Python中如何使用pandas.read_csv创建pandas.DataFrame子类的实例

方案1：自定义类方法封装读取逻辑（最推荐） #

这种方式对原有代码侵入性最低，也完全符合面向对象的封装规范，不需要修改任何初始化参数逻辑：

import pandas as pd
class my_class(pd.DataFrame):
    def __init__(self, *args, **kwargs):
        # 自定义初始化逻辑保留即可
        super().__init__(*args, **kwargs)
    def my_func(self):
        print('New function!')
    
    # 新增类方法封装csv读取逻辑
    @classmethod
    def read_csv(cls, *args, **kwargs):
        raw_df = pd.read_csv(*args, **kwargs)
        return cls(raw_df)

使用时直接调用自定义类的read_csv方法即可得到自定义类实例：
my_df = my_class.read_csv("你的文件路径.csv")
调用my_df.my_func()可正常执行自定义方法。

方案2：覆盖_constructor属性适配全场景 #

如果需要让切片、过滤等所有pandas原生操作返回的结果都是自定义类实例，可以覆盖pandas内置的_constructor属性：

import pandas as pd
class my_class(pd.DataFrame):
    # 覆盖构造器属性，pandas所有返回新对象的操作都会调用该构造器
    _constructor = lambda self, *args, **kwargs: my_class(*args, **kwargs)
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
    def my_func(self):
        print('New function!')

这种场景下哪怕你先得到普通DataFrame，再用my_df = my_class(普通df)转换，后续所有操作返回的也都是自定义类实例。

data参数不可用的场景处理 #

如果你的自定义类特殊逻辑导致不能直接传入read_csv返回的DataFrame作为data参数，可以在类方法内拆分读取结果的核心属性传入构造器，不需要依赖data参数直接接收DataFrame对象：

@classmethod
def read_csv(cls, *args, **kwargs):
    raw_df = pd.read_csv(*args, **kwargs)
    # 单独提取核心属性传入，不需要直接把raw_df作为data参数传入
    return cls(
        data = raw_df.values,
        index = raw_df.index,
        columns = raw_df.columns
    )

如果自定义类完全不需要用data参数初始化，也可以在类方法内先初始化空的自定义实例，再手动给实例的内部_data、index、columns等属性赋值，只要保证赋值格式符合pandas内部规范即可。

额外说明：不建议直接修改__class__属性的核心原因是该操作会跳过自定义类的__init__执行流程，如果你在初始化方法中定义了自定义属性，该方式会导致属性缺失引发未知错误。

内容的提问来源于stack exchange，提问作者arax