Julia结构化数据预处理：类式结构实现与初始化疑问

需求背景 #

需要创建一个包含数据与参数的Julia结构，供各类函数调用。初始数据是数值DataFrame，但很多函数需要将其作为矩阵使用，同时还要知晓数据维度。在Python中，对应的实现如下：

class my_class(object):
    def __init__(self, df):
        X = df.to_numpy()
        self.n, self.m = X.shape
        row_names = df.index.tolist()
        col_names = df.columns.tolist()

Foo = my_class(df)

当前困惑与实现 #

在Julia实现时，纠结两个问题：类似Python中to_numpy()、shape的操作，应该放在结构内部执行还是提前完成？是否需要使用可变结构？

目前的Julia实现代码如下：

struct MyClass
    df::DataFrame
    X::Matrix{Float64}
    n::Int64
    m::Int64
    row_names::Vector{String}
    col_names::Vector{String}
end

X = Matrix{Float64}(df[:,begin+1:end])
n, m = size(X)
row_names = df[:,begin]
col_names = names(SAT[:,begin+1:end])

Foo = MyClass(df, X, n, m, row_names, col_names)

用户提到可以把初始化代码封装成函数，但觉得这种方式比较繁琐。

优化方案 #

1. 用自定义构造函数封装逻辑（推荐） #

Julia的结构体支持自定义构造函数，完全可以把数据转换、维度计算这些逻辑封装进去，和Python的__init__逻辑对齐，不用手动提前计算所有参数：

using DataFrames

struct MyClass
    df::DataFrame
    X::Matrix{Float64}
    n::Int64
    m::Int64
    row_names::Vector{String}
    col_names::Vector{String}

    # 自定义内部构造函数
    function MyClass(df::DataFrame)
        # 提取矩阵部分（假设第一列是行名）
        data_cols = df[:, begin+1:end]
        X = Matrix{Float64}(data_cols)
        n, m = size(X)
        row_names = string.(df[:, begin])  # 确保统一为String类型
        col_names = names(data_cols)
        
        # 调用默认构造函数创建实例
        new(df, X, n, m, row_names, col_names)
    end
end

# 使用方式
Foo = MyClass(df)

这样只需要传入原始DataFrame，所有转换和计算都在构造函数内部完成，用法和Python一致，无需手动提前处理参数。

2. 是否需要可变结构？ #

如果数据后续不需要修改，优先用不可变结构体（struct），Julia对不可变类型的性能优化更好。只有当你需要在创建实例后修改内部字段（比如更新矩阵X、修改行名）时，才需要用可变结构体（mutable struct）。从需求来看，只是作为统一的数据容器供函数调用，不可变结构体足够使用。

3. 简化字段：避免冗余存储 #

注意到n和m其实是X的维度，完全可以通过size(X)直接获取，没必要单独存为字段。如果不是频繁用到，或者想减少冗余，可以去掉这两个字段，用一个简单的访问函数替代：

using DataFrames

struct MyClass
    df::DataFrame
    X::Matrix{Float64}
    row_names::Vector{String}
    col_names::Vector{String}
end

# 自定义构造函数
function MyClass(df::DataFrame)
    data_cols = df[:, begin+1:end]
    X = Matrix{Float64}(data_cols)
    row_names = string.(df[:, begin])
    col_names = names(data_cols)
    new(df, X, row_names, col_names)
end

# 获取维度的便捷函数
get_dimensions(obj::MyClass) = size(obj.X)

# 使用示例
Foo = MyClass(df)
n, m = get_dimensions(Foo)

这样既减少了冗余字段，结构更简洁，同时不影响日常使用。

内容的提问来源于stack exchange，提问作者Roger V.