如何在其他类中扩展Python已有staticmethod静态方法添加额外计算逻辑

首先修正原有代码的错误 #

你提供的第一个类的静态方法存在定义问题：@staticmethod 装饰的静态方法不需要传入self参数，这是你后续传参异常的核心诱因之一，修正后的第一个类方法如下：

import pandas as pd
import numpy as np

class FirstClass:
    @staticmethod
    def calculateStatisticalFeatures(inputData) -> pd.DataFrame:
        # 原有计算逻辑
        skewn, kurt, entropyVal, meanCalc = 0,0,0,0 # 替换为你的实际计算逻辑
        features = pd.DataFrame(np.array([[skewn, kurt, entropyVal, meanCalc]]), columns=['skewness', 'kurtosis','entropy', 'meanCalc'])
        return features

方案1：直接调用复用（最推荐，无需装饰器） #

这种方案逻辑最直观，参数传递无额外隐式逻辑，维护成本最低：

class SecondClass:
    def __init__(self, inputData):
        self.inputData = inputData

    def calculateExtendedFeatures(self) -> pd.DataFrame:
        # 复用第一个类的全部计算逻辑
        base_res = FirstClass.calculateStatisticalFeatures(self.inputData)
        # 新增额外计算步骤，示例为新增标准差列
        base_res['std_value'] = np.std(self.inputData)
        return base_res

调用示例：

test_data = np.random.rand(100)
second_cls = SecondClass(test_data)
res = second_cls.calculateExtendedFeatures()

方案2：装饰器实现（适合批量扩展多方法的场景） #

你之前的装饰器写法错误原因：类定义阶段self还未实例化，无法直接在装饰器参数位置读取self.inputData属性。正确的装饰器实现如下：

# 定义扩展计算的装饰器
def add_extra_calc(origin_func):
    def wrapper(self, *args, **kwargs):
        # 先执行原方法拿到基础结果
        base_res = origin_func(self, *args, **kwargs)
        # 新增额外计算逻辑
        base_res['std_value'] = np.std(self.inputData)
        return base_res
    return wrapper

class SecondClass:
    def __init__(self, inputData):
        self.inputData = inputData
    
    @add_extra_calc
    def calculateFeatures(self):
        # 调用第一个类的静态方法返回基础结果
        return FirstClass.calculateStatisticalFeatures(self.inputData)

内容的提问来源于stack exchange，提问作者horytnik