如何实现类pd.read_csv的pd.write_csv以通用化Pandas DataFrame保存？

你想要的pd.write_csv(df, filename)这类顶层写入方法，本质是把pandas DataFrame的实例方法（比如df.to_csv()）包装成以DataFrame为第一个参数的全局函数。下面是具体实现方案：

1. 直接定义单个写入函数 #

可以手动为每种格式创建对应的顶层函数，挂到pandas模块上：

import pandas as pd

# 包装to_csv为pd.write_csv
pd.write_csv = lambda df, filename, **kwargs: df.to_csv(filename, **kwargs)
# 包装to_excel为pd.write_excel
pd.write_excel = lambda df, filename, **kwargs: df.to_excel(filename, **kwargs)

这样就能像调用pd.read_csv一样，使用pd.write_csv(df, "test.csv")，还能传递额外参数（比如index=False）：

pd.write_csv(df, "test.csv", index=False)

2. 通用包装器（批量生成写入函数） #

如果需要支持多种格式，写一个通用包装器更高效：

import pandas as pd

def create_write_method(method_name):
    def write_func(df, filename, **kwargs):
        getattr(df, method_name)(filename, **kwargs)
    return write_func

# 批量生成并挂载到pd模块
pd.write_csv = create_write_method('to_csv')
pd.write_excel = create_write_method('to_excel')
pd.write_json = create_write_method('to_json')
# 其他格式如to_parquet、to_sql等都可以用同样方式添加

3. 配合你的通用保存函数使用 #

现在你的save_dataframe函数就能按预期调用了，还能支持额外参数：

def save_dataframe(df, write_func, filename, **kwargs):
    write_func(df, filename, **kwargs)

# 调用示例：保存为csv，不写入索引
save_dataframe(df, pd.write_csv, "test.csv", index=False)
# 调用示例：保存为excel
save_dataframe(df, pd.write_excel, "test.xlsx")

这样就实现了完全通用的DataFrame保存逻辑，不管后续新增哪种格式，只需要用create_write_method包装对应的to_xxx方法即可。

内容的提问来源于stack exchange，提问作者jayaneetha