Python基础入门：从函数到高级魔法方法（第8天）--阿里云天池

最新推荐文章于 2022-01-16 08:56:59 发布

haowei1999

最新推荐文章于 2022-01-16 08:56:59 发布

阅读量95

点赞数

分类专栏：阿里云天池Python训练营

本文链接：https://blog.csdn.net/haowei1999/article/details/119537942

版权

阿里云天池Python训练营专栏收录该内容

8 篇文章 1 订阅

订阅专栏

15 魔法方法

魔法方法总是被双下划线包围，例如 _init_ 。
魔法方法是面向对象的 Python 的一切，如果你不知道魔法方法，说明你还没能意识到面向对象的 Python 的强大。
魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。
魔法方法的第一个参数应为 cls （类方法）或者 self （实例方法）。

cls ：代表一个类的名称’’
self ：代表一个实例对象的名称

15.1 基本的魔法方法

_init_(self[, …])

构造器，当一个实例被创建的时候调用的初始化方法

class Rectangle:
	def __init__(self, x, y):
		self.x = x
		self.y = y

    def getPeri(self):
		return (self.x + self.y) * 2

    def getArea(self):
		return self.x * self.y

rect = Rectangle(4, 5)
print(rect.getPeri()) # 18
print(rect.getArea()) # 20

_new_(cls[, …])

_new_ 是在一个对象实例化的时候所调用的第一个方法，在调用_init_ 初始化前，先调用 _new_ 。
_new_ 至少要有一个参数 cls ，代表要实例化的类，此参数在实例化时由 Python 解释器自动提供，后面的参数直
接传递_init_ 。
_new_ 对当前类进行了实例化，并将实例返回，传给 _init_ 的 self 。但是，执行了_new_ ，并不一定会进入 _init_ ，只有 _new_ 返回了，当前类 cls 的实例，当前类的 _init_ 才会进入。

class A(object):
	def __init__(self, value):
		print("into A __init__")
		self.value = value

	def __new__(cls, *args, **kwargs):
		print("into A __new__")
		print(cls)
		return object.__new__(cls)

class B(A):
	def __init__(self, value):
		print("into B __init__")
		self.value = value
	
	def __new__(cls, *args, **kwargs):
		print("into B __new__")
		print(cls)
		return super().__new__(cls, *args, **kwargs)

b = B(10)

# 结果：
# into B __new__
# <class '__main__.B'>
# into A __new__
# <class '__main__.B'>
# into B __init__


class A(object):
	def __init__(self, value):
	print("into A __init__")
	self.value = value

	def __new__(cls, *args, **kwargs):
		print("into A __new__")
		print(cls)
		return object.__new__(cls)

class B(A):
	def __init__(self, value):
		print("into B __init__")
		self.value = value

	def __new__(cls, *args, **kwargs):
		print("into B __new__")
		print(cls)
		return super().__new__(A, *args, **kwargs) # 改动了cls变为A

b = B(10)
# 结果：
# into B __new__
# <class '__main__.B'>
# into A __new__
# <class '__main__.A'>

若 _new_ 没有正确返回当前类 cls 的实例，那 _init_ 是不会被调用的，即使是父类的实例也不行，将没有 _init_ 被调用。
可利用 _new_ 实现单例模式。

class Earth:
	pass

a = Earth()
print(id(a)) # 260728291456
b = Earth()
print(id(b)) # 260728291624

class Earth:
	__instance = None # 定义一个类属性做判断

	def __new__(cls):
		if cls.__instance is None:
		cls.__instance = object.__new__(cls)
		return cls.__instance
	else:
		return cls.__instance

a = Earth()
print(id(a)) # 512320401648
b = Earth()
print(id(b)) # 512320401648

_new_ 方法主要是当你继承一些不可变的 class 时（比如 int, str, tuple ），提供给你一个自定义这些类的实例化过程的途径。

class CapStr(str):
	def __new__(cls, string):
		string = string.upper()
		return str.__new__(cls, string)

a = CapStr("i love lsgogroup")
print(a) # I LOVE LSGOGROUP

_del_(self)

