python - 创建具有多个子类 Series 的 pandas 数据框

Question

我想创建一个仅在某些列上实现自定义方法的 pandas 数据集。我知道您可以使用如下所示的子类覆盖默认的 pandas.Series 构造函数:

类子类系列(Series):

@property
def _constructor(self):
    return SubclassedSeries

@property
def _constructor_expanddim(self):
    return SubclassedDataFrame

类 SubclassedDataFrame(DataFrame):

@property
def _constructor(self):
    return SubclassedDataFrame

@property
def _constructor_sliced(self):
    return SubclassedSeries

Pandas - Internals - 包括有关 pandas 数据帧和系列对象子类化的信息。

我想要做的是创建一个条件构造函数，它使用列的名称来选择适当的 pandas.Series 子类。例如:

@property
def _constructor_sliced(self):
    if column_name == 'ANN':
        return AnnotationSeries
    else:
        return Series

问题是 pandas frame.py不向构造函数传递任何信息 - 仅传递 Series 对象(或子类化系列对象)。

Answer 1

让 pandas 根据其名称有条件地构造一个自定义系列，可以使用派生的 pandas.Series() 上的自定义 __new__ 方法来完成，例如:

代码:

class SubclassedSeries(pd.Series):

    our_column_names = ('col2', )

    def __new__(cls, *args, **kwargs):
        if kwargs.get('name', None) in cls.our_column_names:
            obj = object.__new__(cls)
            obj.__init__(*args, **kwargs)
            return obj
        return pd.Series(*args, **kwargs)

    @property
    def _constructor(self):
        return SubclassedSeries

    @property
    def _constructor_expanddim(self):
        return SubclassedDataFrame

测试代码:

import pandas as pd

class SubclassedDataFrame(pd.DataFrame):

    @property
    def _constructor(self):
        return SubclassedDataFrame


    @property
    def _constructor_sliced(self):
        return SubclassedSeries

df = SubclassedDataFrame(dict(col1=[1, 2], col2=[3, 4]))
print(df)

print('---')
print(type(df.col1))
print(df.col1)
print('---')
print(type(df.col2))
print(df.col2)
print('---')

结果:

   col1  col2
0     1     3
1     2     4
---
<class 'pandas.core.series.Series'>
0    1
1    2
Name: col1, dtype: int64
---
<class '__main__.SubclassedSeries'>
0    3
1    4
Name: col2, dtype: int64
---