如何将面向对象的编程方法应用于数据科学领域？

Question

我多次被问到，为什么在编写代码时不使用类、对象和面向对象的概念？

我做什么？

编写python脚本，从不同的源获取数据，应用预处理代码，创建必要的变量，并将这些精化变量用于建模过程。

你好？

编写必要的函数来完成特定的任务，所有的功能都会被称为自上而下、程序化的方法。对于不同的模块，我将它们保存在不同的python文件中，然后简单地导入它们。

在当前的过程中，我从未发现使用OOPs概念的动机。

你能建议我如何改进我的编码实践吗?我现在的架构中有哪些缺陷可以通过OOPs来实现呢？

Answer 1

当然也有例外，但是一般来说，OOP风格在软件工程师编写的可靠的产品代码中被更广泛地使用。非软件工程师(如数据科学家)在POC或笔记本电脑上更多地使用功能风格等。OOP将有助于避免重复发明车轮或多次编写相同或类似的代码。函数在一定程度上实现了这一点，但是类通过类继承、多态性等方式更加灵活。在更改任何东西之前，您应该考虑每种样式的优缺点和当前的情况。

使用OOP的一些原因:您与许多人一起从事大型项目，您的代码需要可靠和可移植。

坚持使用函数的一些原因等等:您与一两个其他的小项目一起工作，代码是POC，不会在生产中使用，而且生命周期很短。

Answer 2

这是一个关于面向对象编程背后的动机的非常有趣的问题。

使OOP特别吸引人的主要原因是函数和对象的可重用性，您可以在不同的分析中重用它们。例如，对于一个NLP模型，您创建了一个清除文本的函数(返回小写文本，不需要停止字)。几天后，您想要生成另一个NLP模型，它以与以前NLP模型相同的方式预处理文本。在这里，您可以将干净文本方法作为预处理类，并重复使用干净文本方法以与前面相同的方式清理文本。

OOP背后的另一个原因是它的可读性。我发现跟踪OOP代码中的bug显然比函数式编程代码容易得多。这反过来又使测试和调试类中的独立组件变得更加容易。

这就是我对它的看法，我相信每个人都有适合你和你工作的团队的编程方法。我期待着阅读其他人对这个问题的看法/答案。