Python脚本重复运行时如何仅首次执行df_new创建代码并保留数据状态

从网络获取数据生成df，执行代码：

df_new = df.drop(df.columns[[1, 2]],axis = 1)

创建df_new后，脚本需要每隔约1分钟重复运行，后续要通过增量添加新列来更新df_new。但每次重复运行时，df_new都会被重新创建，导致之前的操作丢失。需求是：

• 仅在首次运行时执行df_new = df.drop(...)这行代码
• 每隔1分钟更新df，并基于已有的df_new添加新列

方法1：用全局变量标记首次运行 #

用全局变量记录初始化状态，每次运行时判断状态决定是否执行初始化：

# 全局标记，初始为False表示未完成初始化
is_first_run = True
df_new = None

def run_script():
    global is_first_run, df_new
    # 每次运行都从网络拉取最新df
    df = get_data_from_network()  # 替换成你的网络数据获取逻辑
    
    if is_first_run:
        # 首次运行才初始化df_new
        df_new = df.drop(df.columns[[1, 2]], axis=1)
        is_first_run = False
    else:
        # 非首次运行，基于新df给df_new增量添加列
        # 示例：替换成你的实际计算逻辑
        df_new['new_calculated_col'] = df['source_col'].apply(your_calculate_func)
    
    # 后续其他处理逻辑
    ...

# 定时循环运行
import time
while True:
    run_script()
    time.sleep(60)  # 间隔1分钟

方法2：用本地文件记录初始化状态 #

如果脚本可能被中断重启，全局变量会失效，可通过本地文件标记初始化状态：

import os
import time

# 标记文件，用来记录是否已初始化
INIT_MARK_FILE = '.df_init_flag'
df_new = None

def run_script():
    global df_new
    df = get_data_from_network()
    
    if not os.path.exists(INIT_MARK_FILE):
        # 首次运行：初始化df_new并创建标记文件
        df_new = df.drop(df.columns[[1, 2]], axis=1)
        with open(INIT_MARK_FILE, 'w') as f:
            f.write('initialized')
    else:
        # 非首次运行：增量更新df_new
        df_new['latest_data_col'] = df['fresh_data_col']
        ...
    
    # 后续处理逻辑
    ...

while True:
    run_script()
    time.sleep(60)

注：需要重置初始化状态时，手动删除.df_init_flag文件即可。

方法3：用类封装状态 #

若脚本逻辑复杂，用类维护df_new和运行状态会更清晰：

import time

class DataHandler:
    def __init__(self):
        self.initialized = False
        self.df_new = None
    
    def fetch_latest_df(self):
        # 封装网络获取数据的逻辑
        return get_data_from_network()
    
    def process_data(self):
        df = self.fetch_latest_df()
        
        if not self.initialized:
            self.df_new = df.drop(df.columns[[1, 2]], axis=1)
            self.initialized = True
        else:
            # 增量添加新列，示例用时间戳作为列名
            self.df_new[f'col_{int(time.time())}'] = df['target_col']
        
        # 后续处理逻辑
        ...

# 实例化并定时运行
handler = DataHandler()
while True:
    handler.process_data()
    time.sleep(60)

内容的提问来源于stack exchange，提问作者Dan