Python Pandas:如何遍历参数列表批量调用分组处理函数?
批量调用实现方案
- 原有代码细节修正:当前函数中调用
supplier_group.to_string()时没有接收返回值,这行代码执行后不会留存转换后的字符串结果,如果后续需要使用字符串格式的分组数据,需要将返回值赋值后再传出。
无侵入式批量遍历(不破坏原有单值调用逻辑)
原有单值调用的函数逻辑完全可以保留,只需要在外部遍历目标参数列表完成调用即可,不需要改动原函数:
Sup_list = ['a','b','c','d'] # 一次性批量调用,所有结果存入列表 batch_output = [my_function(sup_val) for sup_val in Sup_list] # 如果需要直接逐组打印结果,直接循环即可 for sup_val in Sup_list: print(my_function(sup_val))
这种方式的优势是完全兼容你原来的单值传参使用习惯,后续如果要单独提取某个sup值的分组,依然可以直接沿用原有调用方式。
改造函数支持列表入参
如果希望直接把Sup_list作为参数传给my_function,不需要在外部单独写循环,可以给函数增加入参类型判断,兼容单值、集合类参数两种传参模式:
def my_function(supplier): # 判断入参是否为可遍历的列表/元组类型 if isinstance(supplier, (list, tuple)): res_list = [] for item in supplier: single_group = df.get_group(item) # 修正原有to_string无返回的问题 res_list.append(single_group.to_string()) return res_list # 保留原有单值处理逻辑 supplier_group = df.get_group(supplier) return supplier_group.to_string()
改造完成后,不管是执行my_function('a')这种单值传参,还是执行my_function(Sup_list)批量传列表,都可以正常运行。
效率优化提示
*你当前依赖groupby对象的get_group方法获取分组,本质需要提前完成全量数据的分组计算,如果只是需要按sup列筛选对应行,完全可以直接用布尔索引实现,不需要提前做分组操作,运行效率更高:
def my_function(supplier): if isinstance(supplier, (list, tuple)): # 直接匹配sup列在目标列表中的所有行 target_data = df[df['sup'].isin(supplier)] else: # 单值匹配 target_data = df[df['sup'] == supplier] return target_data.to_string()
内容的提问来源于stack exchange,提问作者Greg
相关产品推荐
相关产品推荐

