Python新手关于def main()的困惑：pandas处理CSV与模块复用问题

1. 赋值新列时报df未定义的原因 #

核心问题是函数调用链路没有传递df的引用：

• 你定义计算函数时虽然将df设为入参，但在main函数中调用multiply_by_3()、multiply_by_5()时没有传入任何参数，整个执行流程中没有df对象的作用域，自然触发未定义报错。
• 修正逻辑：所有计算环节透传df引用，计算完成后通过df['列名'] = 计算结果直接将新列追加到原DataFrame上。DataFrame是可变对象，这类赋值会直接修改原df的结构。
  注意两处可优化的问题：
• 函数命名与实际功能不匹配：multiply_by_3实际实现的是A列乘2的逻辑，需调整为与功能一致的命名，符合代码可维护性最佳实践。
• 列计算可直接使用pandas向量化运算，不需要写列表推导式遍历每一行元素，直接执行df['A'] * 2即可生成对应列，运行效率比循环遍历高一个数量级。

2. 支持批量处理的独立模块main函数设计方案 #

要做成可复用的独立模块，需将不同层级的逻辑拆分独立，避免全堆在main函数中：

• 第一级：抽离单文件处理核心逻辑，作为独立可调用函数，入参为输入csv路径、输出csv路径，内部完成读文件、列计算、存文件的全流程。
• 第二级：抽离批量遍历文件夹逻辑，入参为源目录路径、输出目录路径，内部遍历源目录下所有后缀为.csv的文件，逐个调用单文件处理函数。
• 第三级：main函数仅负责配置「直接运行脚本时」的默认参数（比如将提到的默认路径D:/Files/、单独的处理结果输出路径D:/Files/processed/作为默认值传入批量处理函数）。
• 必须添加if __name__ == "__main__":判断块包裹main函数的调用，这是Python模块的核心设计规则：仅当脚本被直接运行时才会执行main内的逻辑，被其他脚本导入时不会自动触发批量处理流程。

3. 模块导入时的整套逻辑调用规则 #

• 当你将这个脚本保存为csv_batch_processor.py，在其他业务脚本中导入时，因为有if __name__ == "__main__"的拦截，main函数里的默认逻辑不会自动执行，完全不影响你导入单个计算函数做单独使用。
• 导入后运行整套批量处理逻辑有两种正规用法：
  • 推荐做法：直接导入提前抽好的批量处理函数，自定义传入需要的源路径、输出路径，灵活度更高，示例代码：

    from csv_batch_processor import batch_process_folder
    # 自定义传入需要处理的文件夹路径
    batch_process_folder(input_dir="E:/my_csv/", output_dir="E:/my_output/")
    

  • 非推荐做法：如果一定要直接运行整套main逻辑，导入后手动调用main函数即可，示例代码：

    import csv_batch_processor
    csv_batch_processor.main()
    

  不推荐这种方式的原因是main函数一般配置的是脚本直接运行时的硬编码默认路径，灵活度低，不符合模块解耦的设计原则。

import pandas as pd
from pathlib import Path

# 单文件核心列计算逻辑
def calc_new_columns(df: pd.DataFrame) -> pd.DataFrame:
    df['A*2'] = df['A'] * 2
    df['B*5'] = df['B'] * 5
    df['A*2 + B*5'] = df['A*2'] + df['B*5']
    return df

# 单文件全流程处理
def process_single_csv(input_path: Path, output_path: Path):
    df = pd.read_csv(input_path)
    processed_df = calc_new_columns(df)
    processed_df.to_csv(output_path, index=False)

# 批量文件夹处理
def batch_process_folder(input_dir: str, output_dir: str):
    input_path = Path(input_dir)
    output_path = Path(output_dir)
    # 自动创建输出文件夹，避免路径不存在报错
    output_path.mkdir(parents=True, exist_ok=True)
    # 遍历源目录下所有CSV文件
    for csv_file in input_path.glob("*.csv"):
        # 生成带前缀的输出文件名，避免覆盖原文件
        out_file = output_path / f"processed_{csv_file.name}"
        process_single_csv(csv_file, out_file)

# 脚本直接运行时的入口配置
def main():
    DEFAULT_INPUT_DIR = "D:/Files/"
    DEFAULT_OUTPUT_DIR = "D:/Files/processed/"
    batch_process_folder(DEFAULT_INPUT_DIR, DEFAULT_OUTPUT_DIR)

# 核心判断：直接运行脚本时才执行main，导入为模块时不触发
if __name__ == "__main__":
    main()

内容的提问来源于stack exchange，提问作者user3424575