pd.eval('df1 > mydict["thresh"]', engine='python')
但是这种方法可能比使用'numexpr'引擎并将字典传递给local_dict或global_dict要慢得多。希望这可以为使用这些参数提供令人信服的论据。
1d) target（+inplace）参数和赋值表达式
通常不需要这样做，因为通常有更简单的方法可以完成此操作，但您可以将pd.eval的结果分配给实现__getitem__（例如字典和数据帧）的对象。
考虑问题中的示例
x = 5
df2['D'] = df1['A'] + (df1['B'] * x)
将列“D”分配给df2，我们可以执行：pd.eval('D = df1.A + (df1.B * x)', target=df2)
A B C D
0 5 9 8 5
1 4 3 0 52
2 5 0 2 22
3 8 1 3 48
4 3 7 0 42
这不是对 df2 的原地修改（但可以进行...继续阅读）。考虑另一个例子：
pd.eval('df1.A + df2.A')
0 10
1 11
2 7
3 16
4 10
dtype: int32
如果你想要（例如）将此分配回 DataFrame，可以使用 target 参数，如下所示：
df = pd.DataFrame(columns=list('FBGH'), index=df1.index)
df
F B G H
0 NaN NaN NaN NaN
1 NaN NaN NaN NaN
2 NaN NaN NaN NaN
3 NaN NaN NaN NaN
4 NaN NaN NaN NaN
df = pd.eval('B = df1.A + df2.A', target=df)
# Similar to
# df = df.assign(B=pd.eval('df1.A + df2.A'))
df
F B G H
0 NaN 10 NaN NaN
1 NaN 11 NaN NaN
2 NaN 7 NaN NaN
3 NaN 16 NaN NaN
4 NaN 10 NaN NaN
如果您想在 df 上执行就地突变，请设置 inplace=True。pd.eval('B = df1.A + df2.A', target=df, inplace=True)
# Similar to
# df['B'] = pd.eval('df1.A + df2.A')
df
F B G H
0 NaN 10 NaN NaN
1 NaN 11 NaN NaN
2 NaN 7 NaN NaN
3 NaN 16 NaN NaN
4 NaN 10 NaN NaN
如果未指定目标设置 inplace，会引发 ValueError。
虽然可以玩弄 target 参数，但很少需要使用它。
如果您想在 df.eval 中执行此操作，您将使用涉及赋值的表达式：
df = df.eval("B = @df1.A + @df2.A")
df
F B G H
0 NaN 10 NaN NaN
1 NaN 11 NaN NaN
2 NaN 7 NaN NaN
3 NaN 16 NaN NaN
4 NaN 10 NaN NaN
注意
pd.eval 的一个意外用途是以与 ast.literal_eval 非常相似的方式解析文本字符串：
pd.eval("[1, 2, 3]")
array([1, 2, 3], dtype=object)
还可以使用 'python' 引擎解析嵌套列表：
pd.eval("[[1, 2, 3], [4, 5], [10]]", engine='python')
[[1, 2, 3], [4, 5], [10]]
还有字符串列表：
pd.eval(["[1, 2, 3]", "[4, 5]", "[10]"], engine='python')
[[1, 2, 3], [4, 5], [10]]
然而，问题是列表长度大于100:
pd.eval(["[1]"] * 100, engine='python')
pd.eval(["[1]"] * 101, engine='python')
AttributeError: 'PandasExprVisitor' object has no attribute 'visit_Ellipsis'
更多关于此错误、原因、解决方法和解决方案的信息可以在这里找到。
如上所述，df.eval在幕后会调用pd.eval，并做一些参数的摆放。在v0.23源代码中有所显示。
def eval(self, expr, inplace=False, **kwargs):
from pandas.core.computation.eval import eval as _eval
inplace = validate_bool_kwarg(inplace, 'inplace')
resolvers = kwargs.pop('resolvers', None)
kwargs['level'] = kwargs.pop('level', 0) + 1
if resolvers is None:
index_resolvers = self._get_index_resolvers()
resolvers = dict(self.iteritems()), index_resolvers
if 'target' not in kwargs:
kwargs['target'] = self
