Python中面向对象你应该知道的事

关于我
一个有思想的程序猿，终身学习实践者，目前在一个创业团队任team lead，技术栈涉及Android、Python、Java和Go，这个也是我们团队的主要技术栈。
Github：https://github.com/hylinux1024
微信公众号：终身开发者(angrycode)

0x00 is与==

==运算符是比较两个对象的内容是否相等，默认情况是调用对象的__eq__方法进行比较；而is是比较两个对象是否一样，它比较的两个对象的id，即它们的内存地址是否相同。

>>> a = [1,2,3]
>>> b = [1,2,3]
>>> a == b
True
# a和b是否是同一个对象
>>> a is b
False
# a和b的地址其实是不一样的
>>> id(a)
4498717128
>>> id(b)
4446861832

在比较时但也有例外。Python对一些常用的值进行缓存优化，例如在区间[-5,256]的整数，它们在创建时，无论创建多少个对象，它们的id是一样的，即它们在底层中只保存一份内存。

>>> a = -5
>>> b = -5
>>> a == b
True
>>> a is b
True
>>> a = -6
>>> b = -6
>>> a == b
True
>>> a is b
False

对一些短的字符串也是如此，因此并不是所有字符串都会创建新的实例

>>> a='123'
>>> b='123'
>>> a==b
True
>>> a is b
True
>>> id(a)
4446903800
>>> id(b)
4446903800
>>> x = 'long char'
>>> y = 'long char'
>>> x == y
True
>>> x is y
False

0x01 __repr__与__str__

每个类都应该提供一个__repr__方法。__repr__方法和__str__方法有什么不一样呢？

简单的说，__repr__可以反映一个对象的类型以及包含的内容，而__str__主要是用于打印一个对象的内容。例如看一下Python中的日期类datetime

import datetime
>>> today = datetime.date.today()
>>> today
datetime.date(2019, 7, 7)
>>> print(today)
2019-07-07
>>> str(today)
'2019-07-07'
>>> repr(today)
'datetime.date(2019, 7, 7)'

__str__在字符串连接，打印等操作会用到，而__repr__主要是面向开发者，它能反馈的信息比较多，例如在交互环境下输入today这个变量会打印出datetime.date(2019, 7, 7)，不仅可以看出today代表的是今天的日期信息，还可以看出它的类型信息。更重要的是你可以直接复制这段打印出来的信息，直接构造一个“相同”的对象出来。
例如

>>> now = datetime.date(2019, 7, 7)
>>> now
datetime.date(2019, 7, 7)

0x02 对象复制

对象的复制或说对象拷贝可以分为浅拷贝和深拷贝。

浅拷贝与深拷贝

我们通过代码来说明，就很好理解

如果要拷贝的对象是基本数据类型，那么深拷贝和浅拷贝的区别不是很大。

>>> a = [1,2,3]
>>> b = list(a)
>>> a[1]=200
>>> a
[1, 200, 3]
>>> b
[1, 2, 3]

修改a中的元素并不会影响到b

但如果要拷贝的对象包含了另一个对象，那么就要考虑深拷贝和浅拷贝的问题了。

>>> a = [[1,2,3],[4,5,6],[7,8,9]]
>>> b = list(a)
>>> a == b
True
>>> a is b
False

这里有一个列表a，里面有三个子列表，即列表里包含的是对象。
我们使用list工厂方法创建了一个a的拷贝b,这个b就是a的浅拷贝，为什么呢？

>>> a[1][2]='x'
>>> a
[[1, 2, 3], [4, 5, 'x'], [7, 8, 9]]
>>> b
[[1, 2, 3], [4, 5, 'x'], [7, 8, 9]]

把a[1][2]的元素修改成了x,这时候b列表中也响应了相同的修改。所以这是浅拷贝，因为没有把子对象进行拷贝，只是拷贝了指向子对象的引用。

知道浅拷贝，那么深拷贝就很好理解了。执行拷贝之后，拷贝对象和原对象是完全独立的，修改任何一个对象都不会影响到另一个对象

如何深拷贝一个对象

这时候就需要copy模块了，该模块有两个重要的方法deepcopy和copy。不错，就是分别代表深拷贝和浅拷贝。

>>> import copy
>>> a = [[1,2,3],[4,5,6],[7,8,9]]
>>> b = copy.deepcopy(a)
>>> a
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> b
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> a[1][2]='change'
>>> a
[[1, 2, 3], [4, 5, 'change'], [7, 8, 9]]
>>> b
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

执行深拷贝之后，对a的修改并不会影响到b。

0x03 Abstract Base Classes(ABC)

抽象基类的使用

为了说明为什么要使用ABC,我们先看下不使用ABC的情况

# 定义了基类Base
>>> class Base:
	def foo(self):
		raise NotImplemented
	def bar(self):
		raise NotImplemented

# 定义实现类
>>> class Concrete(Base):
	def foo(self):
		print('called foo')
    
    # 实现类并没有实现bar方法
	
>>> c = Concrete()
>>> c.foo()
called foo
>>> c.bar()
Traceback (most recent call last):
  File "<pyshell#391>", line 1, in <module>
    c.bar()
  File "<pyshell#384>", line 5, in bar
    raise NotImplemented
TypeError: exceptions must derive from BaseException

