Python中如何创建值为未求值表达式的字典以生成Pandas合成数据框

问题 #

我需要用Python的Faker和Random函数生成动态Pandas合成数据框，计划通过构建字典作为数据源：部分列设为静态值，部分列基于用户输入，通过表达式或Faker对象生成对应值。

比如要生成5行2列的合成数据框，输入参数为：

col1 = 1
col2 = ('1', '2')

期望构建的字典为：

dict1 = {
        'col1': 1,
        'col2': fake.random_element(elements=('1','2'))
     }

原本的生成代码如下：

from faker import Faker  
import pandas as pd

fake = Faker()  

def generate_fake_data(numRows, inputDict):
    output = [
                 inputDict for x in range(numRows)
            ]
    
    return output

num_records = 5
df_sythetic = pd.DataFrame(generate_fake_data(num_records, dict1))

但现在遇到问题：如果想避免提前求值，表达式会被当作字符串存储，比如：

dict1 = {
        'col1': 1,
        'col2': 'fake.random_element(elements=('1','2'))'
     }

请问如何创建字典，使这类表达式既不被提前求值，也不会被当作字符串处理？

解决方案 #

方法1：用可调用对象（Lambda）存储动态生成逻辑 #

把需要动态生成的列值包装成可调用的Lambda函数，这样每次生成行数据时才会执行生成逻辑，既不会提前求值，也不需要用字符串存储。

修改后的完整代码：

from faker import Faker  
import pandas as pd

fake = Faker()  

# 构建字典：静态值直接存储，动态逻辑用Lambda包装
dict1 = {
    'col1': 1,
    'col2': lambda: fake.random_element(elements=('1', '2'))
}

def generate_fake_data(numRows, inputDict):
    output = []
    for _ in range(numRows):
        # 遍历字典：判断值是否可调用，是则执行取结果，否则直接用静态值
        row = {key: value() if callable(value) else value for key, value in inputDict.items()}
        output.append(row)
    return output

num_records = 5
df_synthetic = pd.DataFrame(generate_fake_data(num_records, dict1))
print(df_synthetic)

这样每一行的col2都会重新调用Faker生成新值，不会出现所有行值相同的问题。

方法2：自定义生成函数（复杂场景适用） #

如果生成逻辑比较复杂（比如需要多步计算），Lambda不够用，可以定义专门的生成函数：

def generate_col2():
    # 这里可以添加复杂逻辑，比如先判断再返回
    return fake.random_element(elements=('1', '2'))

dict1 = {
    'col1': 1,
    'col2': generate_col2
}

生成函数和方法1一致，只需判断值是否可调用并执行即可。

注意：避免用eval()处理字符串表达式 #

把生成逻辑写成字符串后用eval()执行虽然能实现需求，但存在严重的安全风险（比如恶意代码注入），绝不推荐使用。

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