我們?cè)诶?code style="overflow-wrap: break-word;padding: 2px 4px;border-radius: 4px;margin-right: 2px;margin-left: 2px;background-color: rgba(27, 31, 35, 0.05);font-family: "Operator Mono", Consolas, Monaco, Menlo, monospace;word-break: break-all;">pandas開展數(shù)據(jù)分析時(shí)，應(yīng)盡量避免過(guò)于「碎片化」的組織代碼，尤其是創(chuàng)建出過(guò)多不必要的「中間變量」，既浪費(fèi)了「內(nèi)存」，又帶來(lái)了關(guān)于變量命名的麻煩，更不利于整體分析過(guò)程代碼的可讀性，因此以流水線方式組織代碼非常有必要。

而在以前我撰寫的一些文章中，為大家介紹過(guò)pandas中的eval()和query()這兩個(gè)幫助我們鏈?zhǔn)綍鴮懘a，搭建數(shù)據(jù)分析工作流的實(shí)用API，再加上下面要介紹的pipe()，我們就可以將任意pandas代碼完美組織成流水線形式。

2 在pandas中靈活利用pipe()

pipe()顧名思義，就是專門用于對(duì)Series和DataFrame操作進(jìn)行流水線（pipeline）改造的API，其作用是將嵌套的函數(shù)調(diào)用過(guò)程改造為「鏈?zhǔn)健?/strong>過(guò)程，其第一個(gè)參數(shù)func傳入作用于對(duì)應(yīng)Series或DataFrame的函數(shù)。

具體來(lái)說(shuō)pipe()有兩種使用方式，「第一種方式」下，傳入函數(shù)對(duì)應(yīng)的第一個(gè)位置上的參數(shù)必須是目標(biāo)Series或DataFrame，其他相關(guān)的參數(shù)使用常規(guī)的「鍵值對(duì)」方式傳入即可，就像下面的例子一樣，我們自編函數(shù)對(duì)「泰坦尼克數(shù)據(jù)集」進(jìn)行一些基礎(chǔ)的特征工程處理：

import?pandas?as?pd

train?=?pd.read_csv('train.csv')

def?do_something(data,?dummy_columns):
????'''
????自編示例函數(shù)
????'''

????data?=?(
????????pd
????????#?對(duì)指定列生成啞變量
????????.get_dummies(data,?#?先刪除data中指定列
?????????????????????columns=dummy_columns,
?????????????????????drop_first=True)
????)
????
????return?data

#?鏈?zhǔn)搅魉€
(
????train
????#?將Pclass列轉(zhuǎn)換為字符型以便之后的啞變量處理
????.eval('Pclass=Pclass.astype("str")',?engine='python')
????#?刪除指定列
????.drop(columns=['PassengerId',?'Name',?'Cabin',?'Ticket'])
????#?利用pipe以鏈?zhǔn)降姆绞秸{(diào)用自編函數(shù)
????.pipe(do_something,?
??????????dummy_columns=['Pclass',?'Sex',?'Embarked'])
????#?刪除含有缺失值的行
????.dropna()
)

可以看到，在緊接著drop()下一步的pipe()中，我們將自編函數(shù)作為其第一個(gè)參數(shù)傳入，從而將一系列操作巧妙地嵌入到鏈?zhǔn)竭^(guò)程中。

「第二種使用方式」適合目標(biāo)Series和DataFrame不為傳入函數(shù)第一個(gè)參數(shù)的情況，譬如下面的例子中我們假設(shè)目標(biāo)輸入數(shù)據(jù)為第二個(gè)參數(shù)data2，則pipe()的第一個(gè)參數(shù)應(yīng)以(函數(shù)名, '參數(shù)名稱')的格式傳入：

def?do_something(data1,?data2,?axis):
????'''
????自編示例函數(shù)
????'''

????data?=?(
????????pd
????????.concat([data1,?data2],?axis=axis)
????)
????
????return?data

#?pipe()第二種使用方式
(
????train
????.pipe((do_something,?'data2'),?data1=train,?axis=0)
)

在這樣的設(shè)計(jì)下我們可以避免很多函數(shù)嵌套調(diào)用方式，隨心所欲地優(yōu)化我們的代碼~

以上就是本文的全部?jī)?nèi)容，歡迎在評(píng)論區(qū)與我進(jìn)行討論~