如何让自定义类实例的Pandas DataFrame属性支持直接访问

要实现无需显式访问.data属性直接操作DataFrame的效果，通过重写Python类的魔法方法做操作转发即可，不需要修改原有业务逻辑，同时兼容已经实现的迭代器功能。

完整实现代码 #

import pandas as pd

class Dataset():
    def __init__(self, name, data: pd.DataFrame, output):
        self.name = name
        self.data = data
        self.output = output

    def __getitem__(self, key):
        # 转发所有[]索引、切片操作到内部DataFrame
        return self.data[key]
    
    def __setitem__(self, key, value):
        # 支持DataFrame列赋值操作，例如 my_dataset['col'] = val
        self.data[key] = value

    def __getattr__(self, attr_name):
        # 转发所有属性访问、方法调用到内部DataFrame
        if attr_name == 'data':
            raise AttributeError()
        return getattr(self.data, attr_name)

    # 保留已实现的迭代器逻辑即可，示例为按DataFrame迭代规则遍历
    def __iter__(self):
        return iter(self.data)
    
    # 可选：支持len()方法获取数据集行数
    def __len__(self):
        return len(self.data)

效果验证 #

修改后即可直接使用期望的简写写法，所有pandas原生操作都支持：

# 示例加载iris数据集
import seaborn as sns
iris_data = sns.load_dataset('iris')

my_dataset = Dataset('iris', iris_data, 'outputs/')

# 目标简写写法，无需显式写.data
duplicates = my_dataset[my_dataset.duplicated()]

# 其他pandas操作可直接调用
print(my_dataset.head())
my_dataset['new_col'] = my_dataset['sepal_length'] * 2
print(len(my_dataset))

# Dataset自定义属性不受影响，正常访问
print(my_dataset.name)
print(my_dataset.output)

# 迭代功能正常使用
for row in my_dataset.itertuples():
    print(row)

实现说明 #

• 所有pandas DataFrame的原生方法、属性、索引操作都会自动转发，不需要逐个封装，后续pandas版本新增的API也可以直接调用
• Dataset自定义属性（name/output）的访问优先级高于转发逻辑，不会和DataFrame的同名属性产生冲突
• 如果需要支持更多内置操作（例如in判断、上下文管理等），只需要增加对应魔法方法转发到self.data即可

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