Pandas代码优化咨询：变量命名与代码简洁性改进方案

变量命名的取舍 #

• df1/df2这类迭代命名：新手阶段用它没问题，能保留每一步中间结果，调试时随时查看数据变化，方便排查问题。但缺点也很明显——变量名完全没意义，过段时间再看代码，根本记不清每个df对应什么操作，可读性极差。
• 直接覆盖原df：好处是省内存、变量少，但一旦覆盖就没法回溯之前的数据状态。如果处理流程复杂，某一步出错了，你根本不知道是哪一步把数据搞坏的，调试起来头大，不推荐复杂场景用。

更优雅的写法：链式调用 #

Pandas天生支持链式调用，既能避免冗余变量，又能清晰展示数据处理的完整流程，调试也方便。给你优化下代码：

import pandas as pd

def func(csvfile):
    (pd.read_csv(csvfile)
     # 替换列名空格为下划线
     .rename(columns=lambda col: col.replace(" ", "_"))
     # 拆分并展开column3
     .assign(column3=lambda df: df.column3.str.split(","))
     .explode("column3")
     # 拆分并展开column2
     .assign(column2=lambda df: df.column2.str.split("; "))
     .explode("column2")
     # 清理column2中的数字括号
     .assign(column2=lambda df: df.column2.str.replace(r"\(\d+\)", "", regex=True))
     # 过滤掉value2的行
     .query("column2 != 'value2'")
     # 打印结果
     .pipe(print)
    )

优化细节说明 #

• 用.rename()替代直接修改df.columns，更符合链式调用的无副作用风格，也能保留原始数据（如果需要的话）。
• .assign()里用lambda df引用当前DataFrame，不用依赖外部变量名，链式调用更连贯。
• 用.query()替代布尔索引，代码更简洁，读起来像自然语言。
• 如果需要返回处理后的DataFrame，把.pipe(print)改成.copy()或者直接去掉，让函数返回这个链式结构的结果就行。

进阶建议 #

如果你的数据处理流程特别复杂，或者某些中间步骤需要复用，别用df1/df2，给中间结果起有意义的名字，比如column_cleaned_df、exploded_category_df——既能保留中间状态，又能让代码可读性拉满，后期维护也省心。

内容的提问来源于stack exchange，提问作者rootoor