Python字典推导式内eval执行报NameError: df未定义问题

Python 3中字典推导式、列表推导式会生成独立的嵌套作用域，eval()执行时默认的变量查找逻辑无法穿透推导式的独立作用域，读取到外层函数内定义的局部变量df，因此抛出名称错误。直接在函数非推导式代码块中执行eval()时，作用域和df所在的函数局部作用域一致，所以能正常运行。

以下实现完全满足约束：保留全局变量df1、不使用序号作为规则键、新增列标识每行未选中原因，同时解决作用域报错问题：

import pandas as pd

# 全局业务必需变量df1保留，不做修改
df1 = pd.DataFrame({
    'Name':['JOHN','ALLEN','BOB','NIKI','CHARLIE','CHANG'],
    'Age':[35,42,63,29,47,51],
    'Salary_in_1000':[100,93,78,120,64,115],
    'FT_Team':['STEELERS','SEAHAWKS','FALCONS','FALCONS','PATRIOTS','STEELERS']
})

def select_func(df):
    df = df.copy()
    # 自定义筛选规则列表，后续直接用规则字符串作为标识键
    rules = [
        "df['Age'] < 60",
        "df['Salary_in_1000'] >= 80"
    ]

    # 核心修复：给eval显式传入全局+当前局部命名空间，推导式场景下也能找到df变量
    rule_res = {
        rule: eval(rule, globals(), locals()) 
        for rule in rules
    }

    # 新增列记录每行未命中的规则原因
    df['unmatched_reason'] = ''
    for rule_str, match_mask in rule_res.items():
        df.loc[~match_mask, 'unmatched_reason'] += f"未满足: {rule_str}; "

    return df

# 测试调用
result_df = select_func(df1)
print(result_df)

• 给eval()传入globals()保证全局业务变量（比如df1）可以被正常访问，传入locals()保证函数内的入参df可以在推导式的独立作用域中被找到，从根源解决NameError。
• 字典键直接使用原始规则字符串，不需要生成n0、n1这类无意义序号，规则和结果一一对应可读性更强。
• 遍历所有规则的布尔匹配结果，将不满足的规则拼接后写入unmatched_reason列，直接可以查看每行被过滤的具体原因。

内容的提问来源于stack exchange，提问作者Jack