Python,class,インスタンスからメンバー追加したが、AttribureErrorが発生する

Question

前提・実現したいこと

よろしくお願いいたします。

インスタンスへのメンバー追加とクラスへのメンバー追加の違い
メンバー追加の正しい方法
を確認したいと思っております。
ご教授いただけますと幸いです。

発生している問題・エラーメッセージ

AttributeError: 'WindowGenerator' object has no attribute 'example'

該当のソースコード

# -*- coding: utf-8 -*-

import os
import datetime

import IPython
import IPython.display
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
import tensorflow as tf

mpl.rcParams['figure.figsize'] = (12,9)
mpl.rcParams['axes.grid'] = False

import requests
from PIL import Image
from io import BytesIO

def image(url):
    req = requests.get(url)
    return Image.open(BytesIO(req.content))

import pandas_datareader.data as pdr

df = pdr.DataReader('aapl', 'yahoo', '2018/01/01')
df['Date Time'] = df.index
df.reset_index(inplace=True)
date_time = pd.to_datetime(df.pop('Date Time'), format='%d.%m.%Y %H:%M:%S')
df.drop(columns='Date', inplace=True)


# converting it to seconds:
timestamp_s = date_time.map(datetime.datetime.timestamp)

# del print

day = 24*60*60
year = (365.2425)*day

df['Day sin'] = np.sin(timestamp_s * (2*np.pi/day))
df['Day cos'] = np.cos(timestamp_s * (2*np.pi/day))
df['Year sin'] = np.sin(timestamp_s * (2*np.pi/year))
df['Year cos'] = np.cos(timestamp_s * (2*np.pi/year))

# plt.plot(np.array(df['Day sin']))
# # plt.plot(np.array(df['Day cos']))
# plt.xlabel('Time [h]')
# plt.title('Time of day signal')





"""## Split data"""

column_indices = {name:i for i, name in enumerate(df.columns)}

n = len(df)
train_df = df[0:int(n*0.7)]
val_df = df[int(n*0.7):int(n*0.9)]
test_df = df[int(n*0.9):]
num_features = df.shape[1]

train_mean = train_df.mean()
train_std = train_df.std()

train_df = (train_df - train_mean) / np.maximum(train_std, 1e-12)
val_df = (val_df - train_mean) / np.maximum(train_std, 1e-12)
test_df = (test_df - train_mean) / np.maximum(train_std, 1e-12)


df_std = (df - train_mean) / np.maximum(train_std, 1e-12)
df_std = df_std.melt(var_name='Column', value_name='Normalized')





"""# Data windowing"""

class WindowGenerator():
    def __init__(self, input_width, label_width, shift,
                 train_df=train_df, val_df=val_df, test_df=test_df,
                 label_columns=None):
        self.train_df = train_df
        self.val_df = val_df
        self.test_df =test_df

        # for column indices of 'Label'
        self.label_columns = label_columns
        if label_columns is not None:
            self.label_columns_indices = {name:i for i,name in enumerate(label_columns)}
        self.column_indices = {name:i for i,name in enumerate(label_columns)}

        # for window params
        self.input_width = input_width
        self.label_width = label_width
        self.shift = shift
        self.total_window_size = input_width + shift
        self.input_slice = slice(0, input_width)
        self.input_indices = np.arange(self.total_window_size)[self.input_slice]
        self.label_start = self.total_window_size - self.label_width
        self.label_slice = slice(self.label_start, None)
        self.label_indices = np.arange(self.total_window_size)[self.label_slice]


    def __repr__(self):
        return '\n'.join([
                          f'Total window size: {self.total_window_size}',
                          f'Input indices: {self.input_indices}',
                          f'Label indices: {self.label_indices}',
                          f'Label column name(s): {self.label_columns}'
        ])


# 2 samples
w1 = WindowGenerator(input_width=24, label_width=1, shift=1, label_columns=['Adj Close'])
w1

w2 = WindowGenerator(input_width=6, label_width=1, shift=1, label_columns=['Adj Close'])
w2



def split_window(self, features):
  inputs = features[:, self.input_slice, :]
  labels = features[:, self.label_slice, :]
  if self.label_columns is not None:
    labels = tf.stack(
        [labels[:, :, self.column_indices[name]] for name in self.label_columns],
        axis=-1)
  inputs.set_shape([None, self.input_width, None])
  labels.set_shape([None, self.label_width, None])

