如何为现有DataFrame对象实现自定义函数链式调用且不修改原数据

核心逻辑很简单：所有自定义操作均返回新的DataFrame对象，全程不修改原始DataFrame的底层数据即可。以下是两种常用实现方式：

方案1：用pipe方法实现（无需扩展Pandas类，上手最快） #

Pandas原生的pipe方法支持链式调用自定义函数，你只需要保证每个自定义函数的入参是DataFrame，返回值是处理后的新DataFrame即可，完全不会修改原始对象。
示例代码：

import pandas as pd

# 定义自定义处理函数
def custom_function1(df, threshold):
    # 所有操作返回新对象，不修改输入的df
    return df[df['amount'] > threshold]

def custom_function2(df, multi):
    return df.assign(amount_multi = df['amount'] * multi)

def custom_function3(df):
    return df.dropna(subset=['category'])

# 读取原始数据
data = pd.read_csv("your_file.csv")

# A调用，全程不修改原始data
A_res = graphing_function(data.pipe(custom_function1, 100).pipe(custom_function2, 2))

# B调用，完全基于原始data执行，和A的操作无关联
B_res = graphing_function(data.pipe(custom_function2, 3).pipe(custom_function3))

方案2：注册自定义访问器（实现.custom_function()式的链式调用） #

如果你需要和示例中一致的属性式调用写法，可以用Pandas官方提供的自定义访问器扩展能力，不会污染DataFrame的原生命名空间：

import pandas as pd

# 注册自定义访问器
@pd.api.extensions.register_dataframe_accessor("ops")
class CustomOperations:
    def __init__(self, df):
        # 仅存储原始DataFrame的引用，不做修改
        self._raw_df = df
    
    def custom_function1(self, threshold):
        # 处理逻辑返回新对象，不修改self._raw_df
        return self._raw_df[self._raw_df['amount'] > threshold]
    
    def custom_function2(self, multi):
        return self._raw_df.assign(amount_multi = self._raw_df['amount'] * multi)
    
    def custom_function3(self):
        return self._raw_df.dropna(subset=['category'])

# 读取原始数据
data = pd.read_csv("your_file.csv")

# A调用
A_res = graphing_function(data.ops.custom_function1(100).ops.custom_function2(2))

# B调用，完全基于原始data执行
B_res = graphing_function(data.ops.custom_function2(3).ops.custom_function3())

注意事项 #

• 所有自定义处理逻辑中不要使用带inplace=True参数的Pandas操作，该参数会直接修改原对象
• 如果你的处理逻辑需要直接修改单元格数值，操作前先调用.copy()生成副本再修改，避免意外修改原始DataFrame的底层数组，示例：

def modify_col(self):
    df_copy = self._raw_df.copy()
    df_copy['amount'] = df_copy['amount'] + 10
    return df_copy

内容的提问来源于stack exchange，提问作者Cobes