Python 模块导出 Pandas DataFrame

Question

我对 Python 比较陌生，但我对 Python 模块的理解是，模块中定义的任何对象都可以导出，例如，您是否拥有：

# my_module.py
obj1 = 4
obj2 = 8

您可以简单地使用from my_module import obj1, obj2导入这两个对象。

在使用 Pandas 时，代码看起来像这样（不是实际工作代码）是很常见的：

# pandas_module.py
import pandas as pd
df = pd.DataFrame(...)
df = df.drop()
df = df[df.col > 0]

其中同一个对象（ df ）被重新定义多次。 如果我想导出df我应该如何处理？ 我的猜测是，如果我只是from pandas_module import df其他地方的from pandas_module import df ，所有的from pandas_module import df代码将首先运行，我将按预期运行最终的 df，但我不确定这是否是好的做法。 也许最好做一些像final_df = df.copy()和 export final_df这样的事情。 对于不熟悉 Python 的人来说，这似乎更容易理解。

所以我的问题是，处理这种导出多次定义的df情况的正确方法是什么？

Answer 1

就个人而言，我通常会创建一个返回 Dataframe 对象的函数。 如：

# pandas_module.py
import pandas as pd

def clean_data():

    df = pd.DataFrame(...)
    df = df.drop()
    df = df[df.col > 0]

    return df

然后，您可以从主工作流中调用该函数并获得预期的 Dataframe：

from pandas_module.py import clean_data

df = clean_data()