如何在Pandas query中引用并实例化自定义类？

问题原因 #

Pandas的query()方法表达式解析器不支持直接在查询语句中对列（Series）进行逐元素的自定义类实例化操作。即使通过local/global参数传入类，query也无法处理foo(col1).v这类语法——一方面解析器无法识别类实例化后的属性访问逻辑，另一方面直接将整个Series传入类构造函数也不符合逐元素处理的需求，这就是出现KeyError: 'foo'的核心原因。

解决方案 #

以下是几种可行的实现方式：

方案1：提前生成处理列再用query

先将列中每个元素转换为foo实例并提取v属性，生成新列后再用query查询：

import pandas as pd

class foo:
    def __init__(self, var):
        self.v = var

df = pd.DataFrame({'col1':[1,2]})
# 逐元素生成foo实例并提取v属性
df['foo_v'] = df['col1'].apply(lambda x: foo(x).v)
# 用query筛选符合条件的行
result = df.query('foo_v > 1')
print(result)

方案2：直接使用布尔索引替代query

这是更高效的方式，跳过query直接用apply生成布尔掩码筛选行：

import pandas as pd

class foo:
    def __init__(self, var):
        self.v = var

df = pd.DataFrame({'col1':[1,2]})
# 生成布尔掩码并筛选
result = df[df['col1'].apply(lambda x: foo(x).v > 1)]
print(result)

方案3：封装逻辑为函数，传入query使用

如果一定要用query，可以将类实例化和判断逻辑封装为函数，通过向量化处理适配列操作后传入query：

import pandas as pd

class foo:
    def __init__(self, var):
        self.v = var

# 封装判断逻辑
def check_foo_condition(x):
    return foo(x).v > 1

df = pd.DataFrame({'col1':[1,2]})
# 转为向量化函数，适配query的列操作
vectorized_check = pd.vectorize(check_foo_condition)
result = df.query('@vectorized_check(col1)')
print(result)

内容的提问来源于stack exchange，提问作者AMuresan