元编程实践：使用__class__时如何从模板生成自定义类？

嘿，这个问题我刚好有实用的解决思路！你完全不用重复写那些大同小异的类，用Python的类工厂函数这种轻量元编程技巧就能搞定——比Jinja模板生成代码更灵活，还能在运行时直接生成可用的类，不需要额外的代码生成步骤。

核心思路：用工厂函数动态生成类 #

我们可以写一个通用的工厂函数，接收你想要扩展的sklearn父类（比如VarianceThreshold、SelectKBest等），然后动态生成带有feature_names追踪功能的子类。原来代码里需要修改的两处硬编码，都会被替换成动态传入的父类参数。

完整实现代码 #

import copy

def create_feature_name_tracker(base_class):
    """动态生成带有feature_names追踪功能的sklearn子类"""
    class FeatureNameTracker(base_class):
        def __init__(self, **kwargs):
            super().__init__(**kwargs)
            self.feature_names = None
            
        def get_params(self, deep=True):
            # 保留你原来的hack逻辑，只是把硬编码的类换成传入的base_class
            params = super().get_params(deep)
            cp = copy.copy(self)
            cp.__class__ = base_class
            params.update(cp.__class__.get_params(cp, deep))
            return params
            
        def fit(self, X, y=None):
            self.feature_names = list(X.columns)
            return super().fit(X, y)
    
    # 给生成的类起个符合你习惯的名字，比如VarianceThresholdN、SelectKBestN
    FeatureNameTracker.__name__ = f"{base_class.__name__}N"
    return FeatureNameTracker

怎么用这个工厂函数？ #

只需要传入你想要扩展的sklearn类，就能得到对应的自定义类：

from sklearn.feature_selection import VarianceThreshold, SelectKBest, f_regression
import pandas as pd

# 生成你原来的VarianceThresholdN
VarianceThresholdN = create_feature_name_tracker(VarianceThreshold)

# 生成另一个自定义类SelectKBestN
SelectKBestN = create_feature_name_tracker(SelectKBest)

# 测试功能
X = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6], 'c': [7,8,9]})
y = [0,1,0]

# 测试VarianceThresholdN
vt = VarianceThresholdN(threshold=0)
vt.fit(X)
print(vt.feature_names)  # 输出: ['a', 'b', 'c']
print(vt.get_params())   # 能正确获取父类的所有参数（比如threshold）

# 测试SelectKBestN
skb = SelectKBestN(score_func=f_regression, k=2)
skb.fit(X, y)
print(skb.feature_names)  # 输出: ['a', 'b', 'c']
print(skb.get_params())   # 能正确获取score_func、k等参数

为什么这个方法比重复写类好？ #

• 完全避免重复代码：不管你要扩展多少个sklearn类，只需要调用一次工厂函数就行，不用复制粘贴修改两处硬编码。
• 兼容sklearn生态：保留了你原来的get_params逻辑，生成的类能正常用于sklearn的管道、网格搜索等组件，不会出现参数识别问题。
• 灵活可控：如果以后要修改feature_names的逻辑，只需要改工厂函数里的代码，所有生成的类都会自动更新。

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