Python 面向对象的数据帧转换设计

我正在尝试将面向对象设计应用到我的数据科学项目中。对于数据清理，我们通常从一个表（dataframe）开始，然后在此dataframe上进行转换（例如，基于现有列创建一个新列，将两列添加在一起等）

我最初的想法是（在python中）创建一个类数据，该类数据将有一个底层dataframe作为私有成员，并在类中提供额外的方法来转换数据。当我走到这一步后，我想知道：

我做面向对象编程是为了做它吗？与只用纯pandas编写代码而忘记创建自己的类相比，这有什么好处吗

或者干脆做：

def clean_dataframe(df):
    df = some_operations(df)
    return df

df = clean_dataframe(df)

以完全不同的方式。一旦我们从dataframe（d0）转换到dataframe（d1），从面向对象的角度来看，我是否需要为d1创建一个新类，因为基础dataframe已经更改（例如，添加了一个新列）。在同一示例中，请注意，我们在clean_dataframe方法之后重新定义了self.\u df。
我应该改变这个变量，还是应该创建一个新的变量，甚至是一个新的类来表示转换后的数据

---

对面向对象设计非常陌生，希望获得更多的视角。

编译几个用于数据处理的辅助函数肯定是有意义的，尤其是在需要重复使用的情况下。我不太确定创建一个数据类是否有任何好处，除非有其他对象需要“捆绑”ala C-type结构

这就是说，出于建模目的，当现成的估计量似乎不够时，人们可能会经常求助于编写定制的估计量

---

关于2，在我看来，您不需要创建单独的数据帧，特别是如果唯一的区别是一个额外的列。不过，作为一个警告，我偶尔会遇到的一个问题是数据帧变得太笨重，这甚至可能会影响IDE的性能。但这也取决于原始数据帧的数据类型和大小。

请给出一个您尝试过的示例

def clean_dataframe(df):
    df = some_operations(df)
    return df

df = clean_dataframe(df)