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。

我目前正在争论

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：

1. 可以直接在 CTMatrix 类（如 CTmatrix.sort()）上使用 DataFrame 方法，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. Pandas 中的更新和新方法是继承的，但可能被本地类方法覆盖的方法除外

但是

1. 与 __init__() 等某些方法的复杂性以及必须将属性传递给超类 super(MyDF, self).__init__(*args, **kw)

选项 2：

1. 对类及其行为的更多控制
2. 可能对 Pandas 中的更新更具弹性？

但是

1. 必须使用 getter() 或非隐藏属性才能像数据框一样使用对象，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，因为许多DataFrame 方法将返回一个新的DataFrame，而不是您的CTMatrix 对象的另一个实例。

在 GitHub 上有一些未解决的问题，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。我会特别警惕好处#2。现在看起来不错，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），否则您很容易会遇到意想不到的后果，并且您的代码最终会与 Pandas 交织在一起。

Answer 2

由于类似的问题和 Matti John 的回答，我为我的一个项目写了一个 _pandas_wrapper 类，因为我也想从 pandas Dataframe 继承。

https://github.com/mcocdawc/chemcoord/blob/bdfc186f54926ef356d0b4830959c51bb92d5583/src/chemcoord/_generic_classes/_pandas_wrapper.py

这个类的唯一目的是提供一个可以安全继承的 pandas DataFrame。

如果您的项目获得 LGPL 许可，您可以毫无问题地重复使用它。