Python中DataFrame作为方法默认参数失效的原因咨询

先看你的代码场景：

import pandas as pd

df1 = ['a']
df2 = ['a']

def some_method():
    global df1
    global df2
    df1 = pd.DataFrame({'col': [1,2,3]})  # 示例填充的DataFrame
    df2 = pd.DataFrame({'col': [4,5,6]})

def test(my_df=df1):
    print(my_df)

你遇到的问题是：调用some_method()后，df1和df2确实变成了DataFrame，但无参调用test()时，输出的还是最初的['a']；只有显式传入df1或df2当参数时，才能得到正确的DataFrame。

核心原因：Python默认参数的绑定时机是函数定义时，不是调用时 #

这是Python里一个很容易踩坑的点——函数的默认参数值，是在函数被定义的那一刻就确定并绑定了对应的对象，而不是每次调用函数时才去读取变量的当前值。

在你的代码里，test函数定义的时候，df1指向的是列表['a']，所以my_df=df1这个默认参数，直接绑定了这个列表对象。后来你调用some_method()，把df1重新赋值成了DataFrame，但这只是让df1变量指向了新的对象，之前绑定给默认参数的那个['a']列表并没有被改变，也不会自动换成新的DataFrame。

举个更简单的例子帮你理解：

x = 1
def func(a=x):
    print(a)
x = 2  # 重新赋值x
func()  # 输出1，不是2！

这里func定义时x是1，默认参数a就绑定了1这个值，之后x变成2，和a的默认值没关系了。

解决办法：用None作为占位符，在函数内部动态获取当前值 #

如果想让test()无参调用时，总能拿到df1的当前值，不要直接把全局变量当默认参数，而是把默认值设为None，然后在函数内部判断并赋值：

def test(my_df=None):
    # 如果没传参数，就取当前的df1
    if my_df is None:
        my_df = df1
    print(my_df)

这样每次调用test()的时候，都会在函数内部去读取df1的当前指向，自然就能拿到更新后的DataFrame了。

内容的提问来源于stack exchange，提问作者ekjcfn3902039