很多时候，我有一个很大的数据帧 df 保存基本数据，并需要创建更多列来保存由基本数据列计算的衍生数据。
我可以在熊猫中这样做：
df['derivative_col1'] = df['basic_col1'] + df['basic_col2']
df['derivative_col2'] = df['basic_col1'] * df['basic_col2']
....
df['derivative_coln'] = func(list_of_basic_cols)
Pandas将同时计算并分配所有派生列的内存。
我现在想要的是有一个懒惰的评估机制来推迟派生列的计算和内存分配到实际需要的时刻。有点将lazy_eval_columns定义为：
df['derivative_col1'] = pandas.lazy_eval(df['basic_col1'] + df['basic_col2'])
df['derivative_col2'] = pandas.lazy_eval(df['basic_col1'] * df['basic_col2'])
这将节省时间/内存，如Python'yield'生成器，如果我发布 df['derivative_col2'] 命令只会分解特定的计算和内存分配。
那怎么办 lazy_eval() 在熊猫？任何提示/思考/参考都是受欢迎的。
从0.13（很快发布）开始，你可以做这样的事情。这是使用生成器来评估动态公式。通过eval的在线分配将是0.13中的附加功能，请参阅 这里
In [19]: df = DataFrame(randn(5, 2), columns=['a', 'b'])
In [20]: df
Out[20]:
a b
0 -1.949107 -0.763762
1 -0.382173 -0.970349
2 0.202116 0.094344
3 -1.225579 -0.447545
4 1.739508 -0.400829
In [21]: formulas = [ ('c','a+b'), ('d', 'a*c')]
创建一个使用的公式来评估公式 eval;分配结果，然后产生结果。
In [22]: def lazy(x, formulas):
....: for col, f in formulas:
....: x[col] = x.eval(f)
....: yield x
....:
在行动中
In [23]: gen = lazy(df,formulas)
In [24]: gen.next()
Out[24]:
a b c
0 -1.949107 -0.763762 -2.712869
1 -0.382173 -0.970349 -1.352522
2 0.202116 0.094344 0.296459
3 -1.225579 -0.447545 -1.673123
4 1.739508 -0.400829 1.338679
In [25]: gen.next()
Out[25]:
a b c d
0 -1.949107 -0.763762 -2.712869 5.287670
1 -0.382173 -0.970349 -1.352522 0.516897
2 0.202116 0.094344 0.296459 0.059919
3 -1.225579 -0.447545 -1.673123 2.050545
4 1.739508 -0.400829 1.338679 2.328644
因此，其用户确定了评估的订购（而不是按需）。理论上 numba 将支持这一点，所以大熊猫可能支持这作为后端 eval （目前使用numexpr进行即时评估）。
我的2c。
懒惰的评估很好，但可以通过使用python自己的continuation / generate功能轻松实现，因此尽可能将其构建为pandas非常棘手，并且需要一个非常好的用例才能通常有用。
你可以继承 DataFrame，并将列添加为 属性。例如，
import pandas as pd
class LazyFrame(pd.DataFrame):
@property
def derivative_col1(self):
self['derivative_col1'] = result = self['basic_col1'] + self['basic_col2']
return result
x = LazyFrame({'basic_col1':[1,2,3],
'basic_col2':[4,5,6]})
print(x)
# basic_col1 basic_col2
# 0 1 4
# 1 2 5
# 2 3 6
进入酒店（通过 x.derivative_col1，下面）打电话给 derivative_col1 LazyFrame中定义的函数。此函数计算结果并将派生列添加到LazyFrame实例：
print(x.derivative_col1)
# 0 5
# 1 7
# 2 9
print(x)
# basic_col1 basic_col2 derivative_col1
# 0 1 4 5
# 1 2 5 7
# 2 3 6 9
请注意，如果您修改基本列：
x['basic_col1'] *= 10
派生列是 不 自动更新：
print(x['derivative_col1'])
# 0 5
# 1 7
# 2 9
但是，如果您访问该属性，则重新计算值：
print(x.derivative_col1)
# 0 14
# 1 25
# 2 36
print(x)
# basic_col1 basic_col2 derivative_col1
# 0 10 4 14
# 1 20 5 25
# 2 30 6 36