使用用户定义函数时如何让两个函数返回？答案

【问题标题】：How do you get two functions to return when using a user-defined function?使用用户定义函数时如何让两个函数返回？
【发布时间】：2018-07-06 14:41:20
【问题描述】：

我刚刚开始使用用户定义的函数，所以这可能不是一个很复杂的问题，请见谅。

我有几个数据框，它们都有一个名为“interval_time”的列（例如），我想将此列重命名为“时间戳”，然后将此重命名的列放入索引中。

我知道我可以用这个手动完成；

df = df.rename(index=str, columns={'interval_time': 'Timestamp'})
df = df.set_index('Timestamp')

但现在我想定义一个名为 rename 的函数来为我做这件事。我已经看到这是可行的；

def rename_col(data, col_in='tempus_interval_time', col_out='Timestamp'):
    return data.rename(index=str, columns={col_in: col_out}, inplace=True)

但是当我尝试添加第二个函数时，它似乎没有做任何事情，但是如果我将第二部分定义为它自己的函数并运行它，它似乎确实可以工作。

我正在尝试这个

def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
    return data.rename(index=str, columns={col_in: col_out}, inplace=True)
    return data.set_index('Timestamp', inplace=True)

我使用的数据框具有以下形式；

df_scada
              interval_time                 A         ...             X                 Y 
0       2010-11-01 00:00:00                0.0        ...                396.36710         381.68860
1       2010-11-01 00:05:00                0.0        ...                392.97974         381.40634
2       2010-11-01 00:10:00                0.0        ...                390.15695         379.99493
3       2010-11-01 00:15:00                0.0        ...                389.02786         379.14810

【问题讨论】：

您是否尝试过将它们链接在一起？ return df.rename(...).set_index(...)
当一个 return 语句在 python 中被求值时，它退出函数调用。任何进一步的返回语句都将被忽略。一次返回多个对象的常用方法是返回包含对象的元组。但是，正如 Martijn 的回答所指出的那样，如果您正在修改对象，则不必返回任何内容。

标签： python pandas user-defined-functions

【解决方案1】：

您无需返回任何内容，因为您的操作已就地完成。您可以在函数中进行就地更改：

def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
    data.rename(index=str, columns={col_in: col_out}, inplace=True)
    data.set_index('Timestamp', inplace=True)

以及对您传递给函数的数据框的任何其他引用都会看到所做的更改：

>>> import pandas as pd
>>> df = pd.DataFrame({'interval_time': pd.to_datetime(['2010-11-01 00:00:00', '2010-11-01 00:05:00', '2010-11-01 00:10:00', '2010-11-01 00:15:00']),
...     'A': [0.0] * 4}, index=range(4))
>>> df
     A       interval_time
0  0.0 2010-11-01 00:00:00
1  0.0 2010-11-01 00:05:00
2  0.0 2010-11-01 00:10:00
3  0.0 2010-11-01 00:15:00
>>> def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
...     data.rename(index=str, columns={col_in: col_out}, inplace=True)
...     data.set_index('Timestamp', inplace=True)
...
>>> rename_n_index(df, 'interval_time')
>>> df
                       A
Timestamp
2010-11-01 00:00:00  0.0
2010-11-01 00:05:00  0.0
2010-11-01 00:10:00  0.0
2010-11-01 00:15:00  0.0

在上面的示例中，df 对数据框的引用显示了函数所做的更改。

如果您删除 inplace=True 参数，方法调用将返回一个新的数据框对象。您可以将中间结果存储为局部变量，然后将第二种方法应用于该局部变量中引用的数据框：

def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
    renamed = data.rename(index=str, columns={col_in: col_out})
    return renamed.set_index('Timestamp')

或者您可以将方法调用直接链接到返回的对象：

def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
    return data.rename(index=str, columns={col_in: col_out})\
               .set_index('Timestamp'))

因为renamed 已经是一个新的数据框，您可以将set_index() 调用就地应用于该对象，然后也只返回renamed：

def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
    renamed = data.rename(index=str, columns={col_in: col_out})
    renamed.set_index('Timestamp', inplace=True)
    return renamed

无论哪种方式，这都会返回一个 new 数据框对象，而原始数据框保持不变：

>>> def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
...     renamed = data.rename(index=str, columns={col_in: col_out})
...     return renamed.set_index('Timestamp')
...
>>> df = pd.DataFrame({'interval_time': pd.to_datetime(['2010-11-01 00:00:00', '2010-11-01 00:05:00', '2010-11-01 00:10:00', '2010-11-01 00:15:00']),
...     'A': [0.0] * 4}, index=range(4))
>>> rename_n_index(df, 'interval_time')
                       A
Timestamp
2010-11-01 00:00:00  0.0
2010-11-01 00:05:00  0.0
2010-11-01 00:10:00  0.0
2010-11-01 00:15:00  0.0
>>> df
     A       interval_time
0  0.0 2010-11-01 00:00:00
1  0.0 2010-11-01 00:05:00
2  0.0 2010-11-01 00:10:00
3  0.0 2010-11-01 00:15:00

【讨论】：

方法链接是第四种可能性，即renamed = data.rename(...)\ .set_index(...)。有些人发现方法调用在视觉上对齐是一种美感。
@jpp：是的，但是太丑了我不知道我是否想去那里;-)

【解决方案2】：

请参阅@MartijnPieters' explanation 以解决代码中的错误。

但是，请注意，Pandorable 方法是使用方法链。有些人发现在视觉上对齐方法名称在美学上令人愉悦。这是一个例子：

def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):

    renamed = data.rename(index=str, columns={col_in: col_out})\
                  .set_index('Timestamp')

    return renamed

然后将这些应用于一系列数据帧，如your previous question：

dfs = [df.pipe(rename_n_index) for df in (df1, df2, df3)]

【讨论】：