  return inputs, labels

WindowGenerator.split_window = split_window




# stack 3 slices,,

exam_window = tf.stack([
                        np.array(train_df[:w2.total_window_size]),
                        np.array(train_df[100:100+w2.total_window_size]),
                        np.array(train_df[200:200+w2.total_window_size])
])

exam_inputs, exam_labels = w2.split_window(exam_window)

print('All shapes: (batch, time, features)')
print(f'Window shape: {exam_window.shape}')
print(f'Inputs shape: {exam_inputs.shape}')
print(f'Labels shape: {exam_labels.shape}')

w2.example = exam_inputs, exam_labels



def plot(self, model=None, plot_col='Adj Close', max_subplot=3):
    inputs, labels = self.example
    plt.figure(figsize=(12,8))
    plot_col_index = self.column_indices[plot_col]
    max_n = min(max_subplot, len(inputs))
    for n in range(max_n):
        plt.subplot(3, 1, n+1)
        plt.ylabel(f'{plot_col} [normed]')
        plt.plot(self.input_indices, inputs[n, :, plot_col_index],
                 label='Inputs', marker='.', zorder=-10)

        if self.label_columns:
            label_col_index = self.label_columns_indices.get(plot_col, None)
        else:
            label_col_index = plot_col_index

        if label_col_index is None:
            continue

        plt.scatter(self.label_indices, labels[n, :, label_col_index],
                    edgecolors='k', label='Labels', c='#2ca02c', s=64)

        if model is not None:
            predictions = model(inputs)
            plt.scatter(self.label_indices, predictions[n, :, label_col_index],
                        marker='X', edgecolors='k', label='Predictions', c='#ff7f0e', s=64)

        if n==0:
            plt.legend()

    plt.xlabel('Time [h]')


WindowGenerator.plot = plot






def make_dataset(self, data):
    data = np.array(data, dtype=np.float32)
    ds = tf.keras.preprocessing.timeseries_dataset_from_array(
        data=data,
        targets=None,
        sequence_length=self.total_window_size,
        sequence_stride=1,
        shuffle=True,
        batch_size=32,
    )

    ds = ds.map(self.split_window)

    return ds


WindowGenerator.make_dataset = make_dataset



@property
def train(self):
    return self.make_dataset(self.train_df)

@property
def val(self):
    return self.make_dataset(self.val_df)

@property
def test(self):
    return self.make_dataset(self.test_df)

WindowGenerator.train = train
WindowGenerator.val = val
WindowGenerator.test = test





for exam_inputs, exam_labels in w2.train.take(1):
    print(f'Inputs shape (batch, time, features): {exam_inputs.shape}')
    print(f'Labels shape (batch, time, features): {exam_labels.shape}')




# by Dense

MAX_EPOCHS = 20

def compile_and_fit(model, window, patience=2):
    early_stopping = tf.keras.callbacks.EarlyStopping(monitor='val_loss',
                                                      patience=patience,
                                                      mode='min')
    model.compile(loss=tf.losses.MeanSquaredError(),
                  optimizer=tf.optimizers.Adam(),
                  metrics=[tf.metrics.MeanAbsoluteError()])

    history = model.fit(window.train, epochs=MAX_EPOCHS,
                        validation_data=window.val,
                        callbacks=[early_stopping])

    return history

dense = tf.keras.Sequential([
                             tf.keras.layers.Dense(units=64, activation='relu'),
                             tf.keras.layers.Dense(units=64, activation='relu'),
                             tf.keras.layers.Dense(units=1)

])



CONV_WIDTH = 20
conv_window = WindowGenerator(
    input_width=CONV_WIDTH,
    label_width=1,
    shift=1,
    label_columns=['Adj Close']
)




multi_step_dense = tf.keras.Sequential([
    # Shape: (time, features) => (time*features)
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(units=32, activation='relu'),
    tf.keras.layers.Dense(units=32, activation='relu'),
    tf.keras.layers.Dense(units=1),
    # Add back the time dimension.
    # Shape: (outputs) => (1, outputs)
    tf.keras.layers.Reshape([1, -1]),
])


history = compile_and_fit(multi_step_dense, conv_window)



conv_window.plot()
# AttributeError: 'WindowGenerator' object has no attribute 'example'

試したこと

インスタンスから組み込み関数dirで、メンバーを抽出できることを調べ
上記'example'がメンバーとして表示されていることを確認しました。

WindowGeneratorクラスからw2インスタンスを作成
w2.exampleと記述し、WindowGeneratorクラスへメンバーが追加できる
と認識しておりますが、、
どこか間違っているのでしょうか。

