经典题型04

面向对象与高级特性

1. 定义类方法（实例方法）实现求和

class Calculator:
    def __init__(self, num1, num2):
        # 初始化实例属性
        self.num1 = num1
        self.num2 = num2

    def add(self):
        # 实例方法求和
        return self.num1 + self.num2

# 使用示例
calc = Calculator(5, 7)
print(calc.add())  # 输出：12

 

2. 单例模式实现

class Singleton:
    _instance = None  # 类属性保存唯一实例

    def __new__(cls, *args, **kwargs):
        # 控制实例化过程
        if not cls._instance:
            # 创建新实例并初始化
            cls._instance = super().__new__(cls)
            cls._instance.init_settings(*args, **kwargs)
        return cls._instance

    def init_settings(self, value=None):
        # 初始化方法（只执行一次）
        self.value = value

# 使用示例
s1 = Singleton(value=100)
s2 = Singleton(value=200)

print(s1 is s2)        # 输出：True（是同一个实例）
print(s1.value)        # 输出：100（后续初始化不会覆盖值）
print(s2.value)        # 输出：100

关键点说明：

1. 类与对象示例：

   • 使用 __init__ 初始化实例属性

   • 通过实例方法 add() 实现求和功能

   • 需要先创建实例再调用方法

2. 单例模式实现：

   • 通过重写 __new__ 方法控制实例创建

   • 使用类属性 _instance 存储唯一实例

   • 添加 init_settings() 方法实现安全初始化

   • 所有实例共享相同的对象ID

   • 后续实例化不会覆盖已存在的属性值

 

3. Lambda匿名函数

# 基础语法：lambda 参数: 表达式
square = lambda x: x**2  # 平方函数
cube = lambda x: x**3    # 立方函数

print(square(5))  # 输出 25
print(cube(3))    # 输出 27

# 直接结合使用（无需定义变量）
numbers = [1, 2, 3, 4]
squared = list(map(lambda x: x**2, numbers))
print(squared)  # 输出 [1, 4, 9, 16]

 

4.高阶函数应用

map() - 数据转换

# 将字符串列表转为大写
words = ["hello", "world", "python"]
upper_words = list(map(str.upper, words))
print(upper_words)  # 输出 ['HELLO', 'WORLD', 'PYTHON']

# 结合lambda计算字符长度
lengths = list(map(lambda s: len(s), words))
print(lengths)  # 输出 [5, 5, 6]

filter() - 数据筛选

# 过滤偶数
numbers = [12, 7, 24, 5, 19]
even_numbers = list(filter(lambda x: x%2 == 0, numbers))
print(even_numbers)  # 输出 [12, 24]

# 筛选包含字母"o"的单词
words = ["apple", "orange", "banana", "kiwi"]
filtered = list(filter(lambda s: 'o' in s, words))
print(filtered)  # 输出 ['orange']

reduce() - 数据聚合

from functools import reduce

# 计算累加和
numbers = [1, 2, 3, 4, 5]
sum_result = reduce(lambda a,b: a + b, numbers)
print(sum_result)  # 输出 15

# 计算阶乘（5! = 120）
factorial = reduce(lambda a,b: a * b, range(1,6))
print(factorial)  # 输出 120

 

5.关键特性说明：

功能	特点	典型场景
Lambda函数	- 单行匿名函数 - 不能包含复杂逻辑 - 自动返回表达式结果	临时简单操作 回调函数参数
map()	- 返回迭代器 - 对每个元素执行相同操作 - 输入输出长度相同	数据格式转换 批量计算
filter()	- 返回迭代器 - 输出长度 ≤ 输入长度 - 根据布尔条件过滤元素	数据清洗 条件筛选
reduce()	- 需要导入functools - 逐步累积计算结果 - 最终返回单个聚合值	求和/求积 统计聚合操作

 

6. 最佳实践建议：

优先使用内置函数：

# 比lambda更高效的写法
sum_result = sum(numbers)  # 替代reduce加法
filtered = [x for x in numbers if x%2==0]  # 列表推导式替代filter

避免过度嵌套：

# 不推荐的写法
result = reduce(lambda x,y: x+y, 
               filter(lambda x: x>10, 
                     map(lambda x: x*2, numbers)))

# 推荐的清晰写法
doubled = [x*2 for x in numbers]
filtered = [x for x in doubled if x>10]
result = sum(filtered)

1. 函数式编程适用场景：

• 数据管道处理（ETL）
• 流式数据处理
• 需要高度声明式代码的场合