【Pandas】pandas DataFrame pipe

Pandas2.2 DataFrame

Function application, GroupBy & window

方法	描述
DataFrame.apply(func[, axis, raw, …])	用于沿 DataFrame 的轴（行或列）应用一个函数
DataFrame.map(func[, na_action])	用于对 DataFrame 的每个元素应用一个函数
DataFrame.pipe(func, *args, **kwargs)	用于实现链式编程风格的方法

pandas.DataFrame.pipe()

pandas.DataFrame.pipe() 是一个用于实现链式编程风格的方法，它允许你将 DataFrame 作为参数传递给一个自定义函数 func，从而提高代码的可读性和可维护性。

---

方法签名

DataFrame.pipe(func, *args, **kwargs)

---

参数说明

参数	类型	描述
func	function or tuple of (function, str)	要应用的函数。如果是一个元组，则第二个元素指定 DataFrame 应该作为哪个参数传入。
*args	positional arguments	传递给 func 的位置参数。
**kwargs	keyword arguments	传递给 func 的关键字参数。

---

返回值

• 返回 func 执行后的结果，通常返回一个新的 DataFrame 或其他类型的结果。

---

示例

示例1：基本用法 - 将 DataFrame 传递给外部函数

import pandas as pd

def add_constant(df, value):
    return df + value

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 使用 pipe 添加常数
result = df.pipe(add_constant, value=10)
print(result)

输出：

    A   B
0  11  14
1  12  15
2  13  16

---

示例2：链式调用多个函数

def multiply_by(df, factor):
    return df * factor

def subtract_mean(df):
    return df - df.mean()

# 链式调用
result = (
    df
    .pipe(multiply_by, factor=2)
    .pipe(subtract_mean)
)
print(result)

输出：

   A  B
0 -2 -2
1  0  0
2  2  2

---

示例3：使用 tuple 指定函数参数名

def custom_func(value, df):
    return df * 2 + value

# 指定 df 作为第二个参数传入
result = df.pipe((custom_func, 'df'), value=100)
print(result)

输出：

     A    B
0  102  204
1  104  206
2  106  208

---

总结

• pipe() 支持链式调用，使复杂数据处理流程更清晰。
• 可以将 DataFrame 明确地作为参数传入函数，提升代码可读性。
• 特别适合构建模块化的数据分析流水线。