Julia:从表达式创建 DataFrame 列？

Question

鉴于此:

dict = Dict(("y" => ":x / 2"))

df = DataFrame(x = [1, 2, 3, 4])

df
4×1 DataFrame
│ Row │ x     │
│     │ Int64 │
├─────┼───────┤
│ 1   │ 1     │
│ 2   │ 2     │
│ 3   │ 3     │
│ 4   │ 4     │

我想做这个:

4×2 DataFrame
│ Row │ x     │ y       │
│     │ Int64 │ Float64 │
├─────┼───────┼─────────┤
│ 1   │ 1     │ 0.5     │
│ 2   │ 2     │ 1.0     │
│ 3   │ 3     │ 1.5     │
│ 4   │ 4     │ 2.0     │

这似乎是 DataFramesMeta 的完美应用，无论是 @with 还是 @eachrow，但我一直无法获得我的在存在 :x 的环境中按预期计算的表达式。

基本上，我希望能够遍历 dict 中的 (k, v) 对，并为每个 Symbol(k)< 创建一个新列 具有相应的值 eval(Meta.parse(v))，或类似的东西，其中发生评估的地方 Symbols 如 :x 在评估时存在。

我没想到这会奏效，但事实并非如此:

[df[Symbol(k)] = eval(Meta.parse(v)) for (k, v) in dict]

ERROR: MethodError: no method matching /(::Symbol, ::Int64)

但这说明了问题:我需要在表达式包含的符号存在的环境中对表达式求值。

但是，将它移动到 @with 中是行不通的:

using DataFramesMeta

@with(df, [eval(Meta.parse(v)) for (k, v) in dict])

ERROR: MethodError: no method matching /(::Symbol, ::Int64)

使用 @eachrow 以同样的方式失败:

using DataFramesMeta

@eachrow df begin
           for (k, v) in dict
               @newcol tmp::Vector{Float32}
               tmp = eval(Meta.parse(v))
           end
       end

ERROR: MethodError: no method matching /(::Symbol, ::Int64)

我猜我不清楚 DataFramesMeta 如何在 DataFrame 中创建环境的一些关键元素。我也不必为此使用 DataFramesMeta，任何合理简洁的选项都可以工作，因为我可以将它封装在一个包函数中。

注意:我控制了要解析成表达式的字符串的格式，但我想避免复杂性，例如在字符串中指定DataFrame对象的名称，或者广播每个操作。我希望初始字符串中的表达式语法对于非 Julia 程序员来说相当清晰。

更新:我在这个问题的评论中尝试了所有三种解决方案，但它们都有一个问题:它们在函数内部不起作用。

dict = Dict(("y" => ":x / 2"))

data = DataFrame(x = [1, 2, 3, 4])


function transform_from_dict(df, dict)

    new = eval(Meta.parse("@transform(df, " * join(join.(collect(dict), " = "), ", ") * ")"))

    return new

end

transform_from_dict(data, dict)

ERROR: UndefVarError: df not defined

或者:

function transform_from_dict!(df, dict)

    [df[!, Symbol(k)] = eval(:(@with(df, $(Meta.parse(v))))) for (k, v) in dict]

    return nothing

end

transform_from_dict!(data, dict)

ERROR: UndefVarError: df not defined

Answer 1

我和@Ajar 一起研究过这个答案，没有从那个答案中复制任何东西，我也不知道。我对 Julia 完全陌生，所以我不得不安装它(因为我认为在线编译器甚至不知道 DataFrame)，后来我明白这些包必须在启动时调用，无论是在线还是离线。我添加了初学者可能需要了解的包信息。

using Pkg 
Pkg.add("DataFrames")
Pkg.add("DataFramesMeta")

using DataFrames
using DataFramesMeta 
dict = Dict(("y" => ":x / 2"))
df = DataFrame(x = [1, 2, 3, 4])

@with 解决方案:

julia> function transform_from_dict!(k, v)
           global df
           df[!, Symbol(k)] = eval(:(@with(df, $(Meta.parse(v)))))
           return nothing
       end

transform_from_dict! (generic function with 2 methods)

julia> [transform_from_dict!(k, v) for (k, v) in dict]

1-element Array{Nothing,1}:
 nothing

julia> df

4×2 DataFrame
 Row │ x      y
     │ Int64  Float64
─────┼────────────────
   1 │     1      0.5
   2 │     2      1.0
   3 │     3      1.5
   4 │     4      2.0

@transform 解决方案:

julia> function transform_from_dict(df, dict)
           global new
           new = eval(Meta.parse("@transform(df, " * join(join.(collect(dict), " = "), ", ") * ")"))

           return new

       end

transform_from_dict (generic function with 1 method)

julia>

julia> transform_from_dict(data, dict)
4×2 DataFrame
 Row │ x      y
     │ Int64  Float64
─────┼────────────────
   1 │     1      0.5
   2 │     2      1.0
   3 │     3      1.5
   4 │     4      2.0

感谢其他评论员，@Ajar 的回答中列出了基本思想。