如何编写pd.DataFrame方法？能否将自定义函数改为df.f()实例调用形式？

当然可以实现！下面给你介绍几种常用的方法，让你能通过df.f()的形式调用自定义函数，而不是f(df)：

方法1：猴子补丁（Monkey Patching） #

这是最直接快速的方式，直接把你的函数绑定到pd.DataFrame类上，成为它的一个方法：

import pandas as pd

def f(df):
    # 这里写你的自定义逻辑，比如示例中返回行数和列数的新DataFrame
    return pd.DataFrame({'行数': [df.shape[0]], '列数': [df.shape[1]]})

# 把函数f注册为DataFrame的方法
pd.DataFrame.f = f

# 测试调用
df = pd.DataFrame({'A': [1,2,3], 'B': [4,5,6]})
result = df.f()
print(result)

优缺点： #

• ✅ 优点：简单粗暴，零额外代码，不需要修改原有DataFrame的使用习惯
• ❌ 缺点：全局修改pd.DataFrame，如果其他库也给DataFrame加同名方法会冲突；大型项目中可能导致难以追踪的问题

方法2：子类化DataFrame #

如果不想污染全局的pd.DataFrame，可以自己创建一个继承自pd.DataFrame的子类，在里面定义你的方法：

import pandas as pd

class MyCustomDataFrame(pd.DataFrame):
    def f(self):
        # 这里直接用self代表当前的DataFrame实例
        return pd.DataFrame({'行数': [self.shape[0]], '列数': [self.shape[1]]})

# 使用子类创建DataFrame
df = MyCustomDataFrame({'X': [7,8,9], 'Y': [10,11,12]})
result = df.f()
print(result)

# 普通DataFrame转成自定义子类
normal_df = pd.DataFrame({'Z': [13,14,15]})
custom_df = MyCustomDataFrame(normal_df)
print(custom_df.f())

优缺点： #

• ✅ 优点：不会影响全局的pd.DataFrame，更安全，适合大型项目或需要多个自定义方法的场景
• ❌ 缺点：必须使用自定义子类，不能直接用普通的pd.DataFrame（除非手动转换）

方法3：使用Pandas官方访问器（Accessor） #

这是Pandas官方推荐的扩展方式，通过注册一个访问器，把你的方法放在一个命名空间下，避免方法名冲突：

import pandas as pd

@pd.api.extensions.register_dataframe_accessor("my_tools")
class DataFrameTools:
    def __init__(self, pandas_obj):
        self._df = pandas_obj  # 保存当前DataFrame实例
    
    def f(self):
        # 使用self._df访问当前DataFrame
        return pd.DataFrame({'行数': [self._df.shape[0]], '列数': [self._df.shape[1]]})

# 调用方式：通过访问器名称+方法名
df = pd.DataFrame({'C': [16,17,18], 'D': [19,20,21]})
result = df.my_tools.f()
print(result)

优缺点： #

• ✅ 优点：官方规范，不会和原有方法冲突，可以把多个相关自定义方法放在同一个访问器下，便于管理
• ❌ 缺点：调用时需要多写一层访问器名称（比如df.my_tools.f()而不是df.f()）

选择建议 #

• 小脚本/快速验证：优先用猴子补丁
• 大型项目/需要多个自定义方法：优先用子类化或官方访问器

内容的提问来源于stack exchange，提问作者Garvey