使用自定义数据类方法操作 DataFrame

Question

我有超过 4000 行代码来分析、操作、比较和绘制 2 个巨大的 .csv 文档。为了可读性和未来的出版，我想转换为面向对象的 classes。我将它们转换为 pd.DataFrames:

my_data1 = pd.DataFrame(np.random.randn(100, 9), columns=list('123456789'))
my_data2 = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))

我有比较每个数据集的各个方面的函数和只单独使用数据集的函数。我想使用每个数据帧的方法将此结构转换为数据class。

我无法通过 class 函数操作这些数据帧。我不断收到 NameError: name 'self' is not defined。这是我的数据class结构：

@dataclass
class Data:
    ser = pd.DataFrame 

    # def __post_init__(self):
    #     self.ser = self.clean()

    def clean(self, ser):
        acceptcols = np.where(ser.loc[0, :] == '2')[0]
        data = ser.iloc[:, np.insert(acceptcols, 0, 0)]
        data = ser.drop(0)
        data = ser.rename(columns={'': 'Time(s)'})
        data = ser.astype(float)
        data = ser.reset_index(drop=True)
        data.columns = [column.replace('1', '')
                        for column in ser.columns]

        return data


my_data1 = pd.DataFrame(np.random.randn(100, 9), columns=list('123456789'))
my_data2 = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))

# Attempt 1
new_data1 = Data.clean(my_data1) # Parameter "ser" unfilled 
# Attempt 2
new_data1 = Data.clean(ser=my_data1) # Parameter "self" unfilled 
# Attempt 3
new_data1 = Data.clean(self, my_data1) # Unresolved reference "self"

我尝试了各种形式的定义 def clean(self and other stuff)，但我认为我对 classes 或 class 结构的理解还不够。 classes 和 dataclasses 上的文档总是使用非常基本的示例，我试过 cut/pasting 模板但无济于事。我错过了什么？

Answer 1

您可以先获取 class Data 的实例 x。

x = Data()

# Attempt 1
new_data1 = x.clean(my_data1) # Parameter "ser" unfilled 
# Attempt 2
new_data1 = x.clean(ser=my_data1) # Parameter "self" unfilled

如果我是你，我不会这样使用 class，我只会定义以下函数

def clean(ser):
        acceptcols = np.where(ser.loc[0, :] == '2')[0]
        data = ser.iloc[:, np.insert(acceptcols, 0, 0)]
        data = ser.drop(0)
        data = ser.rename(columns={'': 'Time(s)'})
        data = ser.astype(float)
        data = ser.reset_index(drop=True)
        data.columns = [column.replace('1', '')
                        for column in ser.columns]

        return data

然后直接调用。

另外，在你的clean()中，每次修改都是基于ser，这是输入，而不是最后一次修改。这是一个问题，不是吗？

使用自定义数据类方法操作 DataFrame

Manipulating DataFrame with custom dataclass methods

python

class

dataframe

pandas

python-dataclasses