调用含pandas concat的DataPreparation类未返回转换后DataFrame

拿不到处理后DataFrame的核心原因：

• onehotencoder_labels方法中执行pd.concat后，会生成一个全新的DataFrame对象，你把这个新对象赋值给了实例属性self.df_train、self.df_test，这步操作直接切断了实例属性和你最初传入类的外部df变量的引用关联，外部的原始df变量不会自动同步成拼接后的新对象。
• 你实例化类之后，直接查看最初传入的外部df_train、df_test变量的内容，没有从类实例的属性上读取处理完成的结果。

另外现有代码还有两处瑕疵：一是独热编码生成新列后没有删除原始的Embarked分类列，会保留冗余字段；二是众数变量名存在拼写错误（commont应为common），不影响运行但不符合编码规范。

• 实例化类后，不要读取外部原始df变量，直接访问类实例的df_train、df_test属性获取处理完成的数据集。
• 补全独热编码后的冗余列删除逻辑，修正笔误。

修复后的代码和正确使用示例：

import pandas as pd

class DataPreparation:
    
    def __init__(
        self,
        df_train: pd.DataFrame,
        df_test: pd.DataFrame
    ):
        self.df_train = df_train
        self.df_test = df_test
        self.add_embarked()
       

    def add_embarked(self):
        all_embarked = pd.concat([self.df_train.Embarked, self.df_test.Embarked])
        most_common_value_emb = all_embarked.mode()[0] 
        self.df_train.Embarked.fillna(most_common_value_emb, inplace=True) 
        self.df_test.Embarked.fillna(most_common_value_emb, inplace=True)
        self.onehotencoder_labels("Embarked")
          
    def onehotencoder_labels(self, column: str):
        one_hot_encoder_train = pd.get_dummies(self.df_train[column])
        one_hot_encoder_test = pd.get_dummies(self.df_test[column])
        self.df_train = pd.concat([self.df_train, one_hot_encoder_train], axis=1)
        self.df_test = pd.concat([self.df_test, one_hot_encoder_test], axis=1)
        # 删除原始分类列，消除冗余
        self.df_train.drop(columns=[column], inplace=True)
        self.df_test.drop(columns=[column], inplace=True)


# 调用示例
# 此处为原始读取的训练、测试数据
# df_train = pd.read_csv("train.csv")
# df_test = pd.read_csv("test.csv")

processor = DataPreparation(df_train, df_test)
# 从实例属性获取处理完成的数据集，不要使用原始外部变量
processed_train = processor.df_train
processed_test = processor.df_test

如果你需要让传入的外部原始df变量同步所有改动（包括独热编码新增列的改动），可以修改onehotencoder_labels的逻辑，不给实例属性重新赋值，而是直接在原df对象上新增列：

def onehotencoder_labels(self, column: str):
    one_hot_encoder_train = pd.get_dummies(self.df_train[column])
    one_hot_encoder_test = pd.get_dummies(self.df_test[column])
    # 直接在原df上新增列，不生成新对象
    self.df_train[one_hot_encoder_train.columns] = one_hot_encoder_train
    self.df_test[one_hot_encoder_test.columns] = one_hot_encoder_test
    self.df_train.drop(columns=[column], inplace=True)
    self.df_test.drop(columns=[column], inplace=True)

这种写法下外部变量和实例属性始终指向同一个DataFrame对象，改动会自动同步，但通常更推荐从实例属性取处理结果的写法，避免意外修改原始数据。

内容的提问来源于stack exchange，提问作者user19504753