Python 3.x 这个python函数签名在Kedro教程中意味着什么？

我正在研究Kedro库，因为我的团队正在研究将其用于我们的数据管道

去参加官方的太空飞行教程

我遇到了这个函数：

def preprocess_companies(companies: pd.DataFrame) -> pd.DataFrame:
"""Preprocess the data for companies.

    Args:
        companies: Source data.
    Returns:
        Preprocessed data.

"""

companies["iata_approved"] = companies["iata_approved"].apply(_is_true)

companies["company_rating"] = companies["company_rating"].apply(_parse_percentage)

return companies

• Companys是包含数据的csv文件的名称

看看函数，我的假设是

（companys:pd.Dafarame）

是将“companys”数据集作为数据帧读取的简写。如果是这样的话，我不明白最后的pd.Dataframe是什么意思

我试图查看有关这种代码风格的python文档，但没有找到任何

非常感谢帮助我理解这一点

---

谢谢

公司：pd.DataFrame函数定义中的

：

部分以及

->

符号是。这在Python中不是必需的，但许多人喜欢将其包括在内。如果函数定义不包含以下内容，但改为：

def预处理公司（公司）：

这是一个通用的Python东西，而不是任何kedro特定的东西

kedro将

公司注册为kedro数据集的方式与此函数定义完全不同，并通过catalog.yml文件完成：

公司：
类型：pandas.CSVDataSet
文件路径：data/01_raw/companys.csv

然后将定义一个节点（在pipeline.py中），指定
preprocess\u companies
函数应将kedro数据集
companies
作为输入：

节点(
func=预处理公司，
inputs=“companys”，#此行指的是数据集名称
输出=“预处理的公司”，
name=“预处理公司”，
),

理论上，函数本身中参数的名称可能完全不同，例如

def预处理公司（任何您想要的）：

。。。尽管将其命名为与数据集相同的名称是很常见的。
在这种情况下，公司在技术上是任何
DataFrame
。但是，当包装在Kedro
节点
对象中时，将传入正确的数据集：

节点（
func=预处理公司，上面发布的函数
输入=“原始公司”，Kedro将从名为“原始公司”的目录条目中读取
输出为“已处理的公司”，Kedro将写入名为“已处理的公司”的目录条目
)

本质上，参数名在这里并不重要，它是这样命名的，以便阅读代码的人知道它在语义上是关于公司的，但函数名也这样做

以上从技术上讲是一种简化，因为我不想讨论
MemoryDataset
，但希望它涵盖了要点。
这是声明输入类型的方法（公司：pd.DataFrame）。这里companies是参数，pd.DataFrame是它的类型。同样->pd.DataFrame这是输出的类型
总的来说，他们说pd.DataFrame类型的组件将返回pd.DataFrametype变量。
我希望你能得到它
非常感谢你付出努力提供答案！非常感谢您花时间详细解释！