クラスの1:1, 1:N対応について

Question

Pythonにこだわらず全般的な質問ですが、業務でクラスを書くとき困ることがあります。

具体的には、
ターゲットとなるファイルや変数に対して処理を行うクラスを想定したとき、
クラスの多重度をどのように決めるかです。

よく考えることとしては、

1:1
class xxx(object):
    def __init__(self, x):
        self.x = x
    
    def do_something(self):
        # self.x に対しての処理

1:N 
class yyy(object):
    def __init__(self):
        pass 

    def fit(y):
        # y に対する処理

のようなケース何ですが、皆さんは一般的にどの様に使い分けていますか？

私の感覚では、
1:1にすると、インスタンス生成の回数が多くなり、例えばアルゴリズムを複数のデータセットに対して適用する際に、少し冗長な感覚があります。しかし、対象のファイルがわかりやすいので、そういう面では良い面もある様に感じています。

一方、1:Nにすると、fit部分を変えるだけで色々なデータセットに適用できるため、モデルに重点をおいたクラスにできる様に感じています。（例えばsklearnとか）

時と場合によって違うことは重々承知の上で質問しています。
皆さんの感覚と経験を教えていただければとても嬉しく思います。

Answer 1

pythonのような言語を前提にするのなら、組み込みやライブラリのオブジェクトがかなりよくできていますから、敢えてファイルや変数を自作クラスでカプセル化する必要性を感じることはあまりありません。1:1のクラスなんかほとんど書いたことがない気がします。
むしろそういう処理なら、自作クラスを書かず、関数で済ませた方がすっきりする場合が多いです。うっかり設計の悪いクラスを書いてしまうと大変ですし。
sklearnのモデルのようなクラスが必要になるのは、処理対象のデータ以外にも内部に状態を持つ必要があるよときです。