Pandas 类与 Pandas .p​​ipe()

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))

我想使用 pandas.pipe()函数和数据帧访问器将方法链接在一起。在DataCleaner类中，我有一个方法process_all，其中包含类内的其他清洁方法。我想将它们链接在一起并使用多种方法一次性处理数据帧。

最好将这种链接方法保留在DataCleaner类中，因此我所要做的就是从另一个类或文件（例如process_all在DataProcessor.

这样我就不必单独编写每个方法来一次处理一个数据帧，例如在DataProcessor.clean_the_df().

问题是process_all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将.pipe()一个函数内的多个清理方法链接在一起，以便我可以从另一个类调用该函数并使用多个方法一次性处理数据帧？

所需的输出process_all：

    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。该文档对此非常清楚： https: //pandas.pydata.org/docs/reference/api/pandas.DataFrame.pipe.html。最重要的是，该DataCleaner.process_all功能未.pipe正确实现。为了链接多个函数，预期的语法是：

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

这相当于

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

为了将数据帧访问器与.pipe您需要在DataCleaner类中定义静态方法，这些方法将 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

使用这段代码，运行它应该会产生：

>>>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