用于数据处理的 Python 类设计

Question

我是 python 初学者，目前正在学习 OOP。我想创建一个类，该类将从数据库中加载数据，然后对这些数据执行转换和计算。但是，我不确定应该如何设计课程。该类将有几个方法，每个方法输入都是前一个方法的输出。但是，我发现这种方式并不优雅，我觉得它不符合 OOP 的精神。

这是使用 OOP 设计此类流程的好方法吗？或者在这种情况下创建一个类来处理数据是否更有利？

请看下面我尝试做的事情：

class Data:
      def __init__(self, arg):
          self.arg = arg (attributes necessary for the loading of data)
          
      def load_data(self):
          "load the data from somewhere and reshape it so that it can be used by method1"
          return(data)

      def method1(self, data):
          "do some transformation on the data"
          return(data1)

      def method2(self, data1):
          "do some transformation on the data1"
          return(data2)

      def method3(self, data2):
           "do some transformation on the data2"
          return(data3)

      def run(self):
           data = self.load()
           data1 = self.method1(data)
           data2 = self.method2(data1)
           data3 = self.method3(data2)
           return(data3)

提前感谢您的帮助。

Answer 1

有多种技术（Python API）（Pandas、PySpark 等）利用数据处理操作，这些操作通过使用复杂的技术（使用 C++ 代码和矢量化等）进行了非常优化，在这些技术下可以产生极快的结果（有时比默认的 Python 代码快几万倍）。

即使我明白你的意思并且说得通，你可能永远不需要像这样的纯 Python 类。认为它就像其他人已经做了你提到的事情并且做得非常好，所以你不需要再关心它了。

但是，您可以使用这些 API 定义自己的方法和类，这些 API 将对数据集执行某些转换/操作，并且仍然利用它们优化的处理速度，但是这些函数可能会完成非常具体的工作，否则一般操作已经在我已经讨论过的 API。

对于比我更有经验/知识渊博的人，如果我提供了任何错误信息，请告诉我，以便我也可以提高自己。