Python 方法链接而不永久改变对象

目前我正在学习如何编写python类和方法链接。基本上，我想要一个python（2.7）类，它保存我的数据，并具有（可链接的）方法，允许我在不改变原始数据的情况下过滤数据。我用谷歌搜索了一下，似乎我的答案可能与

返回self

有关，但我不确定如何实现它，以使这些方法不会改变我的原始数据

假设我有一个数据存储在一个名为

file

的excel文件中，如下所示：

+--------+-----+-------+
|个人|性别|得分|
+--------+-----+-------+
|A | M | 10|
|B | F | 9|
|C | M | 8|
|D | F | 7|
+--------+-----+-------+

我想编写一个名为

MyData

的类，这样我就可以进行一些基本的数据调用和过滤

这就是我目前得到的

class MyData:
    def __init__ (self, file):
        import pandas as pd
        self.data = pd.read_excel (file)
        self.Person = self.data['Person']
        self.Sex = self.data['Sex']
        self.Score = self.data['Score']

    def male_only(self):
        self.data = self.data[self.Sex=="M"]
        self.Person = self.Person[self.Sex=="M"]
        self.Score = self.Score[self.Sex=="M"]
        self.Sex = self.Sex[self.Sex=="M"]
        return self

    def female_only(self):
        self.data = self.data[self.Sex=="F"]
        self.Person = self.Person[self.Sex=="F"]
        self.Score = self.Score[self.Sex=="F"]
        self.Sex = self.Sex[self.Sex=="F"]
        return self

这似乎是可行的，但可悲的是，我的原始数据被这段代码永久地改变了。例如：

Data=MyData（文件）
数据
>>>数据
个人性别得分
上午10点零分
1 B F 9
2cm8
三维F 7
Data.male_only（）.数据
>>>Data.male_only（）.数据
个人性别得分
上午10点零分
2cm8
数据
>>>数据
个人性别得分
上午10点零分
2cm8

---

我想要一个类，它为

Data.male_only（）.Person

和

Data.Person.male_only（）

或

Data.male_only（）.Data

和

Data.Data.male_only（）返回相同的答案

无需永久变异

Data.Data

或

Data.Person

当您编写

self.Data=…

时，您可以在第1行中显式修改self.Data。您可以返回数据的新实例：

    def male_only(self):
        newdata = MyData()
        newdata.data = self.data[self.Sex=="M"]
        newdata.Person = self.Person[self.Sex=="M"]
        newdata.Score = self.Score[self.Sex=="M"]
        newdata.Sex = self.Sex[self.Sex=="M"]
        return newdata

根据您的意见，这里有一个过滤器解决方案的建议：有一些函数可以激活一些标志/过滤器，然后您必须编写函数来获取属性：

# self.filters should be initialized to [] in __init__
def male_only(self):
    self.filters.append('male_only')
def person(self):
    if "male_only" in self.filters:
        return self.Person[self.Sex=="M"]
    else: 
        return self.Person

---

要想知道这是否有意义，你应该真正完成你的测试用例来帮助你修正你的想法（最好先写测试用例，然后再写类）。

我想详细说明一下@Demi Lune的答案。我认为没有一种方法可以绕过创建

MyData

实例、修改它并从链方法返回它。这类事情首先起作用的全部原因是，所有的链方法都属于同一个类，并且它们返回该类的一个实例

例如，

str.swapcase

、

str.zfill

和

str.replace

都是

str

的一部分，它们都返回

str

s

>>> string = "Hello World"
>>> string.swapcase().zfill(16).replace("L", "T")
'00000hETTO wORTD'
>>> string
'Hello World'
>>> 

---

您试图做的（

Data.Person.male_only（）

）打破了这种模式，因为现在暗示方法

male_only

不是

MyData

类的一部分，而是属于

Person

对象的方法。什么是

self.Person

或

self.data[“Person”]

？我对熊猫不是很熟悉。它是一根绳子吗？字符串列表？在任何情况下，不管是什么，您试图实现的基本目标都是在该类型的类中添加一个名为

male\u only

的新方法。

我同意@Demi Lune

我更改了OP的代码，以便

male_only（）

和

memale_only（）

方法始终返回其所属对象的副本。我更改了

\uuuu init\uuuu（）

方法，因为我认为您不希望每次创建新对象时都调用

pd.read\u csv（）

方法。所以

male\u only（）

和

memale\u only（）

方法总是返回新对象，它不会对其他对象产生影响

import pandas as pd

# Added for creating file on memory.
import io
csv = '''Person,Sex,Score
p1,M,1
p2,M,2
p3,M,3
p4,F,4
p5,F,5
p6,F,6'''
file = io.StringIO(csv)

