如何为Python类实例动态添加返回函数值的property属性？

我翻遍了Stackoverflow上所有关于动态设置属性的解答，还是没法实现需求。我有一个Evolution_Base类，其__init__方法会创建Value_Differences类的实例。Value_Differences需要根据传入的列表动态创建property属性，这些属性要返回_get_df_change函数的计算值。

相关代码如下：

from pandas import DataFrame
from dataclasses import dataclass
import pandas as pd

class Evolution_Base():
    
    def __init__(self, res_date_0 : DataFrame , res_date_1 : DataFrame):
        
        @dataclass
        class Results_Data():          
            res_date_0_df : DataFrame               
            res_date_1_df : DataFrame            
    
        self.res = Results_Data(res_date_0_df= res_date_0,
                                res_date_1_df= res_date_1)
        
        property_list = ['abc', 'xyz']
        self.difference = Value_Differences(parent = self, property_list=property_list)
        
    
    # Shared Functions
    def _get_df_change(self, df_name, operator = '-'):
        df_0 = getattr(self.res.res_date_0_df, df_name.lower())
        df_1 = getattr(self.res.res_date_1_df, df_name.lower())
        return self._df_change(df_1, df_0, operator=operator)
        
    def _df_change(self, df_1 : pd.DataFrame, df_0 : pd.DataFrame, operator = '-') -> pd.DataFrame:
        """
        Returns df_1 <operator | default = -> df_0
        """
        # is_numeric mask
        m_1 = df_1.select_dtypes('number')
        m_0 = df_0.select_dtypes('number')
        
        def label_me(x):
            x.columns = ['t_1', 't_0']
            return x
        
        if operator == '-':
            return label_me(df_1[m_1] - df_0[m_0])
        elif operator == '+':
            return label_me(df_1[m_1] + df_0[m_0])
        
        
class Value_Differences():    
    def __init__(self, parent : Evolution_Base, property_list = []):
        self._parent = parent
    
        for name in property_list:
                        
            def func(self, prop_name):
                return self._parent._get_df_change(name)
            
            # 我试过这些写法都不行... 
            setattr(self, name, property(fget = lambda cls_self: func(cls_self, name)))
            setattr(self, name, property(func(self, name)))
            setattr(self, name, property(func))

预期效果：

evolution = Evolution_Base(df_1, df_2)
evolution.difference.abc == evolution._get_df_change('abc')  # 预期为True
evolution.difference.xyz == evolution._get_df_change('xyz')  # 预期为True

编辑：核心问题其实是——如何通过setattr为类实例设置可执行函数的property属性？

问题根源 #

1. 循环变量捕获问题：循环中定义的lambda会捕获name变量的引用，而非当前迭代的值，导致所有属性最终都使用循环最后一个name的值。
2. property的工作机制：property是类级别的描述符，直接给实例设置property对象不会触发其访问逻辑，必须定义在类层面才能生效。

方法一：动态为Value_Differences类添加property属性 #

在Value_Differences的__init__中，为每个属性名创建绑定了当前值的getter函数，并添加到类中：

class Value_Differences():    
    def __init__(self, parent : Evolution_Base, property_list = []):
        self._parent = parent
    
        for name in property_list:
            # 用闭包固定当前迭代的name值
            def create_getter(current_name):
                def getter(self):
                    return self._parent._get_df_change(current_name)
                return getter
            
            # 动态给类添加property属性
            setattr(Value_Differences, name, property(fget=create_getter(name)))

注意：这种方式会影响所有Value_Differences实例，如果多个实例传入不同的property_list，后面的实例会覆盖前面的类属性。如果需要每个实例有独立的属性集合，建议用方法二。

方法二：使用__getattr__动态处理属性访问 #

通过重写__getattr__方法，在访问属性时动态计算结果，避免提前创建大量property：

class Value_Differences():    
    def __init__(self, parent : Evolution_Base, property_list = []):
        self._parent = parent
        self._valid_properties = set(property_list)
    
    def __getattr__(self, name):
        if name in self._valid_properties:
            return self._parent._get_df_change(name)
        raise AttributeError(f"'Value_Differences' object has no attribute '{name}'")

这种方式更轻量，每个实例的属性集合独立，完全符合预期效果：访问evolution.difference.abc时，会自动调用_get_df_change('abc')返回计算结果。

验证效果 #

用方法二的代码测试：

# 假设df_1和df_2是符合要求的DataFrame实例
evolution = Evolution_Base(df_1, df_2)
print(evolution.difference.abc.equals(evolution._get_df_change('abc')))  # 输出True
print(evolution.difference.xyz.equals(evolution._get_df_change('xyz')))  # 输出True

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