pandas DataFrame通用包装函数：支持csv读写及df未定义错误解决

需求说明 #

日常编写数据处理函数时，常会遇到大量重复的样板逻辑：

• 函数核心逻辑都是接收DataFrame作为输入，搭配自定义业务参数完成数据加工
• 每次运行都需要先手动从CSV读取数据、处理完再手动导出为CSV
• 不希望为每个处理函数重复编写文件读写代码，也不想逐一把每个函数的参数透传到外层包装逻辑里

现有实现的问题定位 #

你目前尝试的代码存在几处核心问题，直接导致报错和逻辑不通：

1. 调用方式错误：传入wrapper的第一个参数写的是df_function(df,'C',4)，这行代码会在wrapper逻辑执行前就被运行，而此时全局作用域根本没有定义df变量，直接触发NameError。正确的传入逻辑应该是把函数本身、以及函数需要的业务参数分开传递，由wrapper在内部拿到加载好的df后再调用目标函数。
2. 参数透传机制缺失：wrapper的入参列表里没有声明*args, **kwargs，哪怕df定义成功，内部调用func的时候也拿不到额外的业务参数，会直接报参数未定义错误。
3. 保存逻辑顺序错误：代码里是读完原始CSV得到df后，立刻就执行df.to_csv保存，根本没有等待目标函数处理结果，就算流程跑通，导出的也是未加工的原始数据。
4. 异常处理不完善：当开启保存输出但没有传导出路径时，仅打印提示不中断流程，容易产生静默错误。

修正后的实现方案 #

根据两种常见使用场景，提供可直接运行的实现：

场景1：作为通用工具函数直接调用 #

适合临时处理任务，每次调用时指定输入输出路径：

import pandas as pd

def open_file_and_run_wrapper(
    target_func,
    file_in_location,
    file_out_location='',
    save_output=False,
    delimiter=',',
    *args,
    **kwargs
):
    '''
    通用适配：自动读取CSV为DataFrame，传入目标处理函数，可选导出结果
    '''
    # 校验导出参数合法性
    if save_output and not file_out_location:
        raise ValueError("开启保存输出时，必须通过file_out_location指定导出路径")
    
    # 1. 读取CSV为DataFrame
    df = pd.read_csv(file_in_location, delimiter=delimiter)
    
    # 2. 传入DataFrame与所有业务参数，执行目标处理逻辑
    process_result = target_func(df, *args, **kwargs)
    
    # 3. 按配置导出处理后的结果
    if save_output:
        # 默认不导出pandas自动生成的行索引列
        process_result.to_csv(file_out_location, index=False, delimiter=delimiter)
    
    return process_result

# 你自己写的业务处理函数，不需要做任何改动
def df_function(df, add_colname, value):
    df[add_colname] = value
    return df

正确调用方式示例：

# 读取test.csv，给数据集新增C列、列值为4，将处理后的结果保存为output.csv
result = open_file_and_run_wrapper(
    target_func=df_function,
    file_in_location='test.csv',
    save_output=True,
    file_out_location='output.csv',
    # 以下是df_function需要的业务参数，会被自动透传
    'C', 4
)

场景2：作为带参数的装饰器使用 #

如果是固定输入输出路径的重复处理任务，可以把逻辑改造成装饰器工厂，给业务函数直接绑定CSV读写能力：

def csv_io_decorator(file_in_location, file_out_location='', save_output=False, delimiter=','):
    def decorator(target_func):
        def wrapper(*args, **kwargs):
            # 参数校验
            if save_output and not file_out_location:
                raise ValueError("开启保存输出时，必须通过file_out_location指定导出路径")
            # 读取CSV
            df = pd.read_csv(file_in_location, delimiter=delimiter)
            # 执行业务逻辑
            process_result = target_func(df, *args, **kwargs)
            # 导出结果
            if save_output:
                process_result.to_csv(file_out_location, index=False, delimiter=delimiter)
            return process_result
        return wrapper
    return decorator

# 装饰你的业务函数，固定绑定输入输出配置
@csv_io_decorator(
    file_in_location='test.csv',
    save_output=True,
    file_out_location='output.csv'
)
def df_function(df, add_colname, value):
    df[add_colname] = value
    return df

# 调用时不需要再传入df，直接传业务参数即可
df_function('C', 4)

使用注意事项 #

• 导出CSV时建议默认加上index=False，避免将pandas自动生成的行索引写入文件，符合常规CSV的使用习惯
• 参数透传不需要强制按关键字传df=df，按目标函数定义的位置传参即可，对原有业务函数的兼容性更好
• 参数校验环节建议直接抛出异常，不要仅打印提示，避免流程静默失败

内容的提问来源于stack exchange，提问作者amquack