如何在类实例化时为DataFrame属性创建别名？附类设计优化建议

问题原因与解决方法 #

你当前的核心问题是：只修改了局部别名_df，但未将处理后的DataFrame赋值回self.table_as_df。Pandas的链式操作（rename/assign/transpose）会返回新的DataFrame对象，原对象不会被自动修改，所以你只是把处理结果存在了临时变量_df里，self.table_as_df仍保留初始值。

修改后的代码如下，直接将链式操作结果赋值回self.table_as_df即可：

import pandas as pd

class Report:
    
    def __init__(self, t=pd.DataFrame({'col1': [1, 2]}), n=None):
        self.name = n
        self.table_as_df = t
        
        _df = self.table_as_df
        # 关键：把处理后的结果赋值回类属性
        self.table_as_df = _df.rename(columns={'col1': 'col2'}) \
                              .assign(col3=['A', 'B']) \
                              .transpose()
               
report = Report().table_as_df
print(report)

运行后会得到你预期的输出：

0  1
col2  1  2
col3  A  B

类设计优化建议 #

1. 修复可变默认参数的隐患

Python中可变默认参数（比如你用pd.DataFrame作为t的默认值）只会在类定义时初始化一次，后续实例化如果不传t，会复用同一个DataFrame对象，容易导致意外的共享修改。建议改成：

def __init__(self, t=None, n=None):
    self.name = n
    # 内部创建默认DataFrame，避免复用问题
    if t is None:
        self.table_as_df = pd.DataFrame({'col1': [1, 2]})
    else:
        # 对传入的DataFrame做拷贝，防止外部修改影响类内数据
        self.table_as_df = t.copy()

2. 拆分逻辑，提升可读性

把DataFrame的处理逻辑抽成单独的私有方法，让__init__更简洁，也方便后续维护扩展：

class Report:
    def __init__(self, t=None, n=None):
        self.name = n
        self.table_as_df = self._get_default_table() if t is None else t.copy()
        self._process_table()
    
    # 单独定义默认表格的生成逻辑
    def _get_default_table(self):
        return pd.DataFrame({'col1': [1, 2]})
    
    # 单独定义表格处理逻辑
    def _process_table(self):
        _df = self.table_as_df
        self.table_as_df = _df.rename(columns={'col1': 'col2'}) \
                              .assign(col3=['A', 'B']) \
                              .transpose()

3. 增强封装性

如果不想外部直接修改类内的表格数据，可以将table_as_df设为私有属性（命名为_table_as_df），并提供一个获取方法：

class Report:
    # ...（其他代码不变）
    def get_table(self):
        # 返回拷贝，避免外部修改内部数据
        return self._table_as_df.copy()

4. 提升灵活性

如果后续需要支持不同的表格处理规则，可以将处理逻辑做成可配置的，比如允许传入处理函数，让类的通用性更强。

内容的提问来源于stack exchange，提问作者VERBOSE