如何在Pandas的df.eval字符串中调用np.where及自定义函数？

1. 调用numpy.where的正确写法 #

你尝试的@np.where写法本身是可行的，以下是可正常运行的完整代码：

import pandas as pd
import numpy as np
data = [[0,10,10],[1,20,20],[0,30,30]]
df = pd.DataFrame(data,columns=['X','A','B'])

# 正确的eval调用np.where方式
df['C'] = df.eval('@np.where(X == 0, A + B, 0)')
print(df)

运行后输出：

X   A   B   C
0  0  10  10  20
1  1  20  20   0
2  0  30  30  60

原理：@符号用于在eval的字符串表达式中引用外部命名空间中的对象（包括函数），X、A、B作为DataFrame的列，属于eval的本地上下文，可直接使用。

若你的环境中该写法报错，建议检查Pandas版本（需≥0.13.0，此版本开始支持@引用外部对象），或确认numpy是否正确导入。

2. 调用自定义函数的方法 #

如果要在eval中调用自定义函数，同样用@引用，且函数需支持处理Series类型的输入：

# 定义支持Series输入的自定义函数
def custom_calc(x, a, b):
    return np.where(x == 0, a + b, 0)

# 在eval中调用自定义函数
df['C'] = df.eval('@custom_calc(X, A, B)')
print(df)

输出结果与之前一致。注意：自定义函数必须适配Pandas Series的批量运算逻辑，因为eval中传递的列都是Series对象。

常见问题说明 #

• 直接写np.where不加@会报错，因为eval默认上下文不包含外部库的函数，必须用@显式引入。
• 确保函数参数与eval中传递的列名匹配，且函数逻辑能处理批量数据。

内容的提问来源于stack exchange，提问作者Zach Kramer