Pandas. Metoda df.pipe(). Czytelny pipeline czyszczenia danych kampanii.

Na czym to polega w sklepie

Metoda df.pipe wywołuje funkcję przekazując DataFrame jako pierwszy argument - umożliwia łańcuch transformacji czytelny od góry do dołu. Alternatywa dla wielu tymczasowych zmiennych w skryptach analitycznych.

Przykład ze sklepu internetowego

Surowy eksport kampanii wymaga trzech kroków: parsowanie dat, filtrowanie testowych kampanii, dodanie ROAS. Zamiast trzech osobnych przypisań używasz pipe:

import pandas as pd

def parse_dates(df):
    return df.assign(date=pd.to_datetime(df["date"]))

def drop_test_campaigns(df):
    return df[~df["campaign"].str.contains("test", case=False, na=False)]

def add_roas(df):
    return df.assign(roas=df["revenue"] / df["spend"].replace(0, pd.NA))

campaigns = (
    pd.read_csv("google_ads_export.csv")
    .pipe(parse_dates)
    .pipe(drop_test_campaigns)
    .pipe(add_roas)
)

Co zrobić po stronie biznesu

• Modułowy ETL sesji GA4: filtr botów → deduplikacja → agregacja.
• Reużywalne funkcje czyszczenia współdzielone między notebookami zespołu.
• Testowanie pojedynczego kroku pipeline bez uruchamiania całości.

W skrócie

pipe to wzorzec functional programming w pandas. Nazwane funkcje kroków dokumentują pipeline lepiej niż anonimowy kod w jednej komórce.