Pandas Series.apply调用eval/pd.eval时提示nan未定义是何原因

问题核心是命名空间取值的作用域规则和直觉预期不一致，两种eval报错的具体原因如下：

1. 原生内置eval报NameError的原因 #

Python内置eval是C实现的函数，当不显式传入globals/locals参数时，它会从当前调用栈中最近的Python帧里获取命名空间：

• 你在代码顶层（__main__模块全局作用域）直接执行eval(lst)时，最近的Python帧就是__main__模块的全局帧，这个帧里有你定义/导入的nan，所以能正常运行。
• 当你把eval直接作为参数传给Series.apply时，eval实际是在pandas内部Cython编译实现的循环逻辑pandas._libs.lib.map_infer中被调用的，这时候离eval最近的Python帧属于pandas内部模块，不是你写代码的__main__模块，该帧的命名空间里自然没有你定义的nan，因此抛出名称错误。
  你在顶层打印的globals()/locals()是__main__帧的命名空间，和eval被调用时实际拿到的命名空间完全不是同一个对象，所以就算打印结果里能看到nan，eval也根本访问不到。

2. pd.eval报KeyError的原因 #

pd.eval默认确实会通过栈回溯，获取直接调用它的Python代码所在帧的locals()和globals()作为解析命名空间——这也是你在顶层直接调用pd.eval('[nan,1]')能正常运行的原因：回溯一层就能拿到__main__模块的命名空间，里面有你定义的nan。
但当你把pd.eval传入Series.apply时，pd.eval的直接调用方是C实现的map_infer循环。C编译的扩展函数在Python调用栈中没有对应的Python帧对象，pd.eval做栈回溯时碰到C层帧就无法继续向上访问，最终拿到的命名空间属于pandas内部模块，找不到你在__main__里定义的nan，解析表达式时就会抛出KeyError。

你目前用的显式传入命名空间的方案是最稳妥的，一方面解决了作用域不匹配的问题，另一方面也能限制eval可访问的变量范围，避免执行任意代码带来的安全风险。
如果不想每次手动传参，套一层自定义Python函数/lambda调用eval也能解决问题，比如：

# 此时eval的直接调用方是你在__main__定义的lambda，能拿到__main__的命名空间
df['lst'] = df['lst'].apply(lambda x: eval(x))

这种写法能跑通，但因为没有限制eval的可访问范围，安全性不如显式传入可控命名空间的方案。

内容的提问来源于stack exchange，提问作者Ynjxsjmh