数据科学和机器学习项目中文件的正确命名约定是什么？
我相信Python类的文件名应为名词。但是，我想明确指出是将类命名为主题名词还是宾语名词。
我应该使用其中哪些？
1）输出绘图的类。
visualization.py，visualizer.py，vis.py或...
2）用于分析数据集并输出包含结果的文件的类。
analysis.py，analyzer.py或...
3）将数据集隐藏为修补文件的类。
preprocessor.py，preprocessing.py，prepare.py或...
（我检查了PEP8，但找不到文件名的明确命名转换）
答案 0 :(得分：2)
在PEP-8命名约定部分中，您将找到正确的方法。
在pep-8中还讨论了命名约定不明确的问题。
因此，如果您想要一种正确的方法（另一组织遵循的方法），请转到GitHub（例如tensorflow），了解他们如何维护所维护项目的命名约定。
您可以按照此处的结构开始进行项目。
没有固定的内容。这完全取决于您要如何构造它。它应该更好，易于阅读和维护。
答案 1 :(得分：2)
主要取决于所使用的数据类型或采样类型，或特定类文件的结果是什么 下面是示例，可能对结构和命名很有帮助。 https://github.com/uwescience/shablona
数据集的文件命名约定
最佳做法是名称具有描述性-它们反映了文件的内容。保持一致–对项目中的所有文件（包括数据集文件和zip或tar文件）使用相同的格式。建议的一些属性包括：
唯一标识符或项目名称/缩写 PI 位置/空间坐标 学习年份 数据类型 版本号 文件类型 最多使用32个字符。仅使用数字，字母和下划线。请勿使用特殊字符，破折号，空格或多个点或停止点。避免使用通用术语（“数据”，“样本”，“最终”或“修订”）。使用一致的大小写–全部为小写，或全部为大写，或全部为小写。日期应采用标准格式YYYYMMDD，以便按时间顺序进行排序。
顺序编号应允许增长，并包括前导零。您有100个档案吗？编号应从001到100。