将 Pandas DataFrame 传递给函数的最佳实践

Question

我目前正在使用一些 DataFrame，并希望将我的代码模块化。这需要将 DataFrame 传递给函数。当将可变实例传递给函数时，我知道 DataFrames 和一些 'gotchas' 的可变性质。 DataFrames 对函数有最佳实践吗？我应该在函数内复制一份然后传回去吗？或者我应该只在函数中更改 df 和 return None?

选项 1 还是选项 2 更好？下面是传达这个想法的基本代码：

选项 1：

def test(df):
    df['col1'] = df['col1']+1
    return None

test(df)

选项 2：

def test(main_df):
    df = main_df.copy()
    df['col1'] = df['col1']+1
    return df 

main_df = test(main_df)

Answer 1

我用了很多 DataFrame.pipe 来组织我的代码，所以我要说的是选项 2。pipe 采用和 returns 一个 DataFrame，你可以链接多个步骤在一起。

def step1(main_df):
    df = main_df.copy()
    df['col1'] = df['col1']+1
    return df 

def step2(main_df):
    df = main_df.copy()
    df['col1'] = df['col1']+1
    return df 

def setp3(main_df):
    df = main_df.copy()
    df['col1'] = df['col1']+1
    return df 

main_df = (main_df.pipe(step1)
    .pipe(step2)
    .pipe(step3)
)

Answer 2

我认为选项 1 是不好的方法。为什么？因为是 not Pure function（对可变引用参数的副作用）。

如何google了解详情：pure / deterministic / nondeterministic 功能。

所以我觉得第二种方式更好

将 Pandas DataFrame 传递给函数的最佳实践

Best practice for passing Pandas DataFrame to functions

python

pandas

function

dataframe

mutable