Pandas报错NameError: name 'x' is not defined的原因及高效解法

错误原因 #

• 作用域不匹配：eval(formula)默认在全局命名空间查找变量，但x是new_calculate函数的局部参数，不在全局作用域内，因此触发NameError。
• 公式与需求不符：你期望new_a是l*w（比如100×200=20000），但代码中写的公式是x['l']+x['w']，这会导致结果完全不符合预期。

修复原代码的方案 #

给eval指定局部命名空间，让它能找到函数内的x，同时修正公式：

import pandas as pd

def new_calculate(x, formulas):
    # 将x传入eval的局部命名空间，解决作用域问题
    return pd.Series(eval(formula, {}, {'x': x}) for formula in formulas)

col = {
    's1':{'l':100, 'w':200}, 
    's2':{'l':200, 'w':400}, 
    's3':{'l':300, 'w':500}
}

coldf = pd.DataFrame.from_dict(col, orient='index')

cols = ['new_a', 'new_p']
# 修正new_a的公式为乘法，new_p简化为2*(l+w)
formulas = ["x['l']*x['w']", "2*(x['l']+x['w'])"]

coldf[cols] = coldf.apply(lambda x : new_calculate(x, formulas), axis=1)
print(coldf)

更高效的实现方式 #

apply逐行处理效率较低，数据量大时推荐以下两种方案：

方式1：原生向量化计算（最优） #

Pandas支持列级向量化运算，速度最快，代码最简洁：

import pandas as pd

col = {
    's1':{'l':100, 'w':200}, 
    's2':{'l':200, 'w':400}, 
    's3':{'l':300, 'w':500}
}

coldf = pd.DataFrame.from_dict(col, orient='index')

# 直接基于列计算新字段，完全向量化
coldf['new_a'] = coldf['l'] * coldf['w']
coldf['new_p'] = 2 * (coldf['l'] + coldf['w'])

print(coldf)

方式2：用itertuples遍历处理 #

itertuples比apply效率更高，适合必须逐行处理的场景：

import pandas as pd

col = {
    's1':{'l':100, 'w':200}, 
    's2':{'l':200, 'w':400}, 
    's3':{'l':300, 'w':500}
}

coldf = pd.DataFrame.from_dict(col, orient='index')

new_a_list = []
new_p_list = []
# itertuples返回命名元组，直接通过属性访问字段
for row in coldf.itertuples():
    new_a = row.l * row.w
    new_p = 2 * (row.l + row.w)
    new_a_list.append(new_a)
    new_p_list.append(new_p)

coldf['new_a'] = new_a_list
coldf['new_p'] = new_p_list

print(coldf)

动态公式场景优化 #

如果需要从外部读取动态公式，推荐用numexpr替代eval，既安全又高效：

import pandas as pd
import numexpr as ne

col = {
    's1':{'l':100, 'w':200}, 
    's2':{'l':200, 'w':400}, 
    's3':{'l':300, 'w':500}
}

coldf = pd.DataFrame.from_dict(col, orient='index')

formulas = ['l * w', '2*(l + w)']
cols = ['new_a', 'new_p']

for col_name, formula in zip(cols, formulas):
    # numexpr自动识别DataFrame列名，实现向量化计算
    coldf[col_name] = ne.evaluate(formula, local_dict=coldf)

print(coldf)

内容的提问来源于stack exchange，提问作者l a s