本文详解如何在 pandas `eval()` 中调用用户定义函数（udf）并安全实现字符串拼接，重点解决直接使用 `+` 操作符导致类型错误或结果异常的问题，并提供可复用的类型兼容写法。
在 pandas 中，eval() 方法支持简洁的字符串表达式语法，常用于高效列计算。但当引入自定义函数（如字符串转换、格式化等）并与字面量字符串拼接时，容易因类型隐式转换失败而出现意外行为——例如你观察到的结果：数值被错误打印后才追加 "additional string"，本质是 eval() 将 @str_parse(...) 返回的 Series 对象误判为标量，且 + 运算符在 eval 上下文中未按预期触发 Series.str.cat 或 Series.__add__。
根本原因在于：
- eval() 要求 UDF 返回与 pandas 原生运算兼容的 Series（而非 Python str 或 list）；
- 字符串拼接在 eval 中不支持原生 +（如 "abc" + "def" 可行，但 series + "str" 会失败），必须显式调用 Series.__add__() 方法（该方法已针对字符串向量化重载）。
✅ 正确做法如下：
- 确保 UDF 返回 Series 类型：使用 .astype(str) 替代 str()，保证返回值为 pandas.Series（dtype=object 或 string），而非单个 Python 字符串；
- 使用 .__add__() 进行向量化拼接：这是 eval 中唯一可靠支持 Series + str 的方式；
- 推荐赋值语法：通过 new_col = ... 直接生成新列，避免链式调用歧义。
import pandas as pd
basic_df = pd.DataFrame({
"A": [1, 2, 3, 4, 5],
"B": [20, 40, 60, 100, 90],
"C": ["C1", "C2", "C3", "C4", "C5"],
})
def str_parse(series):
return series.astype(str) # ✅ 返回 Series，非 str(series)
# 正确：使用 __add__ 实现向量化字符串拼接
result = basic_df.eval("new_col = @str_parse(A + B + 100).__add__('additional string')")
print(result)输出：
A B C new_col 0 1 20 C1 121additional string 1 2 40 C2 142additional string 2 3 60 C3 163additional string 3 4 100 C4 204additional string 4 5 90 C5 195additional string
⚠️ 注意事项：
- 不要使用 str(element)（返回标量）或 map(str)（返回 Series 但可能触发延迟求值问题），始终用 astype(str)；
- __add__() 是 pandas Series 的公开方法，安全可用；+ 操作符在 eval 中仅支持同类型 Series 间运算；
- 若需更复杂字符串操作（如格式化、条件拼接），建议改用 df.assign() + df["col"].apply() 组合，语义更清晰、调试更方便；
- eval() 不支持嵌套函数调用（如 @func1(@func2(x))），多步处理请拆分为多个 eval 或改用常规方法。
总结：在 pandas.eval() 中集成自定义函数的关键，在于严格保持数据类型一致性与运算符语义对齐。用 astype(str) 确保系列化输出，用 __add__() 替代 + 完成安全拼接，即可在保持表达式简洁性的同时，获得稳定可靠的字符串构建能力。
