Question

我想为我的DataFrame添加一个唯一的ID，我基本上成功地使用了我在这里找到的Python Class Decorator。我在这里https://github.com/pydata/pandas/issues/2485知道添加自定义元数据尚未明确支持，但装饰器似乎是一种解决方法。

当我使用copy和groupby.agg等方法时，我装饰的DataFrames返回新的和类似装饰的DataFrame。如何让“全部”pandas函数（如pd.DataFrame（）或pd.read_csv返回我的装饰DataFrames而不是原始的，未修饰的DataFrames而不单独装饰每个pandas函数？即，如何让我的装饰DataFrames替换库存DataFrames？

这是我的代码。首先，我有一个增强的pandas模块wrapPandas.py。

from pandas import *
import numpy as np

def addId(cls):

    class withId(cls):

        def __init__(self, *args, **kargs):
            super(withId, self).__init__(*args, **kargs)
            self._myId = np.random.randint(0,99999)

    return withId

pandas.core.frame.DataFrame = addId(pandas.core.frame.DataFrame)

当我使用.copy（）和.groupby（）。agg（）等方法时，运行以下代码片段会显示我的DataFrame返回修饰的DataFrame。然后我会通过显示像pd.DataFrame这样的pandas函数不返回我装饰的DataFrames来进行跟进（遗憾的是，这并不奇怪）。

编辑：根据Jonathan Eunice的回复添加了进口声明。

import wrapPandas as pd

d = {
    'strCol': ['A', 'B', 'A', 'C', 'B', 'B', 'A', 'C', 'A'], 
    'intCol': [6,3,8,6,7,3,9,2,6], 
}

#create "decorated" DataFrame
dfFoo = pd.core.frame.DataFrame.from_records(d)
print("dfFoo._myId = {}".format(dfFoo._myId))

#new DataFrame with new ._myId
dfBat = dfFoo.copy()
print("dfBat._myId = {}".format(dfBat._myId))

#new binding for old DataFrame, keeps old ._myId
dfRat = dfFoo
print("dfRat._myId = {}".format(dfRat._myId))

#new DataFrame with new ._myId
dfBird = dfFoo.groupby('strCol').agg({'intCol': 'sum'})
print("dfBird._myId = {}".format(dfBird._myId))

#all of these new DataFrames have the same type, "withId"
print("type(dfFoo) = {}".format(type(dfFoo)))

这会产生以下结果。

dfFoo._myId = 66622
dfBat._myId = 22527
dfRat._myId = 66622
dfBird._myId = 97593
type(dfFoo) = <class 'wrapPandas.withId'>

悲伤的部分。 dfBoo._myId当然会提出AttributeError。

#create "stock" DataFrame
dfBoo = pd.DataFrame(d)
print(type(dfBoo))

#doesn't have a ._myId (I wish it did, though)
print(dfBoo._myId)

Answer 1

将您的猴子补丁修改为：

pd.DataFrame = pandas.core.frame.DataFrame = addId(pandas.core.frame.DataFrame)

即。所以你是＆＃34;锁定＆＃34;或者＆＃34;猴子补丁＆＃34;两个不同的名字。鉴于pandas.core.frame.DataFrame is pd.DataFrame，这种双重分配的需要可能看起来很奇怪。但是你实际上并没有修改DataFrame类。您正在注入代理类。无论对代理的引用是什么。直接到原始类的那些没有获得代理行为。通过让您可能想要使用的所有名称指向代理来更改它。以下是图形化的方式：

diagram

我假设您的文件中某处import pandas as pd未显示，但dfBoo的定义会因NameError: name 'pd' is not defined而失败。

由于这样的原因，猴子修补很危险。你注射了东西......而且你不可能知道你是否抓住了所有的参考文献＆＃34;或者＆＃34;修补你需要的一切。＆＃34;我不能保证在代码中不会有其他调用，这些调用的地址低于此名称重新组合的结构。但是对于显示的代码，它的工作原理！

更新您稍后询问了如何为pd.read_csv开展此工作。嗯，这可能是你需要修补的另一个地方。在这种情况下，请将上面的补丁代码修改为：

pd.DataFrame = pandas.io.parsers.DataFrame = pandas.core.frame.DataFrame = addId(pandas.core.frame.DataFrame)

在DataFrame内修补pandas.io.parsers.DataFrame的定义将为read_csv提供帮助。同样的警告适用：可能有（也可能是）更多用途，您需要追踪全面覆盖。

将装饰的DataFrame与所有pandas函数相关联

1 个答案: