Python中多产品差异化参数配置的结构化存储及调用方案

你当前的需求是批量管理上百个产品的价格运算配置，还要支持迭代调用，原来用后缀区分变量的方式完全无法支撑规模化维护，下面是符合Python最佳实践的实现方案：

优先推荐：通用数据类+集中配置管理 #

不要给每个产品单独定义类，上百个产品要维护上百份类代码完全不现实，你可以先定义一个通用的配置数据类，所有产品都复用这个类生成实例，再把所有实例集中放在列表/字典里统一管理即可。

实现代码示例 #

from dataclasses import dataclass
import pandas as pd
from typing import List, Optional, Union, Callable

# 定义通用的产品价格配置类，所有产品复用
@dataclass
class ProductPriceConfig:
    product_id: Union[int, str]
    factors: List[str]
    operations: List[Optional[str]]
    custom_functions: List[Optional[Union[str, Callable]]]
    rounding: List[Optional[bool]]
    rounding_decimals: List[Optional[int]]

    # 把生成运算配置表的逻辑封装到类内部，避免重复写代码
    def get_operation_summary(self) -> pd.DataFrame:
        # 可以在这里加配置校验，比如检查各列表长度是否和factors一致，避免配置错误
        if len(self.operations) != len(self.factors):
            raise ValueError(f"产品{self.product_id}的运算配置长度和因子数量不匹配")
        return pd.DataFrame(
            list(zip(self.operations, self.custom_functions, self.rounding, self.rounding_decimals)),
            index=self.factors,
            columns=['operation', 'custom_functions', 'rounding', 'rounding_decimals']
        )

# 所有产品的配置集中存放在列表里，新增产品直接往里面加条目即可
all_product_configs = [
    # 产品1配置
    ProductPriceConfig(
        product_id=1,
        factors=['BaseAmount','Factor1','Factor2','Factor3','Factor4','Factor5'],
        operations=[None,'x','x','x','x','+'],
        custom_functions=[None,None,None,None,'custom_function_1(df, 0.15)',None],
        rounding=[None,False,True,True,False,True],
        rounding_decimals=[None,None,1,0,None,0]
    ),
    # 产品2配置
    ProductPriceConfig(
        product_id=2,
        factors=['BaseAmount','Factor1','Factor6','Factor5','Factor7'],
        operations=[None,'x','x','+','+'],
        custom_functions=[None,None,None,'custom_function_2(df, 0.15)',None],
        rounding=[None,False,True,True,True],
        rounding_decimals=[None,None,0,0,0]
    )
    # 其他上百个产品的配置直接往后面加就行
]

迭代调用方式 #

你要批量处理所有产品的时候直接遍历配置列表即可：

for config in all_product_configs:
    print(f"正在处理产品{config.product_id}")
    op_summary = config.get_operation_summary()
    # 这里直接调用你原来写的通用价格优化函数，传入配置即可
    # your_price_optimize_func(op_summary, ...)

扩展方案：配置文件化管理 #

如果后续需要非技术人员维护配置，还可以把所有配置存到YAML/JSON/CSV文件里，程序启动时统一加载生成配置实例，不需要修改代码就能新增/修改产品配置。

以YAML配置为例，配置文件内容如下：

- product_id: 1
  factors: ["BaseAmount","Factor1","Factor2","Factor3","Factor4","Factor5"]
  operations: [null,"x","x","x","x","+"]
  custom_functions: [null,null,null,null,"custom_function_1(df, 0.15)",null]
  rounding: [null,false,true,true,false,true]
  rounding_decimals: [null,null,1,0,null,0]
- product_id: 2
  factors: ["BaseAmount","Factor1","Factor6","Factor5","Factor7"]
  operations: [null,"x","x","+","+"]
  custom_functions: [null,null,null,"custom_function_2(df, 0.15)",null]
  rounding: [null,false,true,true,true]
  rounding_decimals: [null,null,0,0,0]

加载代码示例：

import yaml

with open("product_configs.yaml", "r", encoding="utf-8") as f:
    config_raw_list = yaml.safe_load(f)

all_product_configs = [ProductPriceConfig(**config_raw) for config_raw in config_raw_list]

原有写法的问题说明 #

你之前设想的每个产品单独写一个类的方案可维护性极差，上百个产品就要写上百个类，后续要修改配置字段需要改动所有类，完全不符合代码复用原则。另外你写的product_1.self.factors 是语法错误，类需要先实例化，正确写法是product_1().factors。

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