class MyData:
    def __init__ (self, file=None, data=None):
        import pandas as pd
        if file:
            self.data = pd.read_csv(file)
        else:
            self.data = data
        self.Person = self.data['Person']
        self.Sex = self.data['Sex']
        self.Score = self.data['Score']

    def copy_d(self):
        return MyData(data=self.data.copy())

    def male_only(self):
        d = self.copy_d()
        d.data = self.data[self.Sex=="M"]
        d.Person = self.Person[self.Sex=="M"]
        d.Score = self.Score[self.Sex=="M"]
        d.Sex = self.Sex[self.Sex=="M"]
        return d

    def female_only(self):
        d = self.copy_d()
        d.data = self.data[self.Sex=="F"]
        d.Person = self.Person[self.Sex=="F"]
        d.Score = self.Score[self.Sex=="F"]
        d.Sex = self.Sex[self.Sex=="F"]
        return d

d = MyData(file)
print(d.female_only().data)
#   Person Sex  Score
# 3     p4   F      4
# 4     p5   F      5
# 5     p6   F      6

print(d.male_only().data)
#   Person Sex  Score
# 0     p1   M      1
# 1     p2   M      2
# 2     p3   M      3

print(d.data)
#   Person Sex  Score
# 0     p1   M      1
# 1     p2   M      2
# 2     p3   M      3
# 3     p4   F      4
# 4     p5   F      5
# 5     p6   F      6

但是，如果您只是使用

pandas.DataFrame

，另一种方法就是使用裸

pandas.DataFrame

。首先，在大多数情况下，

pandas.DataFrame

对象已经具有与列名称相等的属性名称。所以实际上，您不需要定义诸如

Person

、

Sex

、

Score

之类的属性，因为它已经存在于DataFrame对象中

即：

因此，您的

仅限男性（）

和

仅限女性（）

方法编写如下

import pandas as pd

# Added for creating file on memory.
import io
csv = '''Person,Sex,Score
p1,M,1
p2,M,2
p3,M,3
p4,F,4
p5,F,5
p6,F,6'''
file = io.StringIO(csv)

def male_only(df):
    return df[df.Sex=='M']

def female_only(df):
    return df[df.Sex=='F']

df = pd.read_csv(file)
male_only(df)
# In [1034]: male_only(df)
# Out[1037]: 
#   Person Sex  Score
# 0     p1   M      1
# 1     p2   M      2
# 2     p3   M      3

female_only(df)
# In [1038]: female_only(df)
# Out[1041]: 
#   Person Sex  Score
# 3     p4   F      4
# 4     p5   F      5
# 5     p6   F      6

---

我希望它能对您有所帮助。

如果您不想改变正在调用这些方法的对象，那么显然您需要返回一个新对象，而不是

self

。您当前的

\uuuu init\uuuu（）

并不是很理想，因为它只允许您从文件而不是从现有的数据帧创建新的

MyData

。@jasonharper我对这一点非常陌生，但我目前的理解是

返回自我

对于方法链接是必不可少的。。。对于

Data.male_only（）.Person

和

Data.Person.male_only（）

返回相同答案而不永久更改

Data.Person

的代码示例，将不胜感激。非常感谢。谢谢你的回答。然而，我不认为这是我要找的。例如，此解决方案适用于

Data.Person.male_only（）.Person

，但对于

Data.Person.male_only（）

，它将失败。然后，另一种可能是使用某种“查看/筛选”功能管理对象。你应该用更多你想做的例子或测试用例来丰富你的问题。我会用“过滤”解决方案来编辑我的答案。这不是我想要的，但肯定是一个很酷的技巧。

person

方法实际上非常有用。非常感谢更新的答案。非常感谢。你的回答很有帮助，我想这就是我想要的。只是澄清一下，它并不是专门使用

pandas.DataFrame

。这只是一个关于python类的练习，该类包含允许用户操作返回对象而无需永久更改的方法

import pandas as pd

# Added for creating file on memory.
import io
csv = '''Person,Sex,Score
p1,M,1
p2,M,2
p3,M,3
p4,F,4
p5,F,5
p6,F,6'''
file = io.StringIO(csv)

def male_only(df):
    return df[df.Sex=='M']

def female_only(df):
    return df[df.Sex=='F']

df = pd.read_csv(file)
male_only(df)
# In [1034]: male_only(df)
# Out[1037]: 
#   Person Sex  Score
# 0     p1   M      1
# 1     p2   M      2
# 2     p3   M      3

female_only(df)
# In [1038]: female_only(df)
# Out[1041]: 
#   Person Sex  Score
# 3     p4   F      4
# 4     p5   F      5
# 5     p6   F      6