18、高性能数据处理与可视化：Pandas与Matplotlib实战

高性能数据处理与可视化：Pandas与Matplotlib实战

1. Pandas中的eval()和query()函数

1.1 pd.eval()的功能

pd.eval() 支持多种操作，以下是一些具体示例：
- 数学运算 ：

result1 = -df1 * df2 / (df3 + df4) - df5
result2 = pd.eval('-df1 * df2 / (df3 + df4) - df5')
np.allclose(result1, result2)

输出结果为 True ，说明 pd.eval() 计算结果与常规计算结果一致。
- 比较运算符 ：支持所有比较运算符，包括链式表达式。

result1 = (df1 < df2) & (df2 <= df3) & (df3 != df4)
result2 = pd.eval('df1 < df2 <= df3 != df4')
np.allclose(result1, result2)

输出为 True 。
- 位运算符 ：支持 & 和 | </