python第九节:类的使用(2)

类的__init__()方法

每个类都有一个特殊的方法,__init__() ,可通过其控制初始化对象。

每当类实例化时,python会自动执行。

init方法的名称前后各有两个下划线,这是python语言的一种约定,避免与普通方法产生冲突,称为“魔法函数”。方法__init__()定义时,形参self必不可少,还必须位于其他形参的前面,self代表类的当前实例。它是一个指向实例本身的引用,让实例能够访问类中的属性和方法,self之后的参数个数依实际需要而定。

例子1:

class Dog():

    pet_shop = '萌宠小屋'



    def __init__(self, name, age):

        self.name = name

        self.age = age

# 坐

    def sit(self):

        print(self.name.title() + " is now sitting.")

# 打滚

    def roll_over(self):

        print(self.name.title() + " rolled over!")

此处引出python中下划线在定义函数时的作用。

1 方法名称前后双下划线代表方法是python的内置函数。但是可以自己定义首尾双下划线的方法,像使用普通方法一样使用,但是不建议这样做。

2 双下划线开头的方法,是私有方法在类的外面不能访问。

例子1:



class Dog():

    pet_shop = '萌宠小屋'



    def __init__(self, name, age):

        self.name = name

        self.age = age

# 坐

    def sit(self):

        print(self.name.title() + " is now sitting.")

# 打滚

    def roll_over(self):

        print(self.name.title() + " rolled over!")



    def __say_hi(self):

        print("say hi!")



# 类的实例化

dog = Dog('旺财','2')

# 双下划线开头的方法是私有化方法,不能在类的外部调用

print(dog.__say_hi())

# 类直接调用类的方法,但是注意传入对象实例

print(dog.roll_over())

结果:

Traceback (most recent call last):

  File "D:\pythonProject\test\test20240117.py", line 22, in <module>

    print(dog.__say_hi())

          ^^^^^^^^^^^^

AttributeError: 'Dog' object has no attribute '__say_hi'

例子2:

class Dog():

    pet_shop = '萌宠小屋'



    def __init__(self, name, age):

        self.name = name

        self.age = age

# 坐

    def sit(self):

        print(self.name.title() + " is now sitting.")

# 打滚

    def roll_over(self):

        print(self.name.title() + " rolled over!")



    def __say_hi__(self):

        print("say hi!")



# 类的实例化

dog = Dog('旺财','2')

# 双下划线开头的方法是私有化方法,不能在类的外部调用

print(dog.__say_hi__())

# 类直接调用类的方法,但是注意传入对象实例

print(dog.roll_over())

结果:

say hi!

None

旺财 rolled over!

None

  • 25
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
第九节数据可视化主要包括以下内容: 1. 直方图 直方图是一种常用的数据可视化方式,用于显示数据的分布情况。直方图通过将数据划分成一些连续的区间(也称为“箱子”或“桶”),然后统计每个区间内的数据量,并将结果绘制为垂直条形图。 在 Python 中,我们可以使用 Matplotlib 库的 hist() 函数来绘制直方图,例如: ```python import matplotlib.pyplot as plt import numpy as np # 生成1000个随机数,服从正态分布 data = np.random.randn(1000) # 绘制直方图 plt.hist(data, bins=30, alpha=0.5, color='green') # 添加标题和标签 plt.title('Histogram of Random Data') plt.xlabel('Value') plt.ylabel('Frequency') # 显示图形 plt.show() ``` 2. 箱线图 箱线图是一种用于展示数据分布情况的图表。它由一个矩形和两条“须”组成。矩形表示数据的四分位数范围(第一四分位数、中位数和第三四分位数),上下两条“须”表示数据的最大值和最小值,以及可能的离群值。 在 Python 中,我们可以使用 Matplotlib 库的 boxplot() 函数来绘制箱线图,例如: ```python import matplotlib.pyplot as plt import numpy as np # 生成3组数据,每组100个随机数,服从正态分布 data1 = np.random.normal(0, 1, 100) data2 = np.random.normal(2, 1, 100) data3 = np.random.normal(4, 1, 100) # 绘制箱线图 plt.boxplot([data1, data2, data3], labels=['Group 1', 'Group 2', 'Group 3']) # 添加标题和标签 plt.title('Boxplot of Random Data') plt.xlabel('Group') plt.ylabel('Value') # 显示图形 plt.show() ``` 3. 热力图 热力图是一种用于展示数据密度分布情况的图表。它通常通过不同颜色的方块来表示数据的密度大小,颜色越浅表示密度越大,颜色越深表示密度越小。 在 Python 中,我们可以使用 Seaborn 库的 heatmap() 函数来绘制热力图,例如: ```python import seaborn as sns import numpy as np # 生成10x10的随机矩阵 data = np.random.rand(10, 10) # 绘制热力图 sns.heatmap(data, cmap='YlGnBu') # 添加标题和标签 plt.title('Heatmap of Random Data') plt.xlabel('X-axis') plt.ylabel('Y-axis') # 显示图形 plt.show() ``` 以上就是第九节数据可视化的内容,希望对你有所帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值