如何将类属性设为DataFrame？遇Pandas警告及self未定义问题求助

希望创建对象时传入数据集，通过对象方法操作并修改数据集，示例调用如下：

my_obj = study.Study(one_study, a, b)
my_obj.addDate()

尝试第一段代码后出现警告：

import pandas as pd
class Study(pd.DataFrame):
    def __init__(self, oneStudy, m_flag, s_flag):
        super().__init__(oneStudy) # 继承DataFrame属性
        self.stdyData = pd.DataFrame(oneStudy, copy=True)
        self.stdyData.reset_index(inplace = False, drop = True)

UserWarning: Pandas doesn't allow columns to be created via a new attribute name.

替换self.stdyData = pd.DataFrame(oneStudy, copy=True)为self.stdyData = oneStudy.copy()后，警告仍存在。

修改代码后又出现语法错误：

import pandas as pd
class Study(pd.DataFrame):
    def __init__(oneStudy, m_flag, s_flag):
        super().__init__(oneStudy) # 继承DataFrame属性
        self.stdyData = pd.DataFrame(oneStudy, copy=True)
        self.stdyData.reset_index(inplace = False, drop = True)

IDE提示：self未定义

1. 先解决「self未定义」的语法错误 #

类的__init__构造方法第一个参数必须是self，这是Python类的语法规则，补上即可：

def __init__(self, oneStudy, m_flag, s_flag):

2. 解决Pandas属性警告问题 #

Pandas的DataFrame类会把实例属性当作列名处理，直接添加自定义属性（比如stdyData）会触发冲突警告，有两种靠谱的解决思路：

思路一：用组合代替继承（推荐） #

不要让Study继承DataFrame，而是把数据集作为类的内部属性持有，完全避开Pandas的内部逻辑冲突：

import pandas as pd

class Study:
    def __init__(self, oneStudy, m_flag, s_flag):
        # 保存数据集副本，避免修改原数据
        self.stdyData = pd.DataFrame(oneStudy, copy=True)
        self.stdyData.reset_index(inplace=True, drop=True)
        self.m_flag = m_flag
        self.s_flag = s_flag
    
    def addDate(self):
        # 这里编写操作数据集的业务逻辑，比如新增日期列
        self.stdyData['date'] = pd.date_range(start='2024-01-01', periods=len(self.stdyData))

# 使用示例
one_study = pd.DataFrame({'col1': [1,2,3], 'col2': [4,5,6]})
my_obj = Study(one_study, a=1, b=2)
my_obj.addDate()
print(my_obj.stdyData)

思路二：如果必须继承DataFrame，注册自定义属性 #

Pandas提供了_metadata列表，用来声明自定义属性，告诉Pandas这些不是列名：

import pandas as pd

class Study(pd.DataFrame):
    # 注册自定义属性，避免被当作列名处理
    _metadata = ['stdyData', 'm_flag', 's_flag']
    
    def __init__(self, oneStudy, m_flag, s_flag):
        super().__init__(oneStudy)
        # 基于自身创建数据集副本
        self.stdyData = self.copy()
        self.stdyData.reset_index(inplace=True, drop=True)
        self.m_flag = m_flag
        self.s_flag = s_flag
    
    def addDate(self):
        # 可以直接修改自身（继承的DataFrame），也可以修改副本stdyData
        self['date'] = pd.date_range(start='2024-01-01', periods=len(self))
        self.stdyData['date'] = pd.date_range(start='2024-01-01', periods=len(self.stdyData))

# 使用示例
one_study = pd.DataFrame({'col1': [1,2,3], 'col2': [4,5,6]})
my_obj = Study(one_study, a=1, b=2)
my_obj.addDate()
print(my_obj)
print(my_obj.stdyData)

内容的提问来源于stack exchange，提问作者Curious12345