python - 将变量存储为另一个变量的属性是个好习惯吗？

Question

我最近开始将变量(例如 X_train、y_train、X_test、y_test)存储为其完整数据帧的属性。当我同时使用多个数据集时，它帮助我组织不同的训练和测试数据集。这通常被认为是好的/好的做法吗？这是一个例子:

我最初学习的方式是:

X_train, X_test, y_train, y_test = train_test_split(some_dataframe[features],\
    some_dataframe[target]

我最近开始做的事情:

some_dataframe.X_train, some_dataframe.X_test,\
    some_dataframe.y_train, some_dataframe.y_test = \
    train_test_split(some_dataframe[features], some_dataframe[target]

Answer 1

tl;dr:如果您找不到真正的充分理由，请避免合并。

我认为你正在做的事情是所谓的“坏机会”的一部分。

由于我无法知道您选择背后的所有细节，我并不是说这是一个坏主意，但您对问题的描述似乎指出了将不同数据源合并在一起的常见问题。

您想要的是将所有数据重新组合到一个数据结构中，以将它们与其他数据源区分开来，所以我猜您想为什么不使用已经可用的东西，为什么不使用这个我刚刚使用的“模糊相关”数据框？

但是您应该问自己为什么这个数据结构与您想要实现的目标相关？是什么使它成为正确的数据结构？您打算将这个 df 的先前数据与新数据一起使用吗？或者你只是因为它“在那里”而选择了这个结构？

如果您没有理由专门使用此数据框，我会简单地创建一个新的数据结构，可能字典就足够了。根据您的具体情况，一些原因是:

1. 数据框可能超出了您要查找的内容。

2. 通过将不同的内容放在一起，您会失去先前数据框的一些良好属性(例如，现在数据框的尺寸是多少？有多少行？)

3. 人们/您可能会对数据框的不同部分感到困惑。例如，当您要改变数据时，您确定知道转换将应用于哪些数据吗？您还记得哪些数据是“原始”数据框的一部分以及之后添加的内容吗？

总而言之，将不同的数据(或一般的想法)融合在一个结构(概念)中总是有风险的，您应该始终出于充分的理由而这样做，而不仅仅是因为您可以。

PS:请参阅 @roganjosh 在评论中提出的问题，作为当您开始将不应该出现的东西放在一起时出现的问题的好例子。