析构器，当一个对象将要被系统回收之时调用的方法。

Python 采用自动引用计数（ARC）方式来回收对象所占用的空间，当程序中有一个变量引用该 Python 对象时，Python会自动保证该对象引用计数为 1；当程序中有两个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 2，依此类推，如果一个对象的引用计数变成了 0，则说明程序中不再有变量引用该对象，表明程序不再需要该对象，因此Python 就会回收该对象。
大部分时候，Python 的 ARC 都能准确、高效地回收系统中的每个对象。但如果系统中出现循环引用的情况，比如对象a 持有一个实例变量引用对象 b，而对象 b 又持有一个实例变量引用对象 a，此时两个对象的引用计数都是 1，而实际上程序已经不再有变量引用它们，系统应该回收它们，此时 Python 的垃圾回收器就可能没那么快，要等专门的循环垃圾回收器（Cyclic Garbage Collector）来检测并回收这种引用循环。

class C(object):
	def __init__(self):
		print('into C __init__')
	
	def __del__(self):
		print('into C __del__')
		
c1 = C()
# into C __init__
c2 = c1
c3 = c2
del c3
del c2
del c1
# into C __del__

_str_ (self)

当你打印一个对象的时候，触发 _str_
当你使用 %s 格式化的时候，触发 _str_
str 强转数据类型的时候，触发 _str_

_repr_(self)

repr 是 str 的备胎
有 _str_ 的时候执行 _str_ ,没有实现 _str_ 的时候，执行 _repr_
repr(obj) 内置函数对应的结果是 _repr_ 的返回值
当你使用 %r 格式化的时候触发 ]repr

class Cat:
	"""定义一个猫类"""
	
    def __init__(self, new_name, new_age):
		"""在创建完对象之后 会自动调用, 它完成对象的初始化的功能"""
		self.name = new_name
		self.age = new_age

    def __str__(self):
		"""返回一个对象的描述信息"""
		return "名字是:%s , 年龄是:%d" % (self.name, self.age)

    def __repr__(self):
		"""返回一个对象的描述信息"""
		return "Cat:(%s,%d)" % (self.name, self.age)

    def eat(self):
		print("%s在吃鱼...." % self.name)

    def drink(self):
		print("%s在喝可乐..." % self.name)

    def introduce(self):
		print("名字是:%s, 年龄是:%d" % (self.name, self.age))

# 创建了一个对象
tom = Cat("汤姆", 30)
print(tom) # 名字是:汤姆 , 年龄是:30
print(str(tom)) # 名字是:汤姆 , 年龄是:30
print(repr(tom)) # Cat:(汤姆,30)
tom.eat() # 汤姆在吃鱼....
tom.introduce() # 名字是:汤姆, 年龄是:30

_str_ (self) 的返回结果可读性强。也就是说， _str_ 的意义是得到便于人们阅读的信息，就像下面的 ‘2019-10-11’ 一样。
_repr_(self) 的返回结果应更准确。怎么说， _repr_ 存在的目的在于调试，便于开发者使用。

import datetime

today = datetime.date.today()
print(str(today)) # 2019-10-11
print(repr(today)) # datetime.date(2019, 10, 11)
print('%s' %today) # 2019-10-11
print('%r' %today) # datetime.date(2019, 10, 11)

15.2 算术运算符

类型工厂函数，指的是不通过类而是通过函数来创建对象。

class C:
	pass

print(type(len)) # <class 'builtin_function_or_method'>
print(type(dir)) # <class 'builtin_function_or_method'>
print(type(int)) # <class 'type'>

print(type(list)) # <class 'type'>
print(type(tuple)) # <class 'type'>
print(type(C)) # <class 'type'>
print(int('123')) # 123

# 这个例子中list工厂函数把一个元祖对象加工成了一个列表对象。
print(list((1, 2, 3))) # [1, 2, 3]

_add_(self, other)

_add_(self, other) 定义加法的行为： +

_sub_(self, other)

_sub_(self, other) 定义减法的行为： -

class MyClass:
	def __init__(self, height, weight):
		self.height = height
		self.weight = weight

    # 两个对象的长相加，宽不变.返回一个新的类
	def __add__(self, others):
		return MyClass(self.height + others.height, self.weight + others.weight)

    # 两个对象的宽相减，长不变.返回一个新的类
	def __sub__(self, others):
		return MyClass(self.height - others.height, self.weight - others.weight)

