如何将UI请求的字符串条件转为Python格式以过滤DataFrame

我有一个Pandas DataFrame，需要根据UI请求传递的字符串条件对其进行过滤。

请求示例 #

{
"table": "abc",
"condition": "A=98 and C=73 and D='rendom_char'"
} 

DataFrame样例 #

预期输出 #

当UI传来条件"condition": "A=98 and C=73 and D='def'"或"condition": "A=98 and C=73"时，过滤后的DataFrame为：

核心问题 #

如何将UI传来的字符串条件转换为可用于Pandas DataFrame过滤的Python逻辑？

方法1：直接使用Pandas的query()方法 #

Pandas自带的query()方法原生支持字符串格式的查询条件，完全匹配你的场景，代码简洁高效。

示例代码：

import pandas as pd

# 构造样例DataFrame
df = pd.DataFrame({
    'A': [85, 39, 98, 98, 85, 61],
    'B': [39, 51, 17, 52, 52, 89],
    'C': [54, 23, 73, 73, 21, 31],
    'D': ['td', 'abc', 'def', 'def', 'rst', 'xvz']
})

# 模拟UI传来的条件字符串
condition_str = "A=98 and C=73 and D='def'"
# 也可以是 condition_str = "A=98 and C=73"

# 执行过滤
filtered_df = df.query(condition_str)
print(filtered_df)

方法2：手动解析条件字符串（提升安全性） #

如果担心query()存在注入风险（比如恶意构造的条件字符串），可以手动解析条件，转换成Pandas布尔索引：

示例代码：

def parse_condition(condition_str, df):
    # 拆分单个条件项
    conditions = [cond.strip() for cond in condition_str.split('and')]
    boolean_masks = []
    
    for cond in conditions:
        # 处理等于逻辑（可扩展支持>、<等运算符）
        if '=' in cond:
            col, val = cond.split('=', 1)
            col = col.strip()
            val = val.strip()
            
            # 区分字符串和数值类型
            if val.startswith("'") and val.endswith("'"):
                val = val[1:-1]
                mask = df[col] == val
            else:
                try:
                    val = float(val)
                    mask = df[col] == val
                except ValueError:
                    raise ValueError(f"无法解析条件值: {val}")
            boolean_masks.append(mask)
    
    # 组合所有布尔条件
    final_mask = boolean_masks[0]
    for mask in boolean_masks[1:]:
        final_mask = final_mask & mask
    
    return df[final_mask]

# 使用示例
filtered_df = parse_condition(condition_str, df)
print(filtered_df)

注意事项 #

• 若条件包含or逻辑，query()直接支持；手动解析时需将拆分符改为or，并用|组合布尔条件
• 确保UI传来的字符串值用单引号包裹，与Pandas语法兼容
• 手动解析时需处理数据类型转换异常，避免程序崩溃

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