Python如何将含DataFrame过滤代码的字符串转为可执行代码？

1. 使用eval()直接执行字符串代码 #

这是最直接的实现方式，eval()可以将字符串解析为Python代码并执行，完美匹配你的需求：

import pandas as pd

# 示例DataFrame
Data = pd.DataFrame({
    'Number': [1, 3, 5, 2],
    'Length': [10, 20, 15, 5]
})

# 你的过滤字符串
example_string = "Data[Data['Number'] > 2]"
example_string_2 = "Data[Data['Length'] <= 15]"

# 执行字符串并得到过滤后的DataFrame
filtered_df1 = eval(example_string)
filtered_df2 = eval(example_string_2)

print(filtered_df1)
print(filtered_df2)

注意eval()的安全风险 #

如果这些过滤字符串来自不可信来源（比如用户输入），eval()会执行字符串中的任意代码，可能引发恶意代码执行等安全问题。这种场景下推荐使用更安全的替代方案。

2. 使用Pandas的query()方法（更安全） #

Pandas内置的query()方法专门支持字符串形式的过滤表达式，语法更简洁且限制了可执行的操作，安全性更高。你可以将现有字符串转换为query兼容的格式：

# 直接使用简化的查询字符串
query_str1 = "Number > 2"
query_str2 = "Length <= 15"

filtered_df1 = Data.query(query_str1)
filtered_df2 = Data.query(query_str2)

如果不想手动修改现有字符串，可通过简单函数提取条件部分：

def convert_to_query(filter_str):
    # 提取[]中的条件并替换Data['X']为X
    condition = filter_str.split('[')[1].rstrip(']')
    return condition.replace("Data['", "").replace("']", "")

# 转换现有字符串
query_str1 = convert_to_query(example_string)
query_str2 = convert_to_query(example_string_2)

filtered_df1 = Data.query(query_str1)

为什么星号解包无效？ #

星号*用于解包列表、元组这类可迭代对象，而你的字符串是代码逻辑，并非可迭代数据集，因此这种方法完全不适用，必须通过代码执行或专用查询方法处理。

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