Python类方法间数据共享：实现内部工作流的数据传递

import pandas as pd 

class DATAA():
    def __init__(self, dataset, name, path=None):
        self.dataset = dataset
        self.name = name
        self.path = path

    def readData(self):
        # 假设 self.dataset 是一个文件路径
        outputdf = pd.read_csv(self.dataset, sep=',') 
        return outputdf

    def MissingData(outputdf): # 注意这里的参数定义
        Missing_values = outputdf.isna().sum() 
        return Missing_values

# 尝试调用
# dataset = 'your_data.csv' # 假设已定义
# name = 'sample_data' # 假设已定义
# df_instance = DATAA(dataset, name)
# data_frame = df_instance.readData()
# missing_info = df_instance.MissingData() # 这里会出错，因为MissingData没有被正确调用且未接收到data_frame

import pandas as pd 

class DATAA():
    # 1. 定义一个类变量来存储共享的DataFrame
    outputdf = None 

    def __init__(self, dataset, name, path=None):
        self.dataset = dataset
        self.name = name
        self.path = path

    @classmethod
    def readData(cls, dataset_path):
        """
        类方法，负责读取数据并将其存储到类变量outputdf中。
        cls 参数代表类本身。
        """
        # 2. 通过 cls 访问并修改类变量
        cls.outputdf = pd.read_csv(dataset_path, sep=',')
        print(f"数据已加载并存储到类变量 outputdf 中，形状为: {cls.outputdf.shape}")

    def MissingData(self):
        """
        实例方法，访问类变量outputdf进行缺失值分析。
        self 参数代表类的实例。
        """
        if self.outputdf is None:
            raise ValueError("数据尚未通过 readData 方法加载。")

        # 3. 通过 self 访问类变量
        Missing_values = self.outputdf.isna().sum()
        return Missing_values

# --- 使用示例 ---
# 假设有一个名为 'sample_data.csv' 的文件
# sample_data.csv 内容示例:
# col1,col2,col3
# 1,a,10
# 2,b,20
# 3,,30
# 4,d,
# 5,e,50

# 创建一个虚拟的CSV文件用于演示
with open('sample_data.csv', 'w') as f:
    f.write("col1,col2,col3\n")
    f.write("1,a,10\n")
    f.write("2,b,20\n")
    f.write("3,,30\n")
    f.write("4,d,\n")
    f.write("5,e,50\n")

# 实例化类
dataset_file = 'sample_data.csv'
instance_name = 'my_analysis'
df_analyzer = DATAA(dataset_file, instance_name)

# 调用类方法加载数据。注意，这里直接传递文件路径给类方法
# 或者可以从实例中获取路径：df_analyzer.dataset
DATAA.readData(df_analyzer.dataset) 

# 现在，outputdf 类变量已经包含了加载的数据
# 调用实例方法进行缺失值分析
missing_data_info = df_analyzer.MissingData()
print("\n缺失值信息:")
print(missing_data_info)

# 清理测试文件
import os
os.remove('sample_data.csv')