如何对pandas DataFrame每行应用exec函数得到预期计算结果？

问题场景 #

初始代码如下：

import pandas as pd
var = 2.5
df = pd.DataFrame(["var*1", "var*3", "var*5"])

期望得到的计算结果：

0
0   2.5
1   7.5
2  12.5

但尝试以下操作时均遇到问题：

• 使用df.apply(exec)或df.apply(lambda x:exec(x))，抛出TypeError: exec() arg 1 must be a string, bytes or code object错误
• 使用df[0].map(lambda x:exec(x))，结果全为None
• 自定义函数调用时出现NameError: name 'var' is not defined错误

解决方案 #

核心问题在于用错了工具，同时没处理好变量作用域：

1. 替换exec为eval，并传递作用域 #

exec用于执行语句（比如赋值、循环），不会返回表达式的计算结果；而eval专门用来计算表达式字符串的结果，正好匹配需求。同时通过globals()或自定义字典传递变量，避免作用域问题。

示例代码：

import pandas as pd
var = 2.5
df = pd.DataFrame(["var*1", "var*3", "var*5"])

# 计算每行的表达式，传入全局作用域获取var变量
df[0] = df[0].map(lambda x: eval(x, globals()))
print(df)

2. 自定义函数封装（可选） #

如果需要更清晰的逻辑，可封装成自定义函数：

def compute_expression(expr):
    # 用globals()获取外部变量，或传入自定义字典更可控
    return eval(expr, globals())

df[0] = df[0].apply(compute_expression)

3. 更安全的变量传递方式 #

如果不想暴露整个全局作用域，可以把需要的变量放到字典中传递，避免意外访问其他变量：

var_dict = {"var": 2.5}
df[0] = df[0].map(lambda x: eval(x, var_dict))

注意事项 #

• 安全风险：eval会执行任意表达式字符串，如果DataFrame中的内容来自不可信来源（比如用户输入），可能存在代码注入风险，请勿使用该方法
• 确保表达式字符串的格式正确，避免语法错误

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