Pandas用了一年，这3个函数是我最的最爱……

本文主要介绍pandas.DataFrame的三个接口，即assign、eval、query，分别用于赋值、查询和执行计算。

注：本文短平快，5分钟可完成阅读了解3个高效的接口。

在数据分析处理中，赋值产生新的列是非常高频的应用场景，简单的可能是赋值常数列、复杂的可能是由一列产生另外一个一列，对于这种需求pandas有多种方法实现，但个人唯独喜欢assign，用起来优雅高效。

例如，对于以上简单的DataFrame数据框，需要创建一个新的列C，一般来说可能有3种创建需求：常数列、指定序列数据以及由已知列通过一定计算产生。那么应用assign完成这3个需求分别是：

注意事项：

1.  assign赋值新列时，一般用新列名=表达式的形式，其中新列名为变量的形式，所以不加引号（加引号时意味着是字符串）；

2. assign返回创建了新列的dataframe，所以需要用新的dataframe对象接收返回值；

3. assign不仅可用于创建新的列，也可用于更新已有列，此时创建的新列会覆盖原有列。
   

实际上，eval是一个Python基础函数，用于执行字符串形式的计算表达式，例如以下简单实例：

那么，eval作为pandas.dataframe数据结构的一个接口，执行功能应该也与执行计算有关。另一方面，pandas中实际上是内置了大量的SQL类语法（包括下面要介绍的query也是），而eval的功能正是执行类似SQL语法中的计算，对已知列执行一定的计算时可用eval完成。例如，仍以前述由A和B列产生C列为例，应用eval的方法为：

了解SQL语法的都知道可用@前缀修饰自定义变量，这一用法在这里的eval中也得以保留，此时可非常方便的引用外部变量。当然，eval中的计算表达式本身属于字符串形式，所以自然也可以用Python的通用字符串引用方法。如下图所示。

注意事项：

1. eval支持接收一个inplace参数控制原地创建新变量或者返回新的dataframe；也支持仅用表达式而不设置新变量名，此时返回数据为series格式，如下图所示；

2. eval表达式中也支持调用函数执行复杂计算。

这应该是最近使用最为频繁的一个接口了，pandas中虽然也提供了多种数据筛选方式，例如loc中增加表达式、或者直接用df[df[]……]等等，但总觉得用起来不够优雅，尤其是要写两遍df以及[]等等，此时如果灵活运用query函数，那么会便捷不少。尤其是query也是类似于SQL中where关键字的语法逻辑，用起来会很顺滑。

例如对于以上dataframe，需要根据不同场景查询满足条件的记录，调用query的实现方式为：

注意事项：

1. query中也支持inplace参数，控制是否将查询过滤条件作用于dataframe本身；

2. 与eval类似，query中也支持引用外部函数。
   

相关阅读：

• PySpark——开启大数据分析师之路

• 数据科学系列：sklearn库主要模块简介
  

• 数据科学系列：seaborn入门详细教程
  

• 数据科学系列：pandas入门详细教程

• 数据科学系列：matplotlib入门详细教程

• 数据科学系列：numpy入门详细教程