Python Pandas 快速插入列，快速筛选数据：强大到飞起的 eval 和 query 函数

在这里插入图片描述

引言

在使用 Python 的 Pandas 库处理数据时，我们时常需要添加一些新列，时不时添加一列也就算了，同时添加多列(毫无规律的，不使用循环)时是真的气人，还有就是快速选择符合条件的数据框有时也会成为令人难受。

在这里插入图片描述

业务需求 & 效果实现

快到飞起的 eval()

在这里插入图片描述
笔者将效果实现分成了几个版本

低端累到不能呼吸版
最基础的列操作了
在这里插入图片描述

中端客可喘气版
这个版本借助了循环的帮助，省去了复制粘贴该改数字
在这里插入图片描述
已经快了很多

高端畅顺呼吸版
使用 eval 函数的同时借助循环的帮助，这里就只是展示 eval 的生成单列的用法。
在这里插入图片描述

同样快到飞起的 query()

功能不多说，看图说话即可，只展示 query 最常用的功能
在这里插入图片描述

总结

两个函数的简单和最常见的用法不用说大家看图也能够理解，就是省去了打出文件名和中括号，借助循环的力量，找出列索引的规律；在数据清洗/文件批处理中非常常见。

这两个相对来说冷门一些的函数不仅代码量大大减少，而且在内存执行速度上也会更快；**从版本0.13开始，Pandas 包含了一下实验性的工具允许你直接使用 C 速度操作，避免中间数组的浪费。这些工具是eval()和 query()函数，它们依赖 Numexpr包。**其实这只是这两个函数的冰山一角，各种快捷骚操作还等待着我们去探索 Pandas，Numpy 的快捷函数太多了，所以鲜有人敢自称自己精通 numpy pandas 或者只是其中一个库（熊猫创始人曾在视频中也对此感到无奈）。总的来说，替自己总是忘记快捷函数而感到担忧是完全没有必要的，只需牢记没有最快，只有更快，想得起来就用想不起来就查。