8

作为一名生物学本科生，我经常编写 python 软件以进行一些数据分析。一般结构总是：

有一些数据要加载，对（统计、聚类...）执行分析，然后可视化结果。

有时对于同一个实验，数据可以采用不同的格式，您可以采用不同的方式来分析它们，并且可能有不同的可视化，这可能取决于或不取决于所执行的分析。

我正在努力寻找一种通用的“pythonic”和面向对象的方式来使其清晰且易于扩展。添加新类型的操作或对现有操作进行轻微更改应该很容易，所以我非常相信我应该使用 oop 来做到这一点。

我已经用加载实验数据的方法完成了一个Data对象。如果我有多个数据源以覆盖加载功能，我计划创建继承类。

在那之后......我不确定。我应该为每种类型的分析做一个带有子类的Analysis抽象类（并使用它们的属性来存储结果），并为Visualization做同样的事情，用一个包含 Data 实例和多个Analysis and Visualization实例的通用Experiment对象？或者可视化应该是采用分析和/或数据对象作为参数以构造图的函数吗？有没有更有效的方法？我错过了什么吗？

4

1 回答 1

5

您的一般想法会起作用，这里有一些更多细节，希望能帮助您继续：

  • 创建一个抽象Data类，使用一些通用方法，如,load等。saveprint
  • 为您感兴趣的每种特定形式的数据创建具体的子类。这可能是特定于任务的（例如用于自然语言处理的数据）或特定于形式的（以矩阵形式给出的数据，其中每一行对应于不同的观察）
  • 如您所说，创建一个抽象分析类。
  • 为每种分析形式创建具体的子类。每个具体的子类都应该重写一个方法，该方法process接受特定形式的Data并返回带有结果的Data的新实例（如果您认为结果的形式与输入数据的形式不同，请使用不同的类Result）
  • 创建可视化类层次结构。每个具体的子类都应该覆盖一个方法，该方法visualize接受一个特定的数据实例（或者如果你使用不同的类，则为结果）并返回某种形式的图表。

我确实有一个警告：Python 是抽象的、强大的和高级的，以至于您通常不需要创建自己的 OO 设计——总是可以使用最小的代码来做你想做的事numpy，scipy和matplotlib，所以之前开始做额外的编码确保你需要它:)

于 2013-07-11T16:41:48.137 回答