如何在不使用eval()的情况下基于字符串计算式为DataFrame新增列

给定如下Pandas DataFrame：

import pandas as pd
df = pd.DataFrame({'1': [10, 20, 30], 2: [100, 200, 300]})
# 输出结果：
#    1    2
# 0  10  100
# 1  20  200
# 2  30  300

需要基于字符串形式的计算式生成新列，计算式示例：

calc = '{1}+{2}'

之前尝试通过apply+lambda结合eval()实现，但希望避免使用eval()，寻求替代方案。

解决方案1：解析计算式，手动执行向量化运算 #

通过正则表达式提取计算式中的列名和运算符，直接利用Pandas的向量化操作完成计算，全程无需eval()：

import re
import pandas as pd

df = pd.DataFrame({'1': [10, 20, 30], 2: [100, 200, 300]})
calc = '{1}+{2}'

# 提取计算式中的列名
cols = re.findall(r'\{(\w+)\}', calc)
# 提取运算符（适用于二元运算场景）
operator = re.sub(r'\{.*?\}', '', calc).strip()

# 根据运算符执行对应计算
if operator == '+':
    df['new_col'] = df[cols[0]] + df[cols[1]]
elif operator == '-':
    df['new_col'] = df[cols[0]] - df[cols[1]]
elif operator == '*':
    df['new_col'] = df[cols[0]] * df[cols[1]]
elif operator == '/':
    df['new_col'] = df[cols[0]] / df[cols[1]]
# 可根据需要扩展更多运算符（如//、**等）

执行后df将新增new_col列，值为[110, 220, 330]，完全符合计算式要求。

解决方案2：使用Pandas内置的eval()（安全替代方案） #

如果只是担心内置eval()的安全性，可以使用Pandas专属的df.eval()方法——它仅允许访问DataFrame的列和有限的合法表达式，不会执行任意Python代码，安全性更高，同时代码更简洁：

import pandas as pd

df = pd.DataFrame({'1': [10, 20, 30], 2: [100, 200, 300]})
calc = '{1}+{2}'

# 将计算式中的{}替换为列名
calc_pandas = calc.replace('{', '').replace('}', '')
# 使用df.eval()生成新列
df['new_col'] = df.eval(calc_pandas)

这种方法既满足了避免危险的内置eval()的需求，又能快速实现功能，适合复杂一点的计算式场景。

内容的提问来源于stack exchange，提问作者dnnshssm