使用 pipe() 进行函数链式调用

零售交易数据集

1# 查看零售交易数据框
2print(df)
3
4# 查看数据类型
5print('\n数据类型')
6print(df.dtypes)

1# pipe() 方法语法
2df.pipe(func, *args, **kwargs)

1# 将列转换为 datetime64[ns] 类型的函数
2def convert_date_dtype(df, col_name):
3    # 创建 DataFrame 的副本以避免修改原始数据
4    new_df = df.copy()
5
6    new_df[col_name] = pd.to_datetime(new_df[col_name])
7
8    return new_df

1# 将指定列中的 NaN 值替换为 0 的函数
2def map_nan_to_zero(df, col_name):
3    new_df = df.copy()
4    
5    # 将指定列中的 NaN 值填充为 0
6    new_df[col_name].fillna(0, inplace=True)
7    
8    return new_df

1# 标准化指定列数值的函数
2def standardize_values(df, col_name):
3    new_df = df.copy()
4    min_val = new_df[col_name].min()
5    max_val = new_df[col_name].max()
6
7    # 使用最小-最大缩放将数值标准化到 0 到 1 之间
8    new_df[col_name] = (new_df[col_name] - min_val) / (max_val - min_val)
9
10    return new_df

1# 将 DataFrame 中指定列的值限制在最大值内的函数
2def cap_value(df, col_name):
3    max_value = 40  # 定义最大值
4    new_df = df.copy()
5    new_df[col_name] = new_df[col_name].apply(lambda x: min(x, max_value))
6
7    return new_df

1# 为每个客户计算价格值的整数排名的函数
2def get_price_rank(df):
3    new_df = df.copy()
4    new_df['PriceRank'] = (new_df
5                           .groupby(['CustomerID'])['Price']
6                           .rank(ascending=False)
7                           .astype('int64'))
8
9    return new_df

1# 在列前添加字符串前缀的函数
2def prepend_prefix(df, col_name, prefix):
3    new_df = df.copy()
4    new_df[col_name] = prefix + new_df[col_name].astype(str)
5
6    return new_df

1# 将函数串联使用
2df_processed = (df.pipe(convert_date_dtype, 'OrderDate')  # 将 "OrderDate" 列的数据类型从 object 转换为 datetime64[ns]
3                .pipe(map_nan_to_zero, 'ReviewScore')  # 将 "ReviewScore" 列中的 NaN 值替换为 0
4                .pipe(standardize_values, 'ReviewScore')  # 将 "ReviewScore" 列的值标准化到 0 到 1 之间
5                .pipe(cap_value, 'Price')  # 将 "Price" 列的值上限设为 40.0
6                .pipe(get_price_rank)  # 为每位客户的交易商品价格获取排名
7                .pipe(prepend_prefix, 'CustomerID', 'CUST')  # 在每个客户 ID 前添加前缀 "CUST"
8                )
9
10# 查看处理后的结果
11print(df_processed)
12print('\n数据类型')
13print(df_processed.dtypes)