Python(pandas):通过pandas API使用装饰器

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python(pandas):通过pandas API使用装饰器相关的知识,希望对你有一定的参考价值。

我对Python上的装饰器和类很陌生,但是有一个疑问是否有更好的方法来装饰pandas对象。一个例子,我写了下面的代码来创建两个方法-lisa和wil:

import numpy as np
import pandas as pd

test = np.array([['john', 'meg', 2.23, 6.49],
       ['lisa', 'wil', 9.67, 8.87],
       ['lisa', 'fay', 3.41, 5.04],
       ['lisa', 'wil', 0.58, 6.12],
       ['john', 'wil', 7.31, 1.74]],
)
test = pd.DataFrame(test)
test.columns = ['name1','name2','scoreA','scoreB']

@pd.api.extensions.register_dataframe_accessor('abc')
class ABCDataFrame:

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

    @property
    def lisa(self):
        return self._obj.loc[self._obj['name1'] == 'lisa']
    @property
    def wil(self):
        return self._obj.loc[self._obj['name2'] == 'wil']

示例输出如下:

test.abc.lisa.abc.wil
  name1 name2 scoreA scoreB
1  lisa   wil   9.67   8.87
3  lisa   wil   0.58   6.12

我有两个问题。

首先,在实践中,我创建了两个以上的方法,需要在同一行中调用许多方法。有没有一种方法可以使test.lisa.wil返回与我在上面写的test.abc.lisa.abc.wil相同的输出,因为前者可以使我免于每次都键入abc的麻烦?

第二,如果还有其他关于装饰熊猫DataFrame的建议/资源,请告诉我。

答案

您可以使用pandas-flavor库执行此操作,该库允许您使用其他方法来扩展DataFrame类。

import pandas as pd
import pandas_flavor as pf

# Create test DataFrame as before.
test = pd.DataFrame([
    ['john', 'meg', 2.23, 6.49],
    ['lisa', 'wil', 9.67, 8.87],
    ['lisa', 'fay', 3.41, 5.04],
    ['lisa', 'wil', 0.58, 6.12],
    ['john', 'wil', 7.31, 1.74]
], columns=['name1', 'name2', 'scoreA', 'scoreB'])

# Register new methods.
@pf.register_dataframe_method
def lisa(df):
    return df.loc[df['name1'] == 'lisa']

@pf.register_dataframe_method
def wil(df):
    return df.loc[df['name2'] == 'wil']

现在可以将它们视为方法,而无需中间的.abc访问器。

test.lisa()                                                                                                                                                                                                                         
#   name1 name2  scoreA  scoreB
# 1  lisa   wil    9.67    8.87
# 2  lisa   fay    3.41    5.04
# 3  lisa   wil    0.58    6.12

test.lisa().wil()                                                                                                                                                                                                                   
#   name1 name2  scoreA  scoreB
# 1  lisa   wil    9.67    8.87
# 3  lisa   wil    0.58    6.12

更新

由于有很多这样的方法,因此还可以定义一个通用的过滤方法,然后在某些循环中调用它。

def add_method(key, val, fn_name=None):  
    def fn(df):
        return df.loc[df[key] == val]

    if fn_name is None:
        fn_name = f'key_val'

    fn.__name__ = fn_name
    fn = pf.register_dataframe_method(fn)
    return fn

for name1 in ['john', 'lisa']:
    add_method('name1', name1)

for name2 in ['fay', 'meg', 'wil']:
    add_method('name2', name2)

然后这些就可以作为方法使用,就像直接定义方法一样。请注意,我为列名加了前缀(name1name2),以使其更加清晰。那是可选的。

test.name1_john()                                                                                                                                                                                                             
#   name1 name2  scoreA  scoreB
# 0  john   meg    2.23    6.49
# 4  john   wil    7.31    1.74

test.name1_lisa()                                                                                                                                                                                                                   
#   name1 name2  scoreA  scoreB
# 1  lisa   wil    9.67    8.87
# 2  lisa   fay    3.41    5.04
# 3  lisa   wil    0.58    6.12

test.name2_fay()                                                                                                                                                                                                                    
#   name1 name2  scoreA  scoreB
# 2  lisa   fay    3.41    5.04

更新2

注册的方法也可以具有参数。因此,另一种方法是为每列创建一个这样的方法,并以值作为参数。

@pf.register_dataframe_method
def name1(df, val):
    return df.loc[df['name1'] == val]

@pf.register_dataframe_method
def name2(df, val):
    return df.loc[df['name2'] == val]

test.name1('lisa')
#   name1 name2  scoreA  scoreB
# 1  lisa   wil    9.67    8.87
# 2  lisa   fay    3.41    5.04
# 3  lisa   wil    0.58    6.12

test.name1('lisa').name2('wil')
#   name1 name2  scoreA  scoreB
# 1  lisa   wil    9.67    8.87
# 3  lisa   wil    0.58    6.12
另一答案

[如果要使用test.lisa.wil获取数据,我认为使用包装器类比装饰器更合适。我个人也更喜欢test.access(name1='lisa', name2='wil')之类的东西来访问数据。

这里是如何实现的示例:

import numpy as np
import pandas as pd

test = np.array([['john', 'meg', 2.23, 6.49],
       ['lisa', 'wil', 9.67, 8.87],
       ['lisa', 'fay', 3.41, 5.04],
       ['lisa', 'wil', 0.58, 6.12],
       ['john', 'wil', 7.31, 1.74]],
)
test = pd.DataFrame(test)
test.columns = ['name1','name2','scoreA','scoreB']

class WrapDataFrame(pd.DataFrame):
    def access(self, **kwargs):
        result = self
        for key, val in kwargs.items():
            result = result.loc[result[key] == val]
        return WrapDataFrame(result)
    @property
    def lisa(self):
        return WrapDataFrame(self.loc[self['name1'] == 'lisa'])
    @property
    def wil(self):
        return WrapDataFrame(self.loc[self['name2'] == 'wil'])

wdf = WrapDataFrame(test)

# First way to access
print(wdf.lisa.wil)

# Second way to access (recommended)
print(wdf.access(name1='lisa', name2='wil'))

# Third way to access (easiest to do programaticaly)
data_filter = 'name1': 'lisa', 'name2': 'wil'
print(wdf.access(**data_filter))

注意类WrapDataFrame继承了pd.DataFrame,因此对熊猫数据框的所有操作都应兼容。

另一答案

您可以使用class帮助您。 (尽管这与真正的装饰功能没有多大关系)。

请参见以下内容:

class DecoratorDF:
    def __init__(self, df: pd.DataFrame, n_layer: int = 0):
        self.df = df
        self.layer = n_layer

    def __repr__(self):
        return str(self.df)

    def __getattr__(self, item):
        layer = self.df.columns[self.layer]
        return DecoratorDF(self.df.loc[self.df[layer] == item], self.layer + 1)


my_df = DecoratorDF(
    pd.DataFrame([['A', 'B', 'C'],
                  ['A', 'B', 'D'],
                  ['E', 'F', 'G'],
                  ], columns=['name1', 'name2', 'name3'])
)

print(my_df.A.B)
print(my_df.A.B.C)
  name1 name2 name3
0     A     B     C
1     A     B     D

  name1 name2 name3
0     A     B     C

完整示例

import numpy as np
import pandas as pd


class DecoratorDF:
    def __init__(self, df: pd.DataFrame, n_layer: int = 0):
        self.df = df
        self.layer = n_layer

    def __repr__(self):
        return str(self.df)

    def __getattr__(self, item):
        layer = self.df.columns[self.layer]
        return DecoratorDF(self.df.loc[self.df[layer] == item], self.layer + 1)


test_data = np.array([['john', 'meg', 2.23, 6.49],
                      ['lisa', 'wil', 9.67, 8.87],
                      ['lisa', 'fay', 3.41, 5.04],
                      ['lisa', 'wil', 0.58, 6.12],
                      ['john', 'wil', 7.31, 1.74]],
                     )
test_df = pd.DataFrame(test_data, columns=['name1', 'name2', 'scoreA', 'scoreB'])
test_df = DecoratorDF(test_df)
df_lisa_and_wil = test_df.lisa.wil
print(df_lisa_and_wil)

df_lisa_and_wil = df_lisa_and_wil.df
print(df_lisa_and_wil.loc[df_lisa_and_wil['scoreA'] == '9.67'])

  name1 name2 scoreA scoreB
1  lisa   wil   9.67   8.87
3  lisa   wil   0.58   6.12

  name1 name2 scoreA scoreB
1  lisa   wil   9.67   8.87

以上是关于Python(pandas):通过pandas API使用装饰器的主要内容,如果未能解决你的问题,请参考以下文章

python(pandas模块)?

Python数据分析pandas去重和替换

Python pandas用法

教程 | 一文入门Python数据分析库Pandas

Python——Pandas 时间序列数据处理

Python语言十分钟搞定pandas