Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

3.13

 ハイパフォーマンス

pandas

：

eval()

と

query()

213

式でインデクスにもアクセスできます。

In[15]: result1 = df2.T[0] + df3.iloc[1]

result2 = pd.eval('df2.T[0] + df3.iloc[1]')

np.allclose(result1, result2)

Out[15]: True

その他の操作

関数呼び出し、条件分岐、ループ、その他の複雑な構文を使った操作は、今のところ

pd.eval()

に実装されていません。こうした複雑な式を実行したい場合は、

Numexpr

ライブラリを直接使う

必要があります。

3.13.3

 

DataFrame.eval()

による列単位の操作

pandas

に

pd.eval()

関数があるのと同様に、

DataFrame

にも同様の機能を提供する

eval()

メソッ

ドがあります。

eval()

メソッドの利点は、列を名前で指定できることです。次のラベル付き配列

を例に解説します。

In[16]: df = pd.DataFrame(rng.rand(1000, 3), columns=['A', 'B', 'C'])

df.head()

Out[16]: A B C

0 0.375506 0.406939 0.069938

1 0.069087 0.235615 0.154374

2 0.677945 0.433839 0.652324

3 0.264038 0.808055 0.347197

4 0.589161 ...