如何基于file_type动态调用Pandas读取函数并精简重复代码

先直接上优化后的代码，再拆解优化思路：

import pandas as pd
import numpy as np

def file_to_df(file_name, fields=None, file_type=None, encoding=None):
    """Read stock level from csv or xlsx file.Filter SKU and Qty.Return dataframe."""
    # 用字典映射文件类型到对应读取函数，替代嵌套if-elif
    reader_map = {
        'csv': pd.read_csv,
        'xls': pd.read_excel
    }
    
    # 校验文件类型合法性
    if file_type not in reader_map:
        print('no csv or xls filetype was handed to file_to_df')
        return None  # 返回None让调用方可以做后续判断，比只打印更实用
    
    # 定义所有读取函数的公共参数
    common_params = {
        'filepath_or_buffer': file_name,
        'converters': {'Barcode': str, 'Qty': int},
        'usecols': fields
    }
    
    # 根据文件类型添加专属参数
    if file_type == 'csv':
        common_params['encoding'] = encoding
    
    # 动态调用读取函数并传入参数
    data_frame = reader_map[file_type](**common_params)
    
    # 空行清理逻辑（修复原代码里的np_nan拼写错误）
    data_frame.replace('', np.nan, inplace=True)
    data_frame.dropna(axis=0, how='any', subset=None, inplace=True)
    
    return data_frame

关键优化点说明 #

• 动态切换读取函数：用reader_map字典做类型与函数的映射，后续要支持新格式（比如xlsx），只需要在字典里加一行'xlsx': pd.read_excel即可，扩展性拉满，彻底摆脱嵌套判断的冗余。
• 动态调整参数：先提取公共参数统一维护，再根据文件类型追加专属参数（比如csv的encoding），避免重复写参数列表，后续参数变更只需要修改一处。
• 修复原代码bug：
  • 原代码if file_type == 'csv' or 'xls'逻辑错误，会导致任何file_type都会进入分支，改成file_type in reader_map更严谨。
  • 修正了np_nan的拼写错误，应为np.nan。
• 提升实用性：非法类型时返回None，调用方可以通过返回值判断是否读取成功，比只打印提示更友好。

内容的提问来源于stack exchange，提问作者zoni