如何在自定义Python类中存储方法运行结果？类比sklearn Estimator

在sklearn中，调用LinearRegression这类Estimator实例的fit方法时，训练结果会直接存储在该实例内部，后续无需创建新对象就能调用predict等方法使用这些结果。那要怎么在自定义Python类里实现类似机制，把run_model方法的运行结果存储在类实例中？

sklearn示例代码：

lr = LinearRegression()
lr.fit(X_train, y_train)

你提供的自定义类代码：

import pandas as pd

data = pd.DataFrame({'n':[1,1,4,1],
                    'target':[36,8,0,41],
                    'string':['z', 's', 'd', 'h']})

class test:
    
    def __init__(self,
                 dataframe,
                 target,
                 features):
        
        self.dataframe=dataframe
        self.target = target
        self.features = features
    
    def x_y(self):
        X=self.dataframe[self.features]
        y=self.dataframe[[self.target]]
        
        return X, y 
    
    def run_model(self):
        X, y = self.x_y()
        list_result = X.n*4
        return list_result
        

a = test(dataframe=data, target='target', features=['n','string'])     
a.run_model()

输出：

0     4
1     4
2    16
3     4
Name: n, dtype: int64

实现方法 #

核心逻辑是在方法内部将计算结果赋值给实例的属性（用self.属性名的形式存储），和sklearn把训练参数存在self.coef_、self.intercept_这类实例属性的思路一致。

修改后的完整代码 #

import pandas as pd

data = pd.DataFrame({'n':[1,1,4,1],
                    'target':[36,8,0,41],
                    'string':['z', 's', 'd', 'h']})

class test:
    
    def __init__(self,
                 dataframe,
                 target,
                 features):
        
        self.dataframe=dataframe
        self.target = target
        self.features = features
        # 提前初始化结果属性，让类结构更清晰
        self.result_ = None
    
    def x_y(self):
        X=self.dataframe[self.features]
        y=self.dataframe[[self.target]]
        
        return X, y 
    
    def run_model(self):
        X, y = self.x_y()
        list_result = X.n*4
        # 将结果绑定到实例属性中
        self.result_ = list_result
        # 保留返回结果，不破坏原有调用习惯
        return list_result
        

a = test(dataframe=data, target='target', features=['n','string'])     
a.run_model()
# 直接通过实例属性获取结果，无需重复执行计算
print(a.result_)

关键说明 #

1. 提前初始化属性：在__init__方法里声明self.result_ = None，既明确类的结构，也能避免后续未调用run_model就访问结果时出现属性未定义的报错。
2. 存储结果到实例：在run_model中计算出结果后，用self.result_ = list_result把结果绑定到实例上，这里用下划线结尾命名是遵循sklearn的惯例（标识该属性是拟合/计算后生成的）。
3. 复用结果：后续直接通过a.result_就能获取结果，不需要重复调用run_model执行计算，节省资源。

扩展：类似predict的方法 #

如果需要像sklearn那样封装结果获取逻辑，可以新增一个方法：

def get_result(self):
    if self.result_ is None:
        raise ValueError("请先调用run_model方法生成结果")
    return self.result_

内容的提问来源于stack exchange，提问作者Henri