python - 定义函数的行为，具体取决于传入的名称

我已经创建了一个函数，但是根据函数中传递的名称，我希望函数的行为有所不同

创建的函数接受一个数据框，创建一个数据透视表，并按100或0.01缩放某些列。对于特定类型的数据框（包含特定列），我不希望缩放平均权重。有没有办法找到通过的df的名称？

编辑：

所有df都具有相同的列名，因此仅通过传递给函数的名称来区分“ SpecialDF”与其他名称。在这一点上，我应该看课还是装饰？ def scale（df）函数相当长，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

我正在寻找的是像

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

最佳答案

对于特定类型的数据框（其中包含特定
  列），我不希望缩放平均权重。


使用if或三元语句来确定数据框中是否存在列：

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

这个想法是减少重复的代码，只修改更改所需列所需的最基本的对象，在这种情况下为list对象。

对于更通用的函数，可以将scale_cols作为参数，并通过该函数将pipe用作数据框：

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，因此要区分“ SpecialDF”
  与他人的区别只是通过其名称传递到函数中。


您更新的要求完全不同。名称只是参考：不要依赖它们来处理条件。优良作法是使用字典来存储您的数据框，并在字典中使用键来标识“特殊”数据框：

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'])

关于python - 定义函数的行为，具体取决于传入的名称，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/54534678/