python类：内部函数；通过嵌套点访问

Question

下面是我做的一个简单的类。我想访问像

这样的内部函数

obj = TestClass().TestClass(data)
obj.preprocess.gradient()

很明显，这样的调用不会起作用，因为preprocess 是一个函数。我怎样才能达到我想要的（我希望你清楚）

编辑：这是一个简化的案例。我希望其他不熟悉机器学习的用户发现以正确的顺序应用正确的功能更容易（首先是预处理，然后是例如聚类，然后是绘图）。我刚刚删除了外部功能（预处理等），它工作正常。我仍然想知道这种方法是否合理。

import numpy as np
from sklearn.preprocessing import StandardScaler

class TestClass:

    def __init__(self, data):
        self.data = data
        self._preprocessed = data

    # should not be a function but rather a "chapter" which
    # separates preprocessing from analysis method
    def preprocessing(self):

        def gradient(self):
            self._preprocessed = np.gradient(self._preprocessed, 2)[1]

        def normalize(self):
            self._preprocessed = StandardScaler().fit_transform(self._preprocessed)

    def cluster_analysis(self):

        def pca(self):
            pass

Answer 1

第一种方法（可能比后面的第二种方法更好）是返回一个拥有这两种方法的类实例，从而有利于组合。

否则，返回一个typed dict呢，如下

    #...
    @property
    def preprocessing(self):

        def gradient(self):
            self._preprocessed = np.gradient(self._preprocessed, 2)[1]

        def normalize(self):
            self._preprocessed = StandardScaler().fit_transform(self._preprocessed)

        callables_dict = {
            'gradient':gradient,
            'normalize':normalize,
        }

        return type('submethods', (object,), callables_dict)
    #...

然后你可以调用你的子方法（我猜）你想要的，做

>>> TestClass(data).preprocessing.gradient
<unbound method submethods.gradient>

或

>>> TestClass(data).preprocessing.normalize
<unbound method submethods.normalize>

根据您想要做什么，缓存preprocessing 可能是个好主意，这样就不会在每次调用时重新定义其内部函数。

---

但正如已经说过的，这可能不是最好的方法。