自定义Python函数加载多个pandas DataFrame参数报错如何解决？

• 方案一：修改load_data为可变参数函数
  直接将函数入参改为可变位置参数*args，可适配任意数量的输入DataFrame，无需固定入参个数，原有调用逻辑无需调整即可兼容。参考实现：

def load_data(*dfs, merge_on="common_id"):
    from functools import reduce
    import pandas as pd
    return reduce(lambda left, right: pd.merge(left, right, on=merge_on, how="left"), dfs)

如果需要单独控制segments过滤相关参数，可在可变参数前保留固定参数位即可。

• 方案二：扩展load_data入参列表，新增参数设置默认值
  在原5个入参基础上补充2个和segments过滤相关的参数，设置默认值为None，既适配现有新的7参数调用，也不会影响历史的5参数调用逻辑。参考定义：

# 新增segments_filter、segments_range两个参数，默认None不启用过滤
def load_data(coords, population, ambul_praxen, docs_matrix, weights, segments_filter=None, segments_range=None):
    # 新增过滤逻辑
    if segments_filter and segments_range:
        docs_matrix = load_docs_matrix(segments=segments_range)
    # 原有合并逻辑
    merged = coords.merge(population, on="region_id")\
                   .merge(ambul_praxen, on="region_id")\
                   .merge(docs_matrix, on="region_id")\
                   .merge(weights, on="region_id")
    return merged

• 方案三：调用侧打包参数适配原有函数定义
  不想修改load_data原有逻辑的情况下，可将多个同类型的数据集打包为列表传入原有参数位，函数内部遍历列表完成合并即可。调用示例：

# 把新增的2个数据集打包进列表，传入第5个参数位
extra_dfs = [filtered_docs_matrix, other_new_df]
load_data(coords, population, ambul_praxen, weights, extra_dfs)

内容的提问来源于stack exchange，提问作者kukulu