如何将DataFrame传入函数，提升asteval、uncertainties批量计算公式的效率

优化思路 #

• 移除重复的参数符号表加载操作：原代码每次计算单个公式都会遍历参数表重新写入符号表，属于完全不必要的重复开销，参数只需要写入一次即可长期复用
• 移除不必要的函数包装：直接将带不确定度的参数对象写入asteval符号表，计算后直接返回带误差的结果对象，不需要额外用uncertainties.wrap封装计算函数
• 用pandas原生的apply方法替代手写for循环，执行效率更高，代码更简洁

优化后可运行代码 #

import numpy as np
import pandas as pd
import uncertainties
from uncertainties import unumpy
import asteval
from uncertainties.umath import *

# 初始化输入数据
param = {"Name": ['x', 'alpha', 'y'], 'Value':[5, 1.76, -300], 'Error':[0.001, 0.08, 5]}
df_param = pd.DataFrame(param)
equations = {'Equations':['x*5', 'alpha+3', 'sin(alpha)+5', 'abs(y)']}
df_equation = pd.DataFrame(equations)

# 初始化asteval解释器
aeval = asteval.Interpreter()

# 生成带不确定度的参数数组
u_params = unumpy.uarray(df_param['Value'], df_param['Error'])
# 一次性将所有参数写入符号表，仅执行一次
for name, u_val in zip(df_param['Name'], u_params):
    aeval.symtable[name] = u_val

# 定义单公式计算函数
def calc_single_eq(eq_str):
    u_result = aeval(eq_str)
    return pd.Series([u_result.nominal_value, u_result.std_dev], index=['result', 'error'])

# 批量计算所有公式，直接写入结果列
df_equation[['result', 'error']] = df_equation['Equations'].apply(calc_single_eq)

print(df_equation)

原修改方案报错原因 #

asteval.Interpreter的调用仅支持传入单个字符串格式的表达式，无法直接解析DataFrame/Series类型的多表达式集合，所以直接传入整个公式列会触发解析错误。

内容的提问来源于stack exchange，提问作者user16613865