可以看到没有实现基类bar方法的Concrete类，依然可以使用，并没有在第一时间抛出错误。

要解决这个问题，就要用到我们abc模块了。

from abc import ABC
# 定义基类，继承于ABC
>>> class Base(ABC):
	@abstractmethod
	def foo(self):
		pass
	@abstractmethod
	def bar(self):
		pass

	
>>> class Concrete(Base):
	def foo(self):
		print("called foo")
	# 实现类并没有实现bar方法

>>> c = Concrete()
Traceback (most recent call last):
  File "<pyshell#357>", line 1, in <module>
    c = Concrete()
TypeError: Can't instantiate abstract class Concrete with abstract methods bar

可以看到，在使用Concrete构造方法的时候，就立即抛出TypeError了。

0x04 使用namedtuple的好处

关于namedtuple的用法在前面的文章《如何在Python中表示一个对象》 也有提到。
简单的说namedtuple是一个可以命名的tuple，他是对tuple的扩展，它有跟tuple一样不可变的属性。

对于一些数据类的定义，namedtuple使用起来非常方便

>>> from collections import namedtuple
>>> Point = namedtuple('Point','x y z')
>>> p = Point(1,3,5)
>>> p
Point(x=1, y=3, z=5)
>>> p.x
1
>>> p.y = 3.5
AttributeError: can't set attribute
# 可以看出通过namedtuple定义对象，就是一个class类型的
>>> type(p)
<class '__main__.Point'>

还可以使用它内部的一些工具方法，在实际的编码当中也是非常实用的。

# 转化为dict
>>> p._asdict()
OrderedDict([('x', 1), ('y', 3), ('z', 5)])
# 更新或替换某个属性值
>>> p._replace(x=111)
Point(x=111, y=3, z=5)
# 使用_make创建新对象
>>> Point._make([333,666,999])
Point(x=333, y=666, z=999)

0x05 类变量和实例变量

Python中对象的属性类型有实例变量和类变量。

类变量是属于类的，它存储在“类的内存空间”里，并能够被它的各个实例对象共享。而实例变量是属于某个特定实例的，它不在“类的内存空间”中，它是独立于各个实例存在的。

>>> class Cat:
	num_legs = 4
	
>>> class Cat:
	num_legs = 4
	def __init__(self,name):
		self.name = name

>>> tom = Cat('tom')
>>> jack = Cat('jack')
>>> tom.name,jack.name
('tom', 'jack')
>>> tom.num_legs,jack.num_legs
(4, 4)
>>> Cat.num_legs
4

这里定义了一个猫类，它有一个实例变量name,还有一个类变量num_legs，这个是各个实例共享的。

如果对类变量进行，那么其它实例也会同步修改。而对某个实例对修改，并不会影响都类变量。

>>> Cat.num_legs = 6
>>> tom.num_legs,jack.num_legs
(6, 6)
>>> tom.num_legs = 2
>>> tom.num_legs,jack.num_legs
(2, 6)
>>> Cat.num_legs
6

tom.num_legs = 2这个语句都作用其实对tom这个实例增加了一个属性，只不过这个属性名称跟类属性的名称是一致的。

0x06 实例方法、类方法和静态方法

为了更好区分，我们还是来看代码

>>> class MyClass:
	def method(self):
		print(f"instance method at {self}" )
	@classmethod
	def classmethod(cls):
		print(f'classmethod at {cls}')
	@staticmethod
	def staticmethod():
		print('staticmethod')

		
>>> mc = MyClass()
>>> mc.method
<bound method MyClass.method of <__main__.MyClass object at 0x10c280b00>>
>>> mc.classmethod
<bound method MyClass.classmethod of <class '__main__.MyClass'>>
>>> mc.staticmethod
<function MyClass.staticmethod at 0x1090d4378>

可以看到在MyClass中分别定义实例方法(method)、类方法(classmethod)和静态方法(staticmethod)

在Python中一切都是对象，所以我打印来一下各个方法的__repr__输出。

对于实例方法method是绑定在MyClass的具体实现对象中的，而类方法classmethod是绑定在MyClass中的，而静态方法staticmethod既不绑定在实例里，也不绑定在类中，它就是一个function对象

实例方法的调用，需要传递一个实例对象到实例方法中，以下两种方法的调用是等价的。

>>> mc.method()
instance method at <__main__.MyClass object at 0x10910ada0>
>>> MyClass.method(mc)
instance method at <__main__.MyClass object at 0x10910ada0>

类方法的调用和静态方法的调用都是使用ClassName.methodName()的方式。

>>> MyClass.classmethod()
classmethod at <class '__main__.MyClass'>
>>> MyClass.staticmethod()
staticmethod

类方法和静态方法有什么区别呢？

• 首先在前面可以看到类方法和静态方法的对象是不一样的，一个是bound method，一个是function。
• 其次类方法可以访问到类对象MyClass，而静态方法不能。
• 最后静态方法其实跟一个普通的function对象一样，只不过它是属于类命名空间的。

0x07 总结一下

本文主要对Python中一些常见的面向对象的相关的一些特性进行了说明。包括对象的比较、输出、拷贝等操作，以及推荐使用namedtuple定义数据类。最后对类变量和实例变量以及类方法、实例方法和静态方法的不同作了分析。

0x08 学习资料

• Python Tricks: A Buffet of Awesome Python Features
  ——Dan Bader