Pandas Class 与 Pandas .pipe()

Question

@pd.api.extensions.register_dataframe_accessor("data_cleaner")
class DataCleaner:

    def __init__(self, pandas_obj):
        self._obj = pandas_obj

    def multiply(self, col):
        self._obj[col] = self._obj[col] * self._obj[col]
        return self._obj 
    
    def square(self, col):
        self._obj[col] = self._obj[col]**2
        return self._obj 
    
    def add_strings(self, col):
        self._obj[col] = self._obj[col] + self._obj[col]
        return self._obj 

    def process_all(self):
        self._obj.pipe(
            self.multiply(col='A'),
            self.square(col='B')
            self.add_strings(col='C')
        )
    

class DataProcessor(DataCleaner):

    data = [
        [1, 1.5, "AABB"],
        [2, 2.5, "BBCC"],
        [3, 3.5, "CCDD"],
        [4, 4.5, "DDEE"],
        [5, 5.5, "EEFF"],
        [6, 6.5, "FFGG"],
    ]

    def __init__(self):
        self.df = pd.DataFrame(data=DataProcessor.data, columns=['A', 'B', 'C'])

    def get_data(self):
        return self.df
    
    def clean_the_df(self, obj):
        obj = obj.data_cleaner.multiply(col='A')
        obj = obj.data_cleaner.square(col='B')
        obj = obj.data_cleaner.add_strings(col='C')
        return obj
    
    def process_all(self, obj):
        obj = obj.data_cleaner.process_all()


if __name__ == '__main__':
    

    data = DataProcessor().get_data()
    
    # this works
    print(DataProcessor().clean_the_df(data))
    
    # this does not work
    print(DataProcessor().process_all(data))

我想将 pandas .pipe() 函数与数据框访问器一起使用，以将方法链接在一起。在 DataCleaner class 中，我有一个方法 process_all，其中包含 class 中的其他清洁方法。我想将它们链接在一起并一次性使用多种方法处理数据帧。

最好将此链接方法保留在 DataCleaner class 中，因此我所要做的就是从另一个 Class 或文件中调用一次，例如process_all 里面 DataProcessor.

这样我就不必单独写出每个方法来一次处理一个数据帧，例如 DataProcessor.clean_the_df()。

问题是 process_all 正在抱怨：TypeError: 'DataFrame' object is not callable

所以我的问题是，如何使用 pandas 数据帧访问器 self.obj 和 .pipe() 将多个清理方法链接到一个函数中，以便我可以调用它来自另一个 class 的函数并一次性使用多种方法处理数据帧？

process_all 的期望输出：

    A      B         C
0   1   2.25  AABBAABB
1   4   6.25  BBCCBBCC
2   9  12.25  CCDDCCDD
3  16  20.25  DDEEDDEE
4  25  30.25  EEFFEEFF
5  36  42.25  FFGGFFGG

Answer 1

这里的问题是 .pipe 需要一个接受 DataFrame、Series 或 GroupBy 对象的函数。文档对此非常清楚：https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.pipe.html。最重要的是，DataCleaner.process_all 函数没有正确实现 .pipe。为了链接几个函数，预期的语法是：

>>>(df.pipe(h)
...    .pipe(g, arg1=a)
...    .pipe(func, arg2=b, arg3=c)
... )

相当于

>>>func(g(h(df), arg1=a), arg2=b, arg3=c)

为了将数据框访问器与 .pipe 相结合，您需要在 DataCleaner class 中定义静态方法，将 DataFrame 和列作为参数。这是解决您的问题的示例：

@pd.api.extensions.register_dataframe_accessor("data_cleaner")
class DataCleaner:
    def __init__(self, pandas_obj):
        self._obj = pandas_obj

    @staticmethod
    def multiply(df, col):
        df[col] = df[col] * df[col]
        return df 
    
    @staticmethod
    def square(df, col):
        df[col] = df[col]**2
        return df
    
    @staticmethod
    def add_strings(df, col):
        df[col] = df[col] + df[col]
        return df 

    def process_all(self):
        self._obj = (self._obj.pipe(self.multiply, col='A') 
                              .pipe(self.square, col='B')
                              .pipe(self.add_strings, col='C'))
        return self._obj 

class DataProcessor(DataCleaner):
    data = [
        [1, 1.5, "AABB"],
        [2, 2.5, "BBCC"],
        [3, 3.5, "CCDD"],
        [4, 4.5, "DDEE"],
        [5, 5.5, "EEFF"],
        [6, 6.5, "FFGG"],
    ]
    def __init__(self):
        self.df = pd.DataFrame(data=DataProcessor.data, columns=['A', 'B', 'C'])

    def get_data(self):
        return self.df
    
    def clean_the_df(self, obj):
        obj = obj.data_cleaner.multiply(obj, col='A') # modified to use static method
        obj = obj.data_cleaner.square(obj, col='B')
        obj = obj.data_cleaner.add_strings(obj, col='C')
        return obj
    
    def process_all(self, obj):
        obj = obj.data_cleaner.process_all()
        return obj

使用此代码，运行这应该产生：

>>>data = data = DataProcessor().get_data()
>>>print(DataProcessor().process_all(data))
    A      B         C
0   1   2.25  AABBAABB
1   4   6.25  BBCCBBCC
2   9  12.25  CCDDCCDD
3  16  20.25  DDEEDDEE
4  25  30.25  EEFFEEFF
5  36  42.25  FFGGFFGG

Pandas Class 与 Pandas .pipe()

Pandas Class with Pandas .pipe()

python

accessor

dataframe

pandas