ValueError: expr 必须是要评估的字符串，<class 'bool'> given答案

【问题标题】：ValueError: expr must be a string to be evaluated, <class 'bool'> givenValueError: expr 必须是要评估的字符串，<class 'bool'> given
【发布时间】：2021-01-09 11:18:31
【问题描述】：

当我在下面的地理区域输入法国时，它给了我错误，有人可以帮忙吗？

geo = input("Select the country you´d like to analyze (France / Germany / Spain): ")

churn_ds = pd.read_csv('../input/predicting-churn-for-bank-customers/Churn_Modelling.csv', sep=",",).query('Geography' == geo)

#ValueError: expr must be a string to be evaluated, <class 'bool'> given

【问题讨论】：

不要使用query，而是使用churn_ds = pd.read_csv('...')['Geography'==geo]
您好，您现在已经有了答案，您可以考虑accepting an answer 来奖励给您最有帮助的评论。

标签： python pandas string input

【解决方案1】：

方法DataFrame.query 需要一个string 作为参数，如果你想使用布尔语句，语法是不同的

churn_ds = pd.read_csv('Churn_Modelling.csv', sep=",").query(f'Geography == "{geo}"')
churn_ds = pd.read_csv('Churn_Modelling.csv', sep=",").query(f'Geography == @geo') # takes geo variable

# Or

churn_ds = pd.read_csv('Churn_Modelling.csv', sep=",")
churn_ds = churn_ds[churn_ds['Geography'] == geo]

【讨论】：

或df.query('Geography == @geo')
@SayanipDutta，您能否提供在这种情况下使用@ 的参考？
@navneethc 见here
啊，谢谢。很高兴知道，但看起来它不适合经常使用。

【解决方案2】：

查询本身必须是一个字符串。您提供的是一个布尔表达式。

试试这个：

.query("Geography == {0}".format(geo)) (Python 3)

.query(f"Geography == {geo}") (Python >= 3.6)

【讨论】：

【解决方案3】：

根据documentation，表达式必须是字符串。所以它必须用引号引起来。现在的问题是你如何引用现在是一个变量的“geo”。请参阅文档。

参数

expr:str

    The query string to evaluate.

    You can refer to variables in the environment by prefixing them with an ‘@’ character like @a + b.

@sayandip-dutta 和 @azro 已经指出了这一点，您需要使用“@”符号，因为“geo”现在是一个变量。

import pandas as pd
geo = input("Select the country you´d like to analyze (France / Germany / Spain): ")

churn_ds = pd.read_csv('./Churn_Modelling.csv', sep=",").query(expr='Geography == @geo')
print(churn_ds)

给出以下输出。

      RowNumber  CustomerId  ... EstimatedSalary  Exited
1             2    15647311  ...       112542.58       0
4             5    15737888  ...        79084.10       0
5             6    15574012  ...       149756.71       1
11           12    15737173  ...        76390.01       0
14           15    15600882  ...        65951.65       0
...         ...         ...  ...             ...     ...
9966       9967    15590213  ...        20393.44       0
9980       9981    15719276  ...        99595.67       0
9987       9988    15588839  ...         1914.41       0
9989       9990    15605622  ...       179436.60       0
9992       9993    15657105  ...       195192.40       0

[2477 rows x 14 columns]

【讨论】：