在 python 中使用 eval() 函数时出现“错误：无法分配给函数调用”答案

【问题标题】：'Error: Can't assign to function call' while using eval() function in python在 python 中使用 eval() 函数时出现“错误：无法分配给函数调用”
【发布时间】：2017-11-22 07:43:11
【问题描述】：

我正在尝试运行 2 个嵌套循环将数据从 1 个巨大的数据帧（例如数据）中分离到 12 个单独的数据帧中。 “数据”有列（leaf1、leaf2、leaf3、leaf4、..、leaf12）。我创建了 12 个不同的数据框，名称分别为 leaf1、leaf2、leaf3 ...、leaf12。我正在检查主数据框的每一行。如果该行不是“NaN”，那么我将使用以下代码将其附加到新创建的数据帧之一中：

leaf1 = pd.DataFrame()
leaf2 = pd.DataFrame()
.
.
.
leaf12 = pd.DataFrame()

list1 = ['leaf1', 'leaf2',...,'leaf12']
for i in list1:
    temp1 = data[[i]]
    if temp1.isnull().any().any() == False:
        eval(i) = eval(i).append(temp1)

在最后一行中，我需要将字符串转换为变量，然后将数据帧附加到该变量中。但是，我收到一个错误。请帮忙。

【问题讨论】：

标签： python-3.x pandas loops dataframe

【解决方案1】：

我认为最好将其转换为dictionary of DataFrames:

np.random.seed(1997)
df = pd.DataFrame(np.random.choice([np.nan,1,5], size=(10,12)))
df.columns = ['leaf{}'.format(x+1) for x in df.columns]
print (df)
   leaf1  leaf2  leaf3  leaf4  leaf5  leaf6  leaf7  leaf8  leaf9  leaf10  \
0    1.0    1.0    NaN    NaN    5.0    5.0    5.0    5.0    1.0     NaN   
1    1.0    5.0    NaN    1.0    1.0    NaN    1.0    NaN    5.0     1.0   
2    1.0    5.0    5.0    1.0    NaN    1.0    1.0    NaN    5.0     NaN   
3    1.0    5.0    NaN    1.0    1.0    5.0    5.0    1.0    1.0     1.0   
4    NaN    5.0    5.0    5.0    NaN    1.0    1.0    1.0    1.0     1.0   
5    NaN    NaN    NaN    1.0    NaN    5.0    5.0    1.0    1.0     1.0   
6    5.0    1.0    1.0    1.0    NaN    1.0    1.0    5.0    5.0     1.0   
7    5.0    1.0    5.0    NaN    NaN    5.0    NaN    1.0    1.0     5.0   
8    5.0    5.0    1.0    NaN    1.0    1.0    5.0    1.0    5.0     1.0   
9    5.0    1.0    5.0    NaN    5.0    NaN    NaN    5.0    1.0     NaN   

   leaf11  leaf12  
0     NaN     1.0  
1     NaN     5.0  
2     1.0     5.0  
3     1.0     1.0  
4     NaN     NaN  
5     5.0     1.0  
6     5.0     NaN  
7     NaN     1.0  
8     NaN     1.0  
9     NaN     5.0  


dfs = {c:df[[c]] if df[c].notnull().all() 
                 else pd.DataFrame(columns=[c]) for c in df.columns }

同理：

dfs = {}
for c in df.columns:
    if df[c].notnull().all():
        dfs[c] = df[[c]] 
    else:
        dfs[c] = pd.DataFrame(columns=[c])

然后通过keys选择，这里是列名：

print (dfs['leaf1'])
   leaf1
0    1.0
1    1.0
2    4.0
3    1.0
4    4.0
5    1.0
6    1.0
7    1.0
8    4.0
9    1.0

print (dfs['leaf3'])
Empty DataFrame
Columns: [leaf3]
Index: []

【讨论】：