如何选择性、显式地导入Python已有类的扩展方法？

针对你的需求，有两种既保持DataFrame实例方法调用形式、又能实现显式/选择性导入的方案：

方案1：导入特定子模块加载部分方法 #

pyjanitor的扩展方法按功能划分在不同子模块中，比如clean_names属于cleaning子模块。仅导入目标子模块，只会注册该模块内的方法，不会加载全部janitor功能：

import pandas as pd
from janitor import cleaning  # 仅导入cleaning子模块，明确方法来源

df = pd.DataFrame({
    'Column One': [1, 2, 3],
    'Column-Two': [4, 5, 6],
    'Column@Three': [7, 8, 9],
})

df_cleaned = df.clean_names()
print(df_cleaned)

方案2：手动注册单个目标方法 #

如果需要更精细的控制（仅导入单个方法），可以直接导入目标方法，再通过pyjanitor的register_method工具将其绑定到DataFrame类：

import pandas as pd
from janitor.cleaning import clean_names  # 明确导入单个目标方法
from janitor.utils import register_method

# 将clean_names注册为DataFrame的实例方法
register_method(pd.DataFrame, clean_names)

df = pd.DataFrame({
    'Column One': [1, 2, 3],
    'Column-Two': [4, 5, 6],
    'Column@Three': [7, 8, 9],
})

df_cleaned = df.clean_names()
print(df_cleaned)

这两种方式都避免了一次性导入janitor全部扩展方法，同时能清晰追踪方法的来源包/模块，且保持df.clean_names()的调用形式不变。

内容的提问来源于stack exchange，提问作者GegznaV