Pandas DataFrame对象继承还是对象使用？ [英] Pandas DataFrame Object Inheritance or Object Use?

问题描述

我正在构建一个用于处理非常具体的结构化数据的库，我正在Pandas之上构建我的基础架构。目前，我正在为不同的用例编写一堆不同的数据容器，例如CTMatrix for Country x Time Data等，以容纳适用于所有CountryxTime结构化数据的方法。

I am building a library for working with very specific structured data and I am building my infrastructure on top of Pandas. Currently I am writing a bunch of different data containers for different use cases, such as CTMatrix for Country x Time Data etc. to house methods appropriate for all CountryxTime structured data.

我目前正在讨论

选项1：对象继承

class CTMatrix(pd.DataFrame):
    methods etc. here

或选项2：对象使用

class CTMatrix(object):
    _data = pd.DataFrame

    then use getter, setter methods to control access to _data etc. 

从软件工程的角度来看，这里有一个明显的选择吗？

From a software engineering perspective is there an obvious choice here?

到目前为止，我的想法是：

My thoughts so far are:

选项1：

1. 可以直接在CTMatrix类上使用DataFrame方法（如 CTmatrix.sort（））而无需通过选项＃2中封装的 _data 对象上的方法来支持它们


2. 继承更新和Pandas中的新方法，方法除外可能被本地类方法覆盖

1. Can use DataFrame methods directly on the CTMatrix Class (like CTmatrix.sort()) without having to support them via methods on the encapsulated _data object in Option #2
2. Updates and New methods in Pandas are inherited, except for methods that may be overwritten with local class methods

但

1. 使用某些方法的并发症，例如 __ init __（）并且必须将属性传递给超类 super（MyDF，self）.__ init__ （* args，** kw）

1. Complications with some methods such as __init__() and having to pass the attributes up to the superclass super(MyDF, self).__init__(*args, **kw)

选项2：

1. 对类及其行为的更多控制


2. Pandas的更新可能更具弹性？

但是

1. 必须使用getter（）或非隐藏属性使用对象，如数据框，如（ CTMatrix.data.sort（））

1. Having to use a getter() or non-hidden attribute to use the object like a dataframe such as (CTMatrix.data.sort())

在选项＃1中采用这种方法还有其他缺点吗？

Are there any additional downsides for taking the approach in Option #1?

推荐答案

我会避免继承子类 DataFrame ，因为许多 DataFrame 方法将返回一个新的 DataFrame 而不是 CTMatrix 对象的另一个实例。

I would avoid subclassing DataFrame, because many of the DataFrame methods will return a new DataFrame and not another instance of your CTMatrix object.

有一些是开放的关于GitHub的问题，例如：

There are a few of open issues on GitHub around this e.g.:

• https://github.com/pydata/pandas/issues/60

https://github.com/pydata/pandas/issues/2485

更一般地说，这是一个构成与继承的问题。我会特别警惕＃2的好处。它现在看起来很棒，但除非你密切关注熊猫的更新（它是一个快速移动的目标），否则你很容易就会产生意想不到的后果，你的代码最终会与熊猫交织在一起。

More generally, this is a question of composition vs inheritance. I would be especially wary of benefit #2. It might seem great now, but unless you are keeping a close eye on updates to Pandas (and it is a fast moving target), you can easily end up with unexpected consequences and your code will end up intertwined with Pandas.

这篇关于Pandas DataFrame对象继承还是对象使用？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！