面向对象的科学数据处理，如何巧妙地将数据、分析和可视化融入对象中？

Question

作为生物学本科生，我经常编写Python软件进行数据分析。一般的结构是：

首先需要加载一些数据，对其进行分析（如统计、聚类等），然后可视化结果。

有时，同一个实验的数据可能以不同的格式出现，可以使用不同的分析方法，并且有多种可视化方式，这些可能与所执行的分析有关或者不相关。

我很难找到一种通用的“Pythonic”面向对象方式来使它清晰易懂并具有可扩展性。应该很容易添加新的操作类型或对现有操作进行轻微变化，因此我相信应该采用面向对象编程。

我已经创建了一个数据(Data)对象，其中包含加载试验数据的方法。如果有多个数据来源，我打算创建继承类来覆盖加载函数。

之后……我不确定接下来该怎么做。我应该创建一个Analysis抽象类，每种分析类型都有一个子类（并使用它们的属性来存储结果），并针对Visualization做同样的事情，使用一个通用的Experiment对象来保存数据实例以及多个Analysis和Visualization实例吗？还是可视化应该是一个函数，它将Analysis和/或Data对象作为参数来构造图表？还有更有效的方法吗？我有什么遗漏的吗？

- Geeklhem

Answer 1

您的总体想法是可行的，以下是更多细节，希望能帮助您继续：

- 创建一个抽象的 Data 类，具有一些通用方法，如 load、save、print 等。 - 为您感兴趣的每种特定形式的数据创建具体的子类。这可能是任务特定的（例如自然语言处理的数据）或形式特定的（以矩阵形式给出的数据，其中每行对应不同的观测值）。 - 正如您所说，创建一个抽象的 Analysis 类。 - 为每种分析形式创建具体的子类。每个具体的子类都应覆盖一个 process 方法，该方法接受特定形式的 Data 并返回一个带有结果的新 Data 实例（如果您认为结果的形式与输入数据不同，则使用不同的 Result 类）。 - 创建一个可视化类层次结构。每个具体的子类都应覆盖一个可视化方法，该方法接受特定的 Data 实例（或 Result，如果您使用不同的类），并返回某种形式的图形。

我有一个警告：Python 抽象、强大且高级到足以不需要创建自己的 OO 设计 - 使用 numpy、scipy 和 matplotlib 可以始终使用最少的代码做到您想要的，因此在开始额外编码之前，请确保您需要它 :)

- dkar

---

谢谢，我会这样操作。 - Geeklhem

Answer 2

虽然您已经提出了问题有一段时间了，但这个答案可能会有所帮助。

我创建并积极开发了一个 Python 库，可以做到这一点（尽管范围略广）。它被设计成您可以完全自定义数据处理，同时仍然拥有一些基本工具（包括绘图）。

这个库叫做实验笔记（enb），可以在 Github（https://github.com/miguelinux314/experiment-notebook）和通过 pip（例如pip install enb）获得。

我建议任何感兴趣的读者查看类似教程的文档（https://miguelinux314.github.io/experiment-notebook），以了解预期的工作流程。

- mhernandez