如何在新Jupyter Notebook中复用旧分析的DataFrame，无需重复编写代码

嗨，这个需求太常见了！做数据分析的时候总不想重复跑一遍冗长的预处理代码，给你分享几个我日常用的靠谱方法，按需选就行：

方法1：用Pickle序列化保存（轻量快速） #

这是我最常用的方式，适合小到中等规模的DataFrame，操作简单速度快。
在旧Notebook里，把需要复用的DataFrame存成pickle文件：

import pickle

# 假设你的目标DataFrame叫df_old
with open('my_reused_df.pkl', 'wb') as f:
    pickle.dump(df_old, f)

然后在新Notebook里直接加载：

import pickle

with open('my_reused_df.pkl', 'rb') as f:
    df_reused = pickle.load(f)

注意：Pickle是Python专属格式，没法跨语言读取，但胜在对Python对象的支持很完整，比如带索引、自定义类型的DataFrame都能完美保存。

方法2：用HDF5存储（适合大数据） #

如果你的DataFrame特别大（比如几百万行以上），HDF5是更好的选择，它支持压缩，还能同时存储多个DataFrame。
旧Notebook里保存：

import pandas as pd

# 保存单个DataFrame，mode='w'会覆盖现有文件
df_old.to_hdf('my_data_store.h5', key='df_old', mode='w')

# 如果要存多个DataFrame，用追加模式mode='a'
# df_another.to_hdf('my_data_store.h5', key='df_another', mode='a')

新Notebook里加载指定的DataFrame：

import pandas as pd

df_reused = pd.read_hdf('my_data_store.h5', key='df_old')

方法3：用Jupyter魔法命令%store（同会话临时共享） #

如果只是临时在同一个Jupyter会话里复用，不想存文件，可以用内置的%store魔法命令，直接在内存里共享对象：
在旧Notebook里执行：

%store df_old

切换到新Notebook，执行下面的代码就能加载：

%store -r df_old

注意：这个方法只在同一个Jupyter内核会话里有效，关闭内核后共享的对象就没了，适合临时快速复用的场景。

方法4：封装成Python模块（长期规范复用） #

如果你的预处理逻辑需要长期复用，或者要和团队共享，把代码封装成模块是最规范的做法：

1. 把旧Notebook里生成DataFrame的核心逻辑整理成函数，保存为data_utils.py文件：

import pandas as pd

def get_processed_dataframe():
    # 这里复制你旧Notebook里生成df_old的代码
    raw_df = pd.read_csv('raw_data.csv')
    # 数据清洗、转换等步骤...
    processed_df = raw_df.dropna().rename(columns={'old_name': 'new_name'})
    return processed_df

2. 在新Notebook里直接导入调用：

from data_utils import get_processed_dataframe

df_reused = get_processed_dataframe()

这个方式的好处是代码可维护，后续修改预处理逻辑只需要改模块文件，所有用到的Notebook都会同步更新。

内容的提问来源于stack exchange，提问作者Joyce Lee