如何将R中基于公式列表生成目标DataFrame的逻辑转换为Pandas实现

嘿，我来帮你把R里的这个逻辑转换成Pandas的实现，其实思路和你R里写的非常相似，下面给你两种靠谱的方法，都能得到你想要的结果：

首先先回顾下你的原始数据和需求：
你有一个包含name和数值列的DataFrame，还有一个字符串形式的公式列表，想要生成一个新DataFrame，保留name列，其余列是对应公式计算后的结果。

方法一：用Pandas内置的eval方法（推荐） #

这个方法和你R里eval(parse(text=x))的逻辑完全对应，而且Pandas的eval是专门为DataFrame设计的，效率很高，也很安全：

import pandas as pd

# 原始数据
df = pd.DataFrame({
    'name': ['alice','bob','charlie'],
    'a0': [25,26,27],
    'b0': [10,11,12],
    'c0': [3,4,5],
})

formul=['a0+b0','a0-c0','b0*c0','a0+c0']

# 初始化新DataFrame，只保留name列
new_df = df[['name']].copy()

# 遍历公式列表，逐个计算并添加为新列
for formula in formul:
    # df.eval会自动识别DataFrame里的列名，执行表达式计算
    new_df[formula] = df.eval(formula)

# 查看结果
print(new_df)

运行后得到的结果就是你想要的：

name  a0+b0  a0-c0  b0*c0  a0+c0
0    alice     35     22     30     28
1      bob     37     22     44     30
2  charlie     39     23     60     32

（注：你示例里charlie的a0-c0写的是22，实际计算是27-5=23，这里是代码的正确结果）

方法二：用apply结合eval（适合小数据集） #

如果你习惯R里sapply的思路，也可以用字典推导式+apply来实现，不过这种方法在大数据集上效率不如第一种：

new_df = df[['name']].join(
    pd.DataFrame(
        # 对每个公式，逐行计算结果
        {formula: df.apply(lambda row: eval(formula, row), axis=1) for formula in formul}
    )
)

注意：这种方法用到了全局的eval，如果你的公式来源不可信，可能存在安全风险，所以更推荐第一种方法。

和R代码的对应关系 #

你R里的代码：

Formula<-strsplit(formul, split=",")[[1]]
df<-as.data.frame(cbind(as.numeric(df$Name),sapply(Formula, function(x) with(df, eval(parse(text = x))))))

• with(df, eval(parse(text = x))) 对应 Python里的 df.eval(formula)，都是在DataFrame的列上下文里执行表达式
• sapply 循环公式列表的逻辑，对应Python里的for循环或者字典推导式

备注：内容来源于stack exchange，提问作者David Ricardo Menacho Vadillo