链式编程技术与管道技术

在处理数据集时，经常会发现多次变换后产生的临时变量实际上并未在分析中使用。例如：

df = load_data()df2 = df[df['col2'] < 0]df2['col1_demeaned'] = df2['col1'] - df2['col1'].mean()result = df2.groupby('key').col1_demeaned.std()

虽然这段代码没有使用真实数据，但它揭示了一些新的方法。首先，DataFrame.assign 是一种类似 df[k] = v 的函数式方法，可以用来对 DataFrame 进行列赋值。它的使用方式是返回修改后的新 DataFrame，而不是在原 DataFrame 上进行修改。因此，以下两种写法是等价的：

# 常规非函数式写法df2 = df.copy()df2['k'] = v# 函数式写法df2 = df.assign(k=v)

在链式编程中，需要注意临时对象的使用。例如：

df = load_data()result = (df          .pipe(f, arg1=v1)          .pipe(g, v2, arg3=v3)          .pipe(h, arg4=v4))

df.pipe(f) 与 f(df) 是等价的，但 pipe 方法使链式编程更加便捷。此外，pipe 也可以接受类似函数的参数，即可调用的对象（callable），这对于复用操作非常有用。

在处理分组数据时，以下方法可以有效地将操作转换为可复用的函数：

def group_demean(df, by, cols):    result = df.copy()    g = df.groupby(by)    for c in cols:        result[c] = df[c] - g[c].transform('mean')    return result

可以通过以下方式使用：

result = (df          .pipe(group_demean, ['key1', 'key2'], ['col1'])          .groupby('key')          .col1_demeaned.std())

通过这种方式，链式编程使得数据转换更加灵活和可读。

转载地址：http://fnrg.baihongyu.com/

你可能感兴趣的文章

Pandas：将一列与数据帧的所有其他列进行比较