Pandas DataFrame 对象继承还是对象使用？

Question

我正在建立一个库，用来处理一些特定结构的数据，并且我的基础设施是基于Pandas的。目前，我正在为不同的使用场景编写各种数据容器，比如CTMatrix，用于存储国家和时间的数据，以便为所有国家和时间结构的数据提供合适的方法。

我现在在考虑两种选择：

选项1：对象继承

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

或者 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，这里有没有明显的选择？

到目前为止，我的想法是：

选项1：

1. 可以直接在CTMatrix类上使用DataFrame的方法（比如 CTmatrix.sort()），而不需要通过选项2中的封装对象 _data 来支持这些方法。
2. Pandas中的更新和新方法会被继承，除了那些可能会被本地类方法覆盖的方法。

但是

1. 一些方法会比较复杂，比如 __init__()，需要把属性传递给父类 super(MyDF, self).__init__(*args, **kw)。

选项2：

1. 对类及其行为有更多的控制。
2. 可能对Pandas的更新更具韧性？

但是

1. 需要使用getter()或者非隐藏属性来像使用DataFrame那样使用对象，比如 (CTMatrix.data.sort())。

选择选项1还有其他缺点吗？

Answer 1

因为遇到了一些类似的问题，还有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的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看起来像pandas DataFrame的东西，但它是安全的，可以被继承。

如果你的项目是LGPL许可证的，你可以毫无问题地重复使用它。

Answer 2

我建议不要去继承 DataFrame，因为很多 DataFrame 的方法会返回一个新的 DataFrame，而不是你自己定义的 CTMatrix 对象。

在GitHub上有一些相关的问题，比如：

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

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

更一般来说，这涉及到组合和继承的问题。我特别要提醒你注意第二个好处。现在看起来可能很不错，但如果你不时刻关注Pandas的更新（而且它更新得很快），你可能会遇到意想不到的问题，导致你的代码和Pandas紧密纠缠在一起。