如何在Jupyter Notebook中全局修改pandas.value_counts的默认参数？

你可以通过**猴子补丁（Monkey Patching）**直接修改pd.Series.value_counts方法的默认参数，这样在当前Jupyter会话中所有调用该方法时，默认都会使用dropna=False，不需要替换成自定义包装函数。

方法一：直接修改默认参数元组（适用于已知参数顺序的情况） #

如果清楚你使用的pandas版本中value_counts的参数顺序，可以直接修改方法的__defaults__属性：

import pandas as pd

# 获取原方法的默认参数元组
original_defaults = pd.Series.value_counts.__defaults__
# 将最后一个参数（dropna）从True改为False
new_defaults = original_defaults[:-1] + (False,)
# 替换默认参数
pd.Series.value_counts.__defaults__ = new_defaults

方法二：用inspect模块动态修改（更稳妥，适配不同pandas版本） #

不同版本的pandas可能调整参数顺序，用inspect模块可以按参数名精准修改，避免出错：

import pandas as pd
import inspect

# 获取value_counts方法的参数签名
sig = inspect.signature(pd.Series.value_counts)
# 提取带默认值的参数及其默认值
param_defaults = {
    name: param.default 
    for name, param in sig.parameters.items() 
    if param.default is not inspect.Parameter.empty
}
# 修改dropna的默认值为False
param_defaults['dropna'] = False
# 按原参数顺序重新构建默认参数元组
new_defaults = tuple(param_defaults[name] for name in sig.parameters if name in param_defaults)
# 替换方法的默认参数
pd.Series.value_counts.__defaults__ = new_defaults

注意事项 #

• 这种修改只在当前Jupyter会话中生效，重启内核后需要重新运行上述代码。
• 如果你的代码中其他地方依赖dropna=True的默认行为，修改后会影响这些代码，需要提前确认。

内容的提问来源于stack exchange，提问作者khowsrowpaviz