创建继承类或使用父对象实例初始化的类更好吗？

Question

我喜欢Python在模块之间的相对导入和代码简洁性。在对大量数据集执行操作时，我将使用python作为主要框架，然后可以通过使用FORTRAN等速度更快的语言编写的即插即用模块来处理计算量大的部分

在我当前的状态下，我有一个名为sigmareader的包，它本质上是一个类；类是在__init__.py中定义的，而方法是从它们各自的包中调用的。sigmareader的结构如下所示：

sigmareader
├── __init__.py
├── _reader
│   ├── ...
├── ...

为了读取数据，我创建了sigmareader的一个实例，并使用reader方法。中的读取数据以适当的形式存储在实例的self属性中

这本身就是一项相当繁重的计算任务。现在读取并存储数据后，我想继续进行产品计算。我预计产品计算同样复杂且计算量很大，因此我想将其作为一个单独的包，名为sigmaproduct：

sigmaproduct
├── __init__.py
├── _cloudproduct
│   ├── ...
├── ...

产品计算需要输入存储在sigmareader实例中的读取数据。我认为有三种方法可以做到这一点

第一种方法 使sigmaproduct成为sigmareader的子类

要说明工作流，请执行以下操作：

sigmaproduct_ins = sigmaproduct()

for dataset in dataset_lst:
    sigmaproduct_ins.reader(dataset) # storing read data in instance
    sigmaproduct_ins.cloudproduct() # reading and storing cloudproduct in instance

    ...further operations

第二种方法 使sigmaproduct成为一个独立类，它使用sigmareader的实例进行初始化。如果sigmareader的实例已经激活了它的方法；i、 它已经将读取的数据存储在它的self属性下

要说明工作流，请执行以下操作：

sigmareader_ins = sigmareader()

for dataset in dataset_lst:
    sigmareader_ins.reader(dataset) # storing read data in instance
    sigmaproduct_ins = sigmaproduct(sigmareader_ins) # creating instance of sigmaproduct
    sigmaproduct_ins.cloudproduct() # reading and storing cloudproduct in instance

    ...further operations

第三种方法 使sigmaproduct成为一个独立的类，它初始化为一个泛型对象，就像sigmareader；i、 e.它的初始化独立于数据集。相反sigmaproduct的方法需要sigmareader实例的输入来计算乘积

要说明工作流，请执行以下操作：

sigmareader_ins = sigmareader()
sigmaproduct_ins = sigmaproduct()

for dataset in dataset_lst:
    sigmareader_ins.reader(dataset) #storing read data in instance
    sigmaproduct_ins.cloudproduct(sigmareader_ins) #computing and storing data stored in sigmareader_ins

    ... futher operations

---

由于每个包中有许多不同的方法，我希望尽可能保持sigmareader和sigmaproduct作为独立的类，因此我不喜欢使用第一种方法

然而，dataset_lst包含大量的dataset，因此我正在寻找计算上最优化的方法。哪一个是最好的？每种方法的优点和缺点是什么？有没有其他我错过的最佳方法