python - 定义函数的行为方式，取决于传入的名称

Question

我创建了一个函数，但根据传递给函数的名称，我希望函数有不同的行为

创建的函数接受数据帧，创建数据透视表并将某些列缩放 100 或 0.01。对于特定类型的数据框(包含特定列)，我不希望缩放平均权重。有没有办法找到传递的 df 的名称？

编辑:

所有 df 都具有相同的列名称，因此只能通过传递到函数中的名称来区分“SpecialDF”和其他 df。此时我应该查看类或装饰器吗？ defscale(df)函数相当长，只有这部分需要特殊处理

def scale(df):

    dfpvt= pd.pivot_table(df, values=['Avg Wt', 'Avg Spd'], index=y,aggfunc='sum')

    dfpvt.loc[:['Avg Wt', 'Avg Spd']=dfpvt[['Avg Wt', 'Avg Spd']].apply(lambda x: x/100)

    return dfpvt   

我正在寻找的是类似的东西

def scale(df):

    dfpvt= pd.pivot_table(df, values=['Avg Wt', 'Avg Spd'], index=y,aggfunc='sum')

    if df==SpecialDF:
        dfpvt.loc[:['Avg Spd']=dfpvt[['Avg Spd']].apply(lambda x: x/100)
    else:
        dfpvt.loc[:['Avg Wt', 'Avg Spd']=dfpvt[['Avg Wt', 'Avg Spd']].apply(lambda x: x/100)
    return dfpvt   

Answer 1

For a particular type of dataframe (which contains a particular column), I do not want the Avg Weight to be scaled.

使用 if 或三元语句来确定数据框中是否存在列:

def scale(df):
    dfpvt = pd.pivot_table(df, values=['Avg Wt', 'Avg Spd'], index=y, aggfunc='sum')
    scale_cols = ['Avg Spd'] if 'some_col_label' in df else ['Avg Wt', 'Avg Spd']
    dfpvt.loc[: scale_cols] /= 100
    return dfpvt

其想法是减少重复代码，仅修改更改所需列所需的最基本对象，在本例中为 list 对象。

对于更通用的函数，您可以将 scale_cols 作为参数，并 pipe通过该函数您的数据框:

def scale(df, scale_cols):
    dfpvt = pd.pivot_table(df, values=['Avg Wt', 'Avg Spd'], index=y, aggfunc='sum')
    dfpvt.loc[: scale_cols] /= 100
    return dfpvt

df = df.pipe(scale, ['Avg Spd'] if 'some_col_label' in df else ['Avg Wt', 'Avg Spd'])

<小时/>

all df have the same column names, so to differentiate the "SpecialDF" from others is only by its name passed into the function.

您更新后的要求完全不同。名称只是引用:不要依赖它们作为处理条件。好的做法是使用字典来存储数据帧并使用字典中的键来识别“特殊”数据帧:

dfs = {'df1': df1, 'df2': df2}

def scale(df, scale_cols):
    dfpvt = pd.pivot_table(df, values=['Avg Wt', 'Avg Spd'], index=y, aggfunc='sum')
    dfpvt.loc[: scale_cols] /= 100
    return dfpvt

key = 'df1'
dfs[key] = dfs[key].pipe(scale, ['Avg Spd'] if key == 'df1' else ['Avg Wt', 'Avg Spd'])