如何将 pandas 方法作为参数传递？

Question

我有一个计算熊猫数据框列模式的函数：

def my_func(df):
    for col in df.columns:
        stat = df[col].mode()
        print(stat)

但我想让它更通用，以便我可以更改我计算的统计数据，例如mean, max,... 我试图将方法 mode() 作为参数传递给我的函数：

def my_func(df, pandas_stat):
    for col in df.columns:
        stat = df[col].pandas_stat()
        print(stat)

已提及：How do I pass a method as a parameter in Python

但这似乎对我不起作用。 用一个简单的例子：

> A
     a    b
0  1.0  2.0
1  2.0  4.0
2  2.0  6.0
3  3.0  NaN
4  NaN  4.0
5  3.0  NaN
6  2.0  6.0
7  4.0  6.0

不识别命令模式：

> my_func(A, mode)
Traceback (most recent call last):

  File "<ipython-input-332-c137de83a530>", line 1, in <module>
    my_func(A, mode)

NameError: name 'mode' is not defined

所以我尝试了 pd.DataFrame.mode:

> my_func(A, pd.DataFrame.mode)
Traceback (most recent call last):

  File "<ipython-input-334-dd913410abd0>", line 1, in <module>
    my_func(A, pd.DataFrame.mode)

  File "<ipython-input-329-8acf337bce92>", line 3, in my_func
    stat = df[col].pandas_stat()

  File "/anaconda3/envs/py36/lib/python3.6/site-packages/pandas/core/generic.py", line 4376, in __getattr__
    return object.__getattribute__(self, name)

AttributeError: 'Series' object has no attribute 'pandas_stat'

有没有办法通过mode函数？

Answer 1

您可以使用内置的[getattr][1] 和__name__ 属性来执行此操作，但我想这会使您的代码有些不清楚。可能存在更好的方法。

df = pd.DataFrame({'col1': list(range(5)), 'col2': list(range(5, 0, -1))})
df
Out:
   col1  col2
0     0     5
1     1     4
2     2     3
3     3     2
4     4     1

以这种方式定义my_func并将其应用于df：

def my_func(df, pandas_stat):
    for col in df.columns:
        stat = getattr(df[col], pandas_stat.__name__)()
        print(stat)

my_func(df, pd.DataFrame.mean)
Out
2.0
3.0

解释：pd.DataFrame.mean 具有属性__name__，其值为'mean'。 Getattr 可以从pd.DataFrame 对象中获取此属性，而不是您可以调用它。

如果需要，您甚至可以传递参数：

def my_func(df, pandas_stat, *args, **kwargs):
    for col in df.columns:
        stat = getattr(df[col], pandas_stat.__name__)(*args, **kwargs)
        print(stat)

my_func(df, pd.DataFrame.apply, lambda x: x ** 2)
Out: 
0     0
1     1
2     4
3     9
4    16
Name: col1, dtype: int64
0    25
1    16
2     9
3     4
4     1
Name: col2, dtype: int64

但我再说一遍，我想这种方法有点令人困惑。

编辑
关于一个错误：

> my_func(A, pd.DataFrame.mode)
Traceback (most recent call last):

  File "<ipython-input-334-dd913410abd0>", line 1, in <module>
    my_func(A, pd.DataFrame.mode)

  File "<ipython-input-329-8acf337bce92>", line 3, in my_func
    stat = df[col].pandas_stat()

  File "/anaconda3/envs/py36/lib/python3.6/site-packages/pandas/core/generic.py", line 4376, in __getattr__
    return object.__getattribute__(self, name)

AttributeError: 'Series' object has no attribute 'pandas_stat'

当df[col].pandas_stat() 被执行时，一个点. 操作符会调用一个__getattribute__ 数据框对象的方法。它类似于 getattr，但它会自动将 self 作为第一个参数。
因此，第二个是方法的“名称”，即代码中的'pandas_stat'。它破坏了执行，因为 pandas 数据框没有具有此类名称的属性。

如果您向getattr 提供正确的实际方法名称（'mean'、'apply' 等），此函数会在列出所有方法的pd.DataFrame.__dict__ 中找到此方法，并将其返回。所以你可以通过(*args, **kwargs)语法调用它。

Answer 2

您可以使用getattr：

def my_func(df, pandas_stat):
    for col in df.columns:
        print(getattr(df[col], pandas_stat)())  # the empty parenthesis
                                                       # are required to call
                                                       # the method

df_max = my_func(df, "max")