为什么子类化 DataFrame 会改变原始对象？

Question

我忽略了warnings 并尝试子类化 pandas DataFrame。我这样做的原因如下：

• 我想保留DataFrame现有的所有方法。
• 我想在类实例化时设置一些额外的属性，稍后将用于定义我可以在子类上调用的额外方法。

这是一个sn-p：

class SubFrame(pd.DataFrame):

    def __init__(self, *args, **kwargs):
        freq = kwargs.pop('freq', None)
        ddof = kwargs.pop('ddof', None)
        super(SubFrame, self).__init__(*args, **kwargs)
        self.freq = freq
        self.ddof = ddof
        self.index.freq = pd.tseries.frequencies.to_offset(self.freq)

    @property
    def _constructor(self):
        return SubFrame

这是一个使用示例。假设我有DataFrame

print(df)
               col0     col1     col2
2014-07-31  0.28393  1.84587 -1.37899
2014-08-31  5.71914  2.19755  3.97959
2014-09-30 -3.16015 -7.47063 -1.40869
2014-10-31  5.08850  1.14998  2.43273
2014-11-30  1.89474 -1.08953  2.67830

索引没有频率的地方

print(df.index)
DatetimeIndex(['2014-07-31', '2014-08-31', '2014-09-30', '2014-10-31',
               '2014-11-30'],
              dtype='datetime64[ns]', freq=None)

使用SubFrame 允许我一步指定频率：

sf = SubFrame(df, freq='M')
print(sf.index)
DatetimeIndex(['2014-07-31', '2014-08-31', '2014-09-30', '2014-10-31',
               '2014-11-30'],
              dtype='datetime64[ns]', freq='M')

问题是，这修改了df：

print(df.index.freq)
<MonthEnd>

这是怎么回事，我该如何避免这种情况？

此外，我自称使用了我不太了解的copied 代码。上面的__init__ 内发生了什么？有必要在这里使用带有pop 的args/kwargs 吗？ （为什么我不能像往常一样指定参数？）

Answer 1

我将添加到警告中。我并不是要劝阻你，我实际上是为你的努力鼓掌。

但是，这不会是您对正在发生的事情的最后一个问题。

也就是说，一旦你运行：

super(SubFrame, self).__init__(*args, **kwargs)

self 是一个真正的数据框。您通过将另一个数据框传递给构造函数来创建它。

试试这个作为实验

d1 = pd.DataFrame(1, list('AB'), list('XY'))
d2 = pd.DataFrame(d1)

d2.index.name = 'IDX'

d1

     X  Y
IDX      
A    1  1
B    1  1

因此观察到的行为是一致的，因为当您通过将另一个数据帧传递给构造函数来构造一个数据帧时，您最终会指向相同的对象。

为了回答您的问题，子类化并不是允许原始对象发生变异的原因......它是 pandas 从传递的数据帧构造数据帧的方式。

通过使用副本实例化来避免这种情况

d2 = pd.DataFrame(d1.copy())

---

__init__ 中发生了什么

您希望将所有args 和kwargs 传递给pd.DataFrame.__init__，但用于您的子类的特定kwargs 除外。在这种情况下，freq 和 ddof。 pop 是一种方便的方式来获取值并从 kwargs 中删除键，然后再将其传递给 pd.DataFrame.__init__

---

我将如何实现pipe

def add_freq(df, freq):
    df = df.copy()
    df.index.freq = pd.tseries.frequencies.to_offset(freq)
    return df

df = pd.DataFrame(dict(A=[1, 2]), pd.to_datetime(['2017-03-31', '2017-04-30']))

df.pipe(add_freq, 'M')