如何在pandas.query()的查询字符串中引用变量的元素？

你的核心问题是query字符串中无法直接通过@row['Country']引用行数据，因为@仅支持引用当前作用域的变量，而非row对象的索引。以下两种方法可以解决：

方法1：修正query的变量引用方式 #

先将row['Country']赋值为临时变量，再用@引用这个变量传入query，同时用iloc[0]确保获取单个人口数值：

一行lambda写法 #

new_murders_df["Homicide rate per 100,000"] = new_murders_df.apply(
    lambda row: (row["Number of murders"] / population_2024.query("Country == @country")["Population (M)"].iloc[0]) * 100000
    if (country := row['Country']) else 0,
    axis=1
)

拆分函数写法（更易读） #

def calculate_homicide_rate(row):
    country = row['Country']
    # 匹配对应国家的人口数据
    population = population_2024.query("Country == @country")["Population (M)"].iloc[0]
    return (row["Number of murders"] / population) * 100000

new_murders_df["Homicide rate per 100,000"] = new_murders_df.apply(calculate_homicide_rate, axis=1)

方法2：用merge实现向量化计算（推荐） #

逐行apply属于循环操作，效率较低。更符合Pandas设计理念的是通过merge合并数据后，直接进行列级向量化计算：

# 按国家字段合并两个DataFrame
merged_data = new_murders_df.merge(population_2024, on="Country", how="left")
# 直接计算每10万人凶杀率
merged_data["Homicide rate per 100,000"] = (merged_data["Number of murders"] / merged_data["Population (M)"]) * 100000
# 将结果赋值回原DataFrame
new_murders_df["Homicide rate per 100,000"] = merged_data["Homicide rate per 100,000"]

这种方式无需逐行循环，数据量越大，效率优势越明显，代码也更简洁直观。

内容的提问来源于stack exchange，提问作者user2691456