こちらのコードを参考
https://www.tensorflow.org/tutorials/structured_data/time_series
にさせていただき、何度か確認いたしましたが
こちらは
WindowGeneratorクラスへではなく、インスタンスへexampleメンバーを追加することで
その後のplot()メソッドも実行できておりました。

その違いがわからずとなっており
ご教授いただけますと幸いです。

補足情報（FW/ツールのバージョンなど）

python3.6.9
Google Colab

Answer 1

Porさんが気にしているものは、pythonではメンバーとは呼びません。pythonではメンバーという言葉は別の意味で使っていますのでインスタンス変数と呼ぶほうが良いでしょう。属性でも良いのですが、属性にはインスタンス変数やインスタンスメソッドも含むのであいまいになります。

C++やJAVAのような言語では、一つのクラスのすべてのインスタンスは同じ名前のメンバー変数や持ちますが、pythonのような言語では、一つのクラスのインスタンスがそれぞれ異なった名前のインスタンス変数を持つことが可能です。

>>> class C:
...     pass
...
>>> c1 = C()
>>> c2 = C()
>>> c1.a = 100
>>> print(c1.a)
100
>>> print(c2.a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'C' object has no attribute 'a'

https://www.tensorflow.org/tutorials/structured_data/time_series
の例では、
w2.example = example_inputs, example_labels
のあとで、
w2.plot(plot_col='p (mbar)')
をやっているので問題なく動きます。

Porさんのプログラムでも

conv_window = WindowGenerator(
    input_width=CONV_WIDTH,
    label_width=1,
    shift=1,
    label_columns=['Adj Close']
)
conv_window.example = exam_inputs, exam_labels

としてみてはどうでしょうか。

Comments

[Por]

ご回答いただき、ありがとうございます。

メンバーと呼ばず
インスタンス変数と呼ぶことについて、修正いたします。ご指摘ありがとうございます。

参照先のご確認もいただきありがとうございます。
そうでしたか、w2インスタンスでplotメソッドを呼び出しているからエラーが起きないのですね。
私のミスは
「エラー内容がWindowGeneratorクラス本体が、追加されたインスタンス変数を含んでいないことを指摘しているように読んでしまい」
「example変数追加後に作る新しいインスタンス（conv_window）は、すべてこのexampleを踏まえてインスタンスとして作成される」
と誤解してしまった

ということで合ってますでしょうか。

[ppaul]

はい、其のとおりです。

[Por]

ありがとうございます。

もう1点お伺いできますでしょうか。
参照先では
`wide_window`インスタンスの作成後、そのまま
インスタンス変数exampleが必要なplotメソッドを呼び出しておりました。

参考先では事前にwide_windowインスタンスに
インスタンス変数example追加をすることなく
wide_windowでplotメソッドを呼び出せておりまして、、

こちらは
なぜ可能となるか、教えていただくことはできますでしょうか。

[ppaul]

不完全なコードでこのままでは動かないように見えます。
Porさんが、このコードを動かしてエラーなく動いたというのであれば、その動いたコードを載せていただければ、こちらでも再現テストしてみます。

[Por]

ありがとうございます。

正確性を確保したくコードはそのままお見せしたいのですが
わかりやすくしたものはどうしても10000文字（terateilの規制以上の文字数）となってしまい、

こちらにColabノートブックの共有リンクでの
共有をさせていただいてもよろしいでしょうか。

[ppaul]

Colabノートブックとかはなるべく使わないようにしています。
その代わりに、以下の実験をしてみてください。
wide_windowを作成した直後に、以下のコードを入れて結果を見る。
print(hasattr(wide_window, 'example'))
print('example in type(wide_window).__dict__)

[Por]

ご回答いただきありがとうございます。

無事解決いたしました。
make_datasetメソッドのプロパティ作成後
exampleインスタンスを追加することで無事達成できました。

長らくご助力いただき、大変ありがとうございました。

Answer 2

「w2.exampleと記述し、WindowGeneratorクラスへメンバーが追加できる」わけではありません。

インスタンスはクラスを雛形として生成されますが、生成されたあとは クラスの定義とつながってはいませんので、インスタンスにメンバを追加してもクラスにメンバが追加されるわけではありません。

インスタンスに追加されたメンバはそのインスタンスのみで利用可能です。

Comments

[Por]

早速ご回答いただき、ありがとうございます。
やはりインスタンスだけに入るということだったのですね。

おかげさまで、今後は間違えることがなくなりそうです。
ありがとうございます。