Python以字符串形式执行操作

因此，我试图将一个变量操作（用户定义的）传递到一个函数中，但在尝试找到一个好的方法时遇到了困难。我所能想到的就是将所有选项硬编码到函数中，如下所示：

def DoThings(Conditions):
import re
import pandas as pd
d = {'time' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd']),
     'legnth' : pd.Series([4., 5., 6., 7.], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)
print df

for Condition in Conditions:
    # Split the condition into two parts
    SplitCondition = re.split('<=|>=|!=|<|>|=',Condition)

    # If the right side of the conditional statement is a number convert it to a float
    if SplitCondition[1].isdigit():
        SplitCondition[1] = float(SplitCondition[1])

    # Perform the condition specified
    if "<=" in Condition:
        df = df[df[SplitCondition[0]]<=SplitCondition[1]]
        print "one"
    elif ">=" in Condition:
        df = df[df[SplitCondition[0]]>=SplitCondition[1]]
        print "two"
    elif "!=" in Condition:
        df = df[df[SplitCondition[0]]!=SplitCondition[1]]
        print "three"
    elif "<" in Condition:
        df = df[df[SplitCondition[0]]<=SplitCondition[1]]
        print "four"
    elif ">" in Condition:
        df = df[df[SplitCondition[0]]>=SplitCondition[1]]
        print "five"
    elif "=" in Condition:
        df = df[df[SplitCondition[0]]==SplitCondition[1]]
        print "six"
return df

# Specify the conditions
Conditions = ["time>2","legnth<=6"]
df = DoThings(Conditions)   # Call the function

print df

这一切都很好，但我想知道是否有更好或更有效的方法将条件传递到函数中，而无需写出所有可能的if语句。有什么想法吗

解决方案：

def DoThings(Conditions):
    import re
    import pandas as pd
    d = {'time' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd']),
         'legnth' : pd.Series([4., 5., 6., 7.], index=['a', 'b', 'c', 'd'])}
    df = pd.DataFrame(d)
    print df

    for Condition in Conditions:
        # Split the condition into two parts
        SplitCondition = re.split('<=|>=|!=|<|>|=',Condition)

        # If the right side of the conditional statement is a number convert it to a float
        if SplitCondition[1].isdigit():
            SplitCondition[1] = float(SplitCondition[1])

        import operator
        ops = {'<=': operator.le, '>=': operator.ge, '!=': operator.ne, '<': operator.lt, '>': operator.gt, '=': operator.eq}
        cond = re.findall(r'<=|>=|!=|<|>|=', Condition)
        df = df[ops[cond[0]](df[SplitCondition[0]],SplitCondition[1])]

    return df



# Specify the conditions
Conditions = ["time>2","legnth<=6"]
df = DoThings(Conditions)   # Call the function

print df

---

您可以通过

operator

模块访问内置运算符，然后构建一个表，将您的运算符名称映射到内置运算符，如下面的简化示例所示：

import operator
ops = {'<=': operator.le, '>=': operator.ge}

In [3]: ops['>='](2, 1)
Out[3]: True

导入操作符
ops={'='：operator.ge}
[3]中：ops['>=']（2,1）
Out[3]：正确

您可以通过

操作符

模块访问内置操作符，然后构建一个表，将您的操作符名称映射到内置操作符，如下面的简化示例所示：

import operator
ops = {'<=': operator.le, '>=': operator.ge}

In [3]: ops['>='](2, 1)
Out[3]: True

导入操作符
ops={'='：operator.ge}
[3]中：ops['>=']（2,1）
Out[3]：正确

您可以使用来执行此类操作（您会发现速度要快得多）：

您可以使用来执行此类操作（您会发现速度要快得多）：

---

在

pandas==0.13

（不确定该版本何时发布…

0.12

）中，您将能够执行以下操作，所有这些操作都是等效的：

res = df.query('(legnth == 4) | (time == 4)')
res = df.query('legnth == 4 | time == 4')
res = df.query('legnth == 4 or time == 4')

我个人最喜欢的

res = df['legnth == 4 or time == 4']

---

query

和

\uuuuu getitem\uuuu

都接受任意布尔表达式，并在表达式中的每个变量名上自动“前缀”调用帧实例（也可以使用局部变量和全局变量）。这使您能够1）比在所有内容前面键入

df.

更简洁地表达查询2）使用语法表达查询，让我们面对现实，这种语法看起来比难看的按位运算符更好，3）如果您有巨大的帧和非常复杂的表达式，则可能比“纯”Python等价物快得多，最后4）允许您将同一查询传递到多个帧（毕竟，它是一个字符串），并具有公共列子集。

在

pandas==0.13

（不确定该版本何时发布…

0.12

刚刚发布）您将能够执行以下操作，所有操作都是等效的：

res = df.query('(legnth == 4) | (time == 4)')
res = df.query('legnth == 4 | time == 4')
res = df.query('legnth == 4 or time == 4')

我个人最喜欢的

res = df['legnth == 4 or time == 4']

---

query

和

\uuuuu getitem\uuuu

都接受任意布尔表达式，并在表达式中的每个变量名上自动“前缀”调用帧实例（也可以使用局部变量和全局变量）。这使您能够1）比在所有内容前面键入

df.

更简洁地表达查询2）使用语法表达查询，让我们面对现实，这种语法看起来比难看的按位运算符更好，3）如果您有巨大的帧和非常复杂的表达式，则可能比“纯”Python等价物快得多，最后4）允许您将相同的查询传递给多个框架（毕竟，它是一个字符串），其中包含一个共同的列子集。

这正是我想要的。谢谢答案在问题中实现。虽然这回答了OP（或任何其他在这里绊倒的人）是如何做到这一点的。。。他们真的不应该推出他们自己的（效率较低的）numpy掩蔽。@AndyHayden：“其他在这里遇到麻烦的人”可能没有使用numpy——他们可能只是在寻找一种简洁的方法来实现一组操作符。回过头来看，我仍然认为创建DSL来实现这一点是个坏主意……这正是我想要的。谢谢答案在问题中实现。虽然这回答了OP（或任何其他在这里绊倒的人）是如何做到这一点的。。。他们真的不应该推出他们自己的（效率较低的）numpy掩蔽。@AndyHayden：“其他在这里遇到麻烦的人”可能没有使用numpy——他们可能只是在寻找一种简洁的方法来实现一组操作符。回过头来看，我仍然认为OP创建一个DSL来实现这一点是一个坏主意……在上面的例子中，您将如何实现这一点？在pandas 0.13中，您将能够使用

df['legnth==4或time==4']

方法对

DataFrame

对象和

pd.eval

执行

，在引擎盖下使用
numexpr
的顶级计算器。@cpcloud您肯定应该用它添加一个新答案。：）太棒了！在上面的示例中，您将如何实现这一点？在pandas 0.13中，您将能够通过
DataFrame
对象和
pd.eval
上的
query
方法执行
df['legnth==4或time==4']
，在引擎盖下使用
numexpr
的顶级计算器。@cpcloud您肯定应该用它添加一个新答案。：）太棒了！
res = df['legnth == 4 or time == 4']