python - Pandas DataFrame 对象继承还是对象使用？

Question

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

我目前正在辩论

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，这里有明显的选择吗？

到目前为止，我的想法是:

选项 1:

可以直接在 CTMatrix 类(如 CTmatrix.sort())上使用 DataFrame 方法，而不必通过封装的 _data 上的方法支持它们选项 #2 中的对象

Pandas 中的 Update 和 New 方法是继承的，除了可能被本地类方法覆盖的方法

但

一些方法的并发症，例如 __init__()并且必须将属性传递给父类(super class) super(MyDF, self).__init__(*args, **kw)

选项 2:

更好地控制类及其行为

可能对 Pandas 的更新更有弹性？

但

必须使用 getter() 或非隐藏属性才能像数据帧一样使用对象，例如 ( CTMatrix.data.sort() )

采用选项 #1 中的方法是否还有其他缺点？

Answer 1

我会避免子类化 DataFrame ，因为很多DataFrame方法将返回一个新的 DataFrame而不是您的 CTMatrix 的另一个实例目的。

GitHub 上有一些围绕此问题的未解决问题，例如:

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

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

更一般地说，这是一个组合与继承的问题。我会特别警惕利益#2。现在看起来可能很棒，但除非您密切关注 Pandas 的更新(而且它是一个快速移动的目标)，否则很容易导致意外后果，并且您的代码最终会与 Pandas 交织在一起。