Pandas .loc 和 PEP8

Question

我已经尝试搜索了很多次，但我没有看到它的答案，所以在这里......

我经常使用 Pandas 来清理数据框并使其符合我的需求。随之而来的是很多 .loc 访问以查询它并返回值。根据我在做什么（和列长度），这可能会变得很长。鉴于 PEP8 限制为每行 79 个字符，是否有任何最佳实践？下面的一些示例（这些是简化的并用于解释目的）：

missing_address_df = address_df.loc[address_df['address'].notnull()].copy()

或多个查询点：

nc_drive_df = address.loc[(address_df['address'].str.contains('drive')) & (address_df['state'] == 'NC')]

Answer 1

我建议两件事

• 忽略PEP 8的 80 个字符的建议，但尽量保持在 120 或 150 行
  保持一些行长要求有助于提高可读性，但是如果您试图在（例如）类方法中保持 80 个字符，它将导致更糟糕和可读性更低的代码

  PEP 8 实际上有一个部分，A Foolish Consistency is the Hobgoblin of Little Minds，它描述了您应该偏离其他建议的情况，例如

  1. 应用该指南会使代码的可读性降低，即使对于习惯阅读遵循此 PEP 的代码的人也是如此

• 将.loc内容拆分为多行

  nc_drive_df = address.loc[
      (address_df['address'].str.contains('drive')) & \
      (address_df['state'] == 'NC')
  ]
  

尽管是有效的语法，但很难客观地判断代码何时“看起来很糟糕”，但您会体验到它。实际上，PEP 8 和Cyclomatic Complexity checkers 是可以帮助您以科学的方式对抗、捍卫和提出代码风格的工具。

如果您有很多布尔语句，您（通常必须）用括号将它们分开以阐明它们的顺序

nc_drive_df = address.loc[
    (
        (address_df['address'].str.contains('drive')) & \
        (address_df['state'] == 'NC')
    ) || (
        address_df['zip'] == "00000"
    )
]

这与建议在行( PEP8 ) 之前的传统 Python 运算符有些冲突，但我在形成 Pandas 布尔数组时对此提出挑战，因为数据帧必须相同才能获得良好的结果，并且在以下情况下可能更容易观察到这一点第一次处理许多数据帧。

最后，通常在做科学 Python 时，如果可能的话，您绝对应该针对部分和完整数据尝试多种可能性，以得出良好的性能结论，将它们的可读性放在第二位，并提供关于您的研究等的出色评论和链接等。特别的风格。