Python 根据传入的名称定义函数的行为

我创建了一个函数，但根据传入函数的名称，我希望函数的行为有所不同

Created函数接收一个数据帧，创建一个数据透视表，并将某些列按100或0.01的比例缩放。对于特定类型的数据帧（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：

所有的df都有相同的列名，所以要将“SpecialDF”与其他df区分开来，只需将其名称传递到函数中即可。在这一点上，我应该关注类还是装饰器？def scale（df）功能相当长，仅此部分需要特殊处理

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   

我要找的是

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   

根据数据帧的术语“类型”，您需要

isinstance

（）

然而，由于您说“其中包含一个特定列”，您可能实际上是指

如果df中的col

，其中

col

是该特定列的名称

对于特定类型的数据帧（其中包含特定的 列），我不希望缩放平均重量

使用

if

或三元语句确定数据帧中是否存在列：

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

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'])

其思想是减少重复代码，只修改更改所需列所需的最基本对象，在本例中是

列表

对象

对于更通用的函数，可以使用

scale\u cols

作为参数，并通过函数使用数据帧：

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'])

---

所有df都有相同的列名，以便区分“SpecialDF” 从其他函数中只能通过其名称传递到函数中

您的更新要求完全不同。名称只是引用：不要依赖它们作为处理条件。良好做法是使用字典存储数据帧，并使用字典中的键识别“特殊”数据帧：

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

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'])

---

拥有一个特定的列并不会使DF成为不同的类型，它仍然是相同的DF，如果您想检查一个特定的列，将其名称作为输入传递给函数，并检查它是否存在于DF列名称中，如果是，则应用您的操作或普通操作来添加，所有DF都具有相同的列名，以便区分“SpecialDF”从其他函数中只能通过其名称传递到函数中。在这一点上，我应该关注类还是装饰器？def scale（df）功能相当长，仅此部分需要特殊处理