pythonクラス：内部関数;ネストされた点を介してアクセスします

Question

以下は私が作成したシンプルなクラスです。私はpreprocessが関数であるので、このような呼び出しが動作しないことが明らかである

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

のような内部機能にアクセスしたいと思います。どのように私が望むものを達成することができますか（私はあなたにはそれがはっきりしていることを望みます）

編集：これは単純なケースです。私は、機械学習に参加していない他のユーザーが、適切な関数を正しい順序で適用する方が簡単であることを願っています（最初は前処理、次にクラスタリング、その後のプロット）。私はちょうどそれがうまく動作する外部関数（前処理など）を削除しました。しかし、私はそのようなアプローチが合理的かもしれないと思う。

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

（以下の第二のものよりおそらく良い）第1のアプローチは、このようにして組成物を有利には、これら2つのメソッドを有するクラスのインスタンスを返すようになるであろう。

#... 
    @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) 
    #... 

を次のようにしたい（私は推測）として次にあなたが

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

または

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

をやって、あなたのサブメソッドを呼び出すことができます type Dの辞書を返すことについてどのような、そうでない場合

、

あなたがやりたいことに応じて、キャッシュするのは良い考えです。preprocessingは、呼び出されるたびに内部関数を再定義しないようにします。

---

しかし既に述べたように、これはおそらく最善の方法ではありません。