将函数附加到熊猫

Question

这可能是一个非常基本的问题（如果有人反对，我可以删除它）。

假设我有一个在不同项目中重复使用多次的函数：

def sort_clean(x, sort_cols):
   x.sort(sort_cols, inplace=True)
   x.reset_index(inplace=True, drop=True)

我想让它成为pandas 模块的一部分，这样每当我执行import pandas 并定义一个数据框myDf 时，我就可以获得mfDf.sort_clean 作为该数据框的可用函数。这可能吗？

Answer 1

你可以继承一个DataFrame

class NewDataFrame(pandas.DataFrame):
    def sort_clean(self, sort_cols):
        self.sort(sort_cols, inplace=True)
        self.reset_index(inplace=True, drop=True)

例如：

In [25]: class NewDataFrame(pandas.DataFrame):
   ....:     def sort_clean(self, sort_cols):
   ....:         self.sort(sort_cols, inplace=True)
   ....:         self.reset_index(inplace=True, drop=True)
   ....:         

In [26]: dfrm
Out[26]: 
          A         B         C
0  0.382531  0.287066  0.345749
1  0.725201  0.450656  0.336720
2  0.146883  0.266518  0.011339
3  0.111154  0.190367  0.275750
4  0.757144  0.283361  0.736129
5  0.039405  0.643290  0.383777
6  0.632230  0.434664  0.094089
7  0.658512  0.368150  0.433340
8  0.062180  0.523572  0.505400
9  0.287539  0.899436  0.194938

[10 rows x 3 columns]

In [27]: my_df = NewDataFrame(dfrm) 

In [28]: my_df.sort_clean(["B", "C"])

In [29]: my_df
Out[29]: 
          A         B         C
0  0.111154  0.190367  0.275750
1  0.146883  0.266518  0.011339
2  0.757144  0.283361  0.736129
3  0.382531  0.287066  0.345749
4  0.658512  0.368150  0.433340
5  0.632230  0.434664  0.094089
6  0.725201  0.450656  0.336720
7  0.062180  0.523572  0.505400
8  0.039405  0.643290  0.383777
9  0.287539  0.899436  0.194938

[10 rows x 3 columns]

但请注意，使用任何返回新 DataFrame 对象的函数都不会自动返回 NewDataFrame。

普通的猴子补丁（例如，只在现有的 DataFrame 实例上创建一个新属性，如 df.sort_clean = sort_clean）会很棘手，因为该方法需要作为隐式第一个参数提供的实例值，特别是因为您就地执行了突变。为此，您必须经常使用 functools.partial 或带有默认值的 lambda 来实现相同的目的：

df.sort_clean = lambda sort_cols, x=df: sort_clean(x, sort_cols)

请注意，使用lambda 方法时，您需要指定具有默认最后值的参数（在 Python 中，具有默认值的参数必须跟在没有默认值的参数之后）。如果您选择改用functools.partial，则可以解决此问题。

import functools
df.sort_clean = functools.partial(sort_clean, df)