我正在对两种类型的测量实施卡尔曼滤波器。我每秒进行一次GPS测量（1Hz），在一秒钟内进行100次加速度测量（100Hz）。 所以基本上我有两个大桌子，它们必须在某个时刻融合在一起。我的目标是：我真的想编写可读且可维护的代码。
我的第一种方法是：两个数据表都有一个类（因此一个对象就是一个数据表），并且我在类方法中进行了批量计算（因此几乎所有方法都包含for循环），直到我进入实际的过滤器。我发现这种方法太僵硬了。它可以工作，但是有很多数据类型转换，而且不是那么方便。
现在，我想更改代码。如果我想坚持OOP，我的第二个尝试是：每个单独的测量都是GPS_measurment或Acceleration_measurement的对象。这种方法似乎更好，但是通过这种方式可以创建成千上万的对象。
我的第三次尝试是数据驱动的设计，但是我对这种方法并不十分熟悉。
我应该使用哪种范例？还是应该通过上述范式的某种混合来解决？还是我应该只使用程序编程和pandas数据框？
答案 0 :(得分：0)
听起来您想使用pandas。顺便说一句，OOP是一个概念，而不是您硬性地明确编写的东西。一般来说，如果您打算扩展它们或封装某些功能，则只想定义自己的类。 pandas和numpy是2个模块，它们已经完成了您几乎可以要求的所有数据方面的任务，并且执行速度更快。