    # 说一下自己的参数
	def intro(self):
		print("高为", self.height, " 重为", self.weight)

def main():
	a = MyClass(height=10, weight=5)
	a.intro()

    b = MyClass(height=20, weight=10)
	b.intro()

    c = b - a
	c.intro()

    d = a + b
	d.intro()

if __name__ == '__main__':
    main()
# 高为 10 重为 5
# 高为 20 重为 10
# 高为 10 重为 5
# 高为 30 重为 15

_mul_(self, other) 定义乘法的行为： *
_truediv_(self, other) 定义真除法的行为： /
_floordiv_(self, other) 定义整数除法的行为： //
_mod_(self, other) 定义取模算法的行为： %
_divmod_(self, other) 定义当被 divmod() 调用时的行为
divmod(a, b) 把除数和余数运算结果结合起来，返回一个包含商和余数的元组 (a // b, a % b) 。

【例子】

print(divmod(7, 2)) # (3, 1)
print(divmod(8, 2)) # (4, 0)

_pow_(self, other[, module]) 定义当被 power() 调用或 ** 运算时的行为
_lshift_(self, other) 定义按位左移位的行为： <<
_rshift_(self, other) 定义按位右移位的行为： >>
_and_(self, other) 定义按位与操作的行为： &
_xor_(self, other) 定义按位异或操作的行为： ^
_or_(self, other) 定义按位或操作的行为： |

15.3 反算术运算符

反运算魔方方法，与算术运算符保持一一对应，不同之处就是反运算的魔法方法多了一个“r”。当文件左操作不支持相应的操作时被调用。

_radd_(self, other) 定义加法的行为： +
_rsub_(self, other) 定义减法的行为： -
_rmul_(self, other) 定义乘法的行为： *
_rtruediv_(self, other) 定义真除法的行为： /
_rfloordiv_(self, other) 定义整数除法的行为： //
_rmod_(self, other) 定义取模算法的行为： %
_rdivmod_(self, other) 定义当被 divmod() 调用时的行为
_rpow_(self, other[, module]) 定义当被 power() 调用或 ** 运算时的行为
_rlshift_(self, other) 定义按位左移位的行为： <<
_rrshift_(self, other) 定义按位右移位的行为： >>
_rand_(self, other) 定义按位与操作的行为： &
_rxor_(self, other) 定义按位异或操作的行为： ^
_ror_(self, other) 定义按位或操作的行为： |

这里加数是 a ，被加数是 b ，因此是 a 主动，反运算就是如果 a 对象的 _add_() 方法没有实现或者不支持相应的操作，那么 Python 就会调用 b 的 _radd_() 方法。

class Nint(int):
	def __radd__(self, other):
		return int.__sub__(other, self) # 注意 self 在后面

a = Nint(5)
b = Nint(3)
print(a + b) # 8
print(1 + b) # -2

15.4 增量赋值运算符

_iadd_(self, other) 定义赋值加法的行为： +=
_isub_(self, other) 定义赋值减法的行为： -=
_imul_(self, other) 定义赋值乘法的行为： *=
_itruediv_(self, other) 定义赋值真除法的行为： /=
_ifloordiv_(self, other) 定义赋值整数除法的行为： //=
_imod_(self, other) 定义赋值取模算法的行为： %=
_ipow_(self, other[, modulo]) 定义赋值幂运算的行为： **=
_ilshift_(self, other) 定义赋值按位左移位的行为： <<=
_irshift_(self, other) 定义赋值按位右移位的行为： >>=
_iand_(self, other) 定义赋值按位与操作的行为： &=
_ixor_(self, other) 定义赋值按位异或操作的行为： ^=
_ior_(self, other) 定义赋值按位或操作的行为： |=

15.5 一元运算符

_neg_(self) 定义正号的行为： +x
_pos_(self) 定义负号的行为： -x
_abs_(self) 定义当被 abs() 调用时的行为
_invert_(self) 定义按位求反的行为： ~x

