本文主要介紹pandas.DataFrame的三個接口，即assign、eval、query，分別用于賦值、查詢和執(zhí)行計(jì)算。

01 assign

在數(shù)據(jù)分析處理中，賦值產(chǎn)生新的列是非常高頻的應(yīng)用場景，簡單的可能是賦值常數(shù)列、復(fù)雜的可能是由一列產(chǎn)生另外一個一列，對于這種需求pandas有多種方法實(shí)現(xiàn)，但個人唯獨(dú)喜歡assign，用起來優(yōu)雅高效。

例如，對于以上簡單的DataFrame數(shù)據(jù)框，需要創(chuàng)建一個新的列C，一般來說可能有3種創(chuàng)建需求：常數(shù)列、指定序列數(shù)據(jù)以及由已知列通過一定計(jì)算產(chǎn)生。那么應(yīng)用assign完成這3個需求分別是：

注意事項(xiàng)：

1. assign賦值新列時，一般用新列名=表達(dá)式的形式，其中新列名為變量的形式，所以不加引號（加引號時意味著是字符串）；
2. assign返回創(chuàng)建了新列的dataframe，所以需要用新的dataframe對象接收返回值；
3. assign不僅可用于創(chuàng)建新的列，也可用于更新已有列，此時創(chuàng)建的新列會覆蓋原有列。

02 eval

實(shí)際上，eval是一個Python基礎(chǔ)函數(shù)，用于執(zhí)行字符串形式的計(jì)算表達(dá)式，例如以下簡單實(shí)例：

那么，eval作為pandas.dataframe數(shù)據(jù)結(jié)構(gòu)的一個接口，執(zhí)行功能應(yīng)該也與執(zhí)行計(jì)算有關(guān)。另一方面，pandas中實(shí)際上是內(nèi)置了大量的SQL類語法（包括下面要介紹的query也是），而eval的功能正是執(zhí)行類似SQL語法中的計(jì)算，對已知列執(zhí)行一定的計(jì)算時可用eval完成。例如，仍以前述由A和B列產(chǎn)生C列為例，應(yīng)用eval的方法為：

了解SQL語法的都知道可用@前綴修飾自定義變量，這一用法在這里的eval中也得以保留，此時可非常方便的引用外部變量。當(dāng)然，eval中的計(jì)算表達(dá)式本身屬于字符串形式，所以自然也可以用Python的通用字符串引用方法。如下圖所示。

注意事項(xiàng)：

1. eval支持接收一個inplace參數(shù)控制原地創(chuàng)建新變量或者返回新的dataframe；也支持僅用表達(dá)式而不設(shè)置新變量名，此時返回?cái)?shù)據(jù)為series格式，如下圖所示；
2. eval表達(dá)式中也支持調(diào)用函數(shù)執(zhí)行復(fù)雜計(jì)算。

03 query

這應(yīng)該是最近使用最為頻繁的一個接口了，pandas中雖然也提供了多種數(shù)據(jù)篩選方式，例如loc中增加表達(dá)式、或者直接用df[df[]……]等等，但總覺得用起來不夠優(yōu)雅，尤其是要寫兩遍df以及[]等等，此時如果靈活運(yùn)用query函數(shù)，那么會便捷不少。尤其是query也是類似于SQL中where關(guān)鍵字的語法邏輯，用起來會很順滑。

例如對于以上dataframe，需要根據(jù)不同場景查詢滿足條件的記錄，調(diào)用query的實(shí)現(xiàn)方式為：

當(dāng)然，之所以說query中支持類似SQL的語法，是因?yàn)槠湟灿袃蓚€SQL中標(biāo)志性的設(shè)計(jì)，其一是@引用自定義外部變量，其二是對于特殊的列名（例如包含空格的字符）可以用反引號``加以修飾引用。例如，下述例子中C C列中有個空格，直接用于字符串表達(dá)式會存在報錯，此時可使用反引號加以修飾，同時查詢條件中應(yīng)用了@修飾符引用外部變量。當(dāng)然，與eval中類似，這里當(dāng)然也可以用f字符串修飾引用。

注意事項(xiàng)：

1. query中也支持inplace參數(shù)，控制是否將查詢過濾條件作用于dataframe本身；
2. 與eval類似，query中也支持引用外部函數(shù)。