kwargs['resolvers'] = kwargs.get('resolvers', ()) + tuple(resolvers)
return <b>_eval(expr, inplace=inplace, **kwargs)</b>
eval创建参数，进行少量验证，并将参数传递给pd.eval。更多信息请参见：When to use DataFrame.eval() versus pandas.eval() or Python eval()
2a) 用法差异
2a1) 与DataFrames表达式相比的Series表达式
对于整个数据框架相关的动态查询，应优先选择pd.eval。例如，当您调用df1.eval或df2.eval时，没有简单的方法来指定等效于pd.eval("df1 + df2")的表达式。
2a2) 指定列名
另一个主要区别是如何访问列。例如，在df1中添加两列“A”和“B”，您需要使用以下表达式调用pd.eval：
pd.eval("df1.A + df1.B")
使用df.eval，您只需要提供列名称：
df1.eval("A + B")
在 df1 的上下文中，“A”和“B”明显是列名。
您还可以使用 index 引用索引和列（除非索引有名称，否则应使用名称）。
df1.eval("A + index")
更一般地，对于任何具有1个或多个级别的索引的DataFrame，可以使用变量"ilevel_k"来表示表达式中索引的第k个级别，“ilevel_k”代表“在级别k处的索引”。也就是说，上面的表达式可以写成df1.eval("A + ilevel_0")。
这些规则也适用于df.query。
2a3) 访问本地/全局名称空间中的变量
表达式中提供的变量必须在前面加上“@”符号，以避免与列名混淆。
A = 5
df1.eval("A > @A")
对于query，同样适用。
显然，您的列名必须遵循Python中有效标识符命名的规则，以便在eval内部访问。有关命名标识符的规则，请参见此处。
2a4)多行查询和赋值
鲜为人知的是，eval支持处理赋值的多行表达式（而query则不支持）。例如，为了在df1中基于某些列进行算术运算并创建两个新列"E"和"F"，以及基于先前创建的"E"和"F"创建第三个列"G"，我们可以这样做：
df1.eval("""
E = A + B
F = @df2.A + @df2.B
G = E >= F
""")
A B C D E F G
0 5 0 3 3 5 14 False
1 7 9 3 5 16 7 True
2 2 4 7 6 6 5 True
3 8 8 1 6 16 9 True
4 7 7 8 1 14 10 True
3) eval vs query
df.query可被视为使用pd.eval作为子例程的函数。通常，query（顾名思义）用于评估条件表达式（即结果为True / False值的表达式）并返回与True结果相对应的行。然后将表达式的结果传递给loc（在大多数情况下）以返回满足表达式的行。根据文档：
首先对此表达式的计算结果进行传递至DataFrame.loc，如果由于多维键（例如DataFrame）而失败，则结果将传递给DataFrame.__getitem__()。
该方法使用顶级pandas.eval()函数来评估传递的查询。
就相似性而言，query和df.eval在它们访问列名和变量方面都是相似的。
这两者之间的关键区别，如上所述，是它们处理表达式结果的方式。当您实际通过这两个函数运行表达式时，这一点就变得明显了。例如，请考虑以下内容：
df1.A
0 5
1 7
2 2
3 8
4 7
Name: A, dtype: int32
df1.B
0 9
1 3
2 0
3 1
4 7
Name: B, dtype: int32
要获取在df1中，所有“A” >= “B”的行，我们可以用以下方式使用eval：
m = df1.eval("A >= B")
m
0 True
1 False
2 False
3 True
4 True
dtype: bool
m代表通过计算表达式“A >= B”生成的中间结果。接下来我们使用该掩码来过滤df1：
df1[m]
A B C D
0 5 0 3 3
3 8 8 1 6
4 7 7 8 1
然而，使用 query，中间结果“m”直接传递给 loc，所以使用 query，您只需要执行以下操作：
df1.query("A >= B")
A B C D
0 5 0 3 3
3 8 8 1 6
4 7 7 8 1
就性能而言，它完全相同。
df1_big = pd.concat([df1] * 100000, ignore_index=True)
14.7 ms ± 33.9 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
14.7 ms ± 24.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
但后者更为简洁，能够在一步中完成相同的操作。
请注意，您还可以使用query执行奇怪的操作，例如（返回所有由df1.index索引的行）。
df1.query("index")
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
但是不要这样做。
底线: 当基于条件表达式查询或过滤行时，请使用query。
pandas.MultiIndex写一个类似的东西？ - tel