如何在Python类中灵活传参给pd.read_csv()替代固定配置字典

你原来的实现存在两个可优化点：

• 可变默认参数陷阱：将字典作为函数/方法的默认参数时，多次实例化共享同一个字典对象，修改该参数会影响所有后续实例的运行结果，属于Python常见的语法陷阱
• 参数传递不够灵活：必须传入完整配置字典，无法按需透传pd.read_csv的官方参数

优化后的实现 #

import pandas as pd

class Class1:
    def __init__(self, path, cols=None, **kwargs):
        # 定义默认读取配置，优先级低于用户传入的参数
        default_read_kwargs = {
            "sep": ";",
            "encoding": "unicode_escape",
            "header": "infer",
            "decimal": ".",
            "skiprows": None,
            "names": None,
            "skipfooter": 0,
            "engine": "python"
        }
        # 合并用户传入的参数，用户参数覆盖默认配置
        default_read_kwargs.update(kwargs)
        # 处理cols参数，对应read_csv的usecols
        if cols is not None:
            default_read_kwargs["usecols"] = cols
        self.raw = self._load_raw(path, default_read_kwargs)
    
    def _load_raw(self, path, read_kwargs):
        return pd.read_csv(path, **read_kwargs)

用法示例 #

• 读取简单CSV，仅修改分隔符：

# 仅需指定sep参数，其他配置沿用默认值
ins = Class1("./simple.csv", sep=",")

• 读取复杂CSV，传入多组自定义参数：

# 按需传入任意pandas支持的read_csv参数即可
ins = Class1(
    "./complex.csv",
    cols=["id", "name", "amount"],
    sep="|",
    encoding="gbk",
    skiprows=2,
    skipfooter=5,
    thousands=","
)

优化说明 #

• 采用**kwargs接收任意关键字参数，无需手动维护pd.read_csv的参数列表，自动兼容pandas官方所有可用参数
• 用户传入的参数优先级高于默认配置，符合使用直觉
• 消除了原代码中可变默认参数的安全隐患，不同实例的配置完全独立

内容的提问来源于stack exchange，提问作者coderxXx