如何在python代码上对函数使用重构方法？

我正处于编写python代码的学习阶段。我已经创建了下面的代码并成功地获得了结果，但是，我被要求重构代码，我不太确定如何继续。我确实提到了多篇与重构相关的文章，但我感到更加困惑，不清楚它是如何完成的。任何协助都将不胜感激。谢谢

import pandas as pd
import numpy as np
pd.set_option('display.max_columns',100)
data = pd.read_excel (r'S:\folder\file1.xlsx')
df_mail =pd.DataFrame(data,columns= ['CustomerName','CDAAccount','Transit'])
print(df_mail)
df_maillist =df_mail.rename(columns={'CDAAccount':'ACOUNT_NUM','Transit':'BRANCH_NUM'})
print(df_maillist)

## 1) Read SAS files 
pathcifbas = 'S:\folder\custbas.sas7bdat'
pathcifadr = 'S:\folder\cusadr.sas7bdat'
pathcifacc = 'S:\folder\cusact.sas7bdat'

##custbas.sas7bdat 

columns=['CIFNUM','CUSTOMR_LANGUG_C']
dfcifbas = pd.read_sas(pathcifbas)
print(dfcifbas.head())
df_langprf= dfcifbas[columns]
print(df_langprf.head())
df_lang =df_langprf.rename(columns={'CUSTOMR_LANGUG_C':'Language Preference'})
print(df_lang)

## cusadr.sas7bdat

dfcifadr = pd.read_sas(pathcifadr)
print(dfcifadr.head())
cols=['CIFNUM','ADRES_STREET_NUM','ADRES_STREET_NAME','ADRES_CITY','ADRES_STATE_PROV_C','FULL_POSTAL','ADRES_COUNTRY_C','ADRES_SPECL_ADRES']
df_adr= dfcifadr[cols]
print(df_adr.head)

### Renaming the columns
df_adrress =df_adr.rename(columns={'ADRES_CITY':'City','ADRES_STATE_PROV_C':'Province','FULL_POSTAL':'Postal Code','ADRES_COUNTRY_C':'Country','ADRES_SPECL_ADRES':'Special Address'})
print(df_adrress)

## cusact.sas7bdat

dfcifacc = pd.read_sas(pathcifacc)
print(dfcifacc.head())
colmns=['CIFNUM','ACOUNT_NUM','BRANCH_NUM','APLICTN_ID']
df_acc= dfcifacc[colmns]
print(df_acc)
## Filtering the tables with ['APLICTN_ID']== b'CDA'
df_cda= df_acc['APLICTN_ID']== b'CDA'
print(df_cda.head())
df_acccda = df_acc[df_cda]
print(df_acccda)

## Joining dataframes (df_lang), (df_adrress) and (df_acccda) on CIF_NUM
from functools import reduce
Combine_CIFNUM= [df_acccda,df_lang,df_adrress ]
df_cifnum = reduce(lambda left,right: pd.merge(left,right,on='CIFNUM'), Combine_CIFNUM)
print(df_cifnum)

#convert multiple columns object byte to string

df_cifnumstr= df_cifnum.select_dtypes([np.object])
df_cifnumstr=df_cifnumstr.stack().str.decode('latin1').unstack()
for col in df_cifnumstr:
   df_cifnum[col] = df_cifnumstr[col]
print(df_cifnum) ## Combined Data Frame

# Joining Mail list with df_cifnum(combined dataframe)

Join1_mailcifnum=pd.merge(df_maillist,df_cifnum, on=['ACOUNT_NUM','BRANCH_NUM'],how='left')
print(Join1_mailcifnum)

## dropping unwanted columns

Com_maillist= Join1_mailcifnum.drop(['CIFNUM','APLICTN_ID'], axis =1)
print(Com_maillist)

## concatenating Street Num + Street Name = Street Address

Com_maillist["Street Address"]=(Com_maillist['ADRES_STREET_NUM'].map(str)+ ' ' + Com_maillist['ADRES_STREET_NAME'].map(str))
print (Com_maillist.head())

## Rearranging columns

Final_maillist= Com_maillist[["CustomerName","ACOUNT_NUM","BRANCH_NUM","Street Address","City","Province","Postal Code","Country","Language Preference","Special Address"]]
print(Final_maillist)

## Export to excel

Final_maillist.to_excel(r'S:\Data Analysis\folder\Final_List.xlsx',index= False, sheet_name='Final_Maillist',header=True)```

---

好的代码重构可以由许多不同的步骤组成，并且取决于您的教育者/客户机/经理/等等的期望，可能涉及到非常不同的工作量和花费的时间。问这个人对这个特定项目有什么期望并从那里开始是个好主意

然而，对于Python新手来说，我建议您从可读性和组织性开始。确保所有变量名都是显式的和可读的（假设您没有使用匈牙利符号之类的必需模式）。作为起点，Python命名约定倾向于使用小写字母和下划线，某些对象或类名除外。Python实际上有一个非常深入的风格指南，名为PEP-8。你可以在这里找到它

我个人最喜欢的是评论。注释应始终包含某些内容的“为什么”，而不一定包含“如何”（您的代码应具有足够的可读性，以使这一部分相对明显）。这对于较小的脚本或任务来说有点困难，因为您没有太多的个人选择，但最好记住这一点

如果您已经了解了面向对象编程，那么您肯定应该将任务分成函数和类。在您的特定情况下，您可以为加载文件、对文件内容执行特定操作和导出等创建单独的函数。如果您注意到一组函数往往具有相似的主题，那么这可能是为这些函数创建类的好时机

最后，这也是个人的偏好（不管怎样，对于基本脚本），但我希望看到可读性和组织性的主要声明

# imports go here!

# specific functions
def some_function():
    return

if __name__ == "__main__":
    # the start of your program goes here!

为了刚开始的目的，这些都被大大简化了。还有很多其他资源可以在组织、良好实践和优化方面更深入

---

祝你好运

“重构”仅仅意味着改变代码。他们有没有给你一些需要修改的提示？他们只是说要把代码重构成函数