类方法结果存储最佳实践：存为类变量还是返回后供其他方法调用？

本人未接受过系统编程训练，编写类并按顺序调用其方法时，常纠结一个问题：是将方法执行结果保存为类变量，还是返回结果并作为后续方法的输入参数？以下是两种实现示例：

方式一：返回结果作为后续方法输入 #

class ProcessData:
    def __init__(self):
        pass

    def get_data(self, path):
        data = pd.read_csv(f"{path}/data.csv")
        return data

    def clean_data(self, data):
        data.set_index("timestamp", inplace=True)
        data.drop_duplicates(inplace=True)
        return data

def main():
    processor = ProcessData()
    temp = processor.get_data("path/to/data")
    processed_data = processor.clean_data(temp)

方式二：将结果保存为类变量 #

class ProcessData:
    def __init__(self):
        self.data = None

    def get_data(self, path):
        data = pd.read_csv(f"{path}/data.csv")
        self.data = data

    def clean_data(self):
        self.data.set_index("timestamp", inplace=True)
        self.data.drop_duplicates(inplace=True)
  
def main():
    processor = ProcessData()
    processor.get_data("path/to/data")
    processor.clean_data()

我猜测第二种方式更优，但也认为第一种有适用场景，想了解一般情况下的最佳实践准则。

两种方式没有绝对优劣，核心取决于类的职责定位和使用场景，以下是具体判断标准：

优先选择类变量的场景 #

• 类是状态化的流程容器：如果ProcessData的核心是围绕某一份数据完成全流程处理（获取→清洗→转换→导出），生命周期内只处理单份数据，用类变量保存数据能让调用逻辑更简洁，避免外部反复传递数据。
• 多方法需共享中间状态：如果后续还有feature_engineer、export_data等方法依赖这份数据，类变量可减少参数传递冗余，让代码结构更清晰。
• 支持链式调用：可将方法改为返回self，实现processor.get_data(path).clean_data().feature_engineer()的写法，提升代码可读性。

优先选择返回结果的场景 #

• 类是无状态工具类：如果ProcessData仅提供数据处理工具方法，无需维护持久状态，同一个实例可同时处理多份不同数据，返回结果的方式更灵活：

  processor = ProcessData()
  data1 = processor.get_data("path1")
  cleaned1 = processor.clean_data(data1)
  data2 = processor.get_data("path2")
  cleaned2 = processor.clean_data(data2)
  

• 方法需保持纯函数特性：如果clean_data仅根据输入返回输出，不依赖类其他状态，这样的方法更易单独测试、复用，也符合函数式编程思想。
• 避免隐式状态依赖：类变量的状态变化无明确标识，后续维护时可能混淆self.data是原始数据还是清洗后的数据；返回结果的方式让数据流向更清晰，每一步结果由外部变量明确持有。

折中方案 #

若想兼顾状态维护与灵活性，可提供双接口：类内部用类变量维护状态，同时让方法支持传入数据并返回结果；或添加reset_data方法清空状态，方便复用实例处理多份数据。

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