15.6 属性访问

_getattr_ ， _getattribute_ ， _setattr_ 和 _delattr_

__getattr__(self, name) : 定义当用户试图获取一个不存在的属性时的行为。
__getattribute__(self, name) ：定义当该类的属性被访问时的行为（先调用该方法，查看是否存在该属性，若不存
在，接着去调用 __getattr__ ）。
__setattr__(self, name, value) ：定义当一个属性被设置时的行为。
__delattr__(self, name) ：定义当一个属性被删除时的行为。

class C:
	def __getattribute__(self, item):
		print('__getattribute__')
		return super().__getattribute__(item)

    def __getattr__(self, item):
		print('__getattr__')

    def __setattr__(self, key, value):
		print('__setattr__')
		super().__setattr__(key, value)

    def __delattr__(self, item):
		print('__delattr__')
		super().__delattr__(item)

c = C()
c.x
# __getattribute__
# __getattr__
c.x = 1
# __setattr__
del c.x
# __delattr_

15.7 描述符

描述符就是将某种特殊类型的类的实例指派给另一个类的属性。

1. __get__(self, instance, owner) 用于访问属性，它返回属性的值。
2. __set__(self, instance, value) 将在属性分配操作中调用，不返回任何内容。
3. __del__(self, instance) 控制删除操作，不返回任何内容。

class MyDecriptor:
	def __get__(self, instance, owner):
		print('__get__', self, instance, owner)

	def __set__(self, instance, value):
		print('__set__', self, instance, value)

	def __delete__(self, instance):
		print('__delete__', self, instance)

class Test:
	x = MyDecriptor()

t = Test()
t.x
# __get__ <__main__.MyDecriptor object at 0x000000CEAAEB6B00> <__main__.Test object at
0x000000CEABDC0898> <class '__main__.Test'>

t.x = 'x-man'
# __set__ <__main__.MyDecriptor object at 0x00000023687C6B00> <__main__.Test object at
0x00000023696B0940> x-man

del t.x
# __delete__ <__main__.MyDecriptor object at 0x000000EC9B160A90> <__main__.Test object at
0x000000EC9B160B38>

15.8 定制序列

协议（Protocols）与其它编程语言中的接口很相似，它规定你哪些方法必须要定义。然而，在 Python 中的协议就显得不那么正式。事实上，在 Python 中，协议更像是一种指南。

容器类型的协议

如果说你希望定制的容器是不可变的话，你只需要定义 _len()_ 和_getitem()_ 方法。
如果你希望定制的容器是可变的话，除了 _len_() 和 _getitem_() 方法，你还需要定义 _setitem_()
和 _delitem_() 两个方法。

【例子】编写一个不可改变的自定义列表，要求记录列表中每个元素被访问的次数。

class CountList:
	def __init__(self, *args):
		self.values = [x for x in args]
		self.count = {}.fromkeys(range(len(self.values)), 0)

	def __len__(self):
		return len(self.values)

	def __getitem__(self, item):
		self.count[item] += 1
		return self.values[item]

c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1]) # 3
print(c2[2]) # 6
print(c1[1] + c2[1]) # 7

print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}

print(c2.count)
# {0: 0, 1: 1, 2: 1, 3: 0, 4: 0}

_len_(self) 定义当被 len() 调用时的行为（返回容器中元素的个数）。
_getitem_(self, key) 定义获取容器中元素的行为，相当于 self[key] 。
_setitem_(self, key, value) 定义设置容器中指定元素的行为，相当于 self[key] = value 。
_delitem_(self, key) 定义删除容器中指定元素的行为，相当于 del self[key] 。

【例子】编写一个可改变的自定义列表，要求记录列表中每个元素被访问的次数。

class CountList:
	def __init__(self, *args):
		self.values = [x for x in args]
		self.count = {}.fromkeys(range(len(self.values)), 0)

	def __len__(self):
		return len(self.values)

	def __getitem__(self, item):
		self.count[item] += 1
		return self.values[item]

	def __setitem__(self, key, value):
		self.values[key] = value

	def __delitem__(self, key):
		del self.values[key]
		for i in range(0, len(self.values)):
			if i >= key:
				self.count[i] = self.count[i + 1]
		self.count.pop(len(self.values))


c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1]) # 3
print(c2[2]) # 6
c2[2] = 12
print(c1[1] + c2[2]) # 15
print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
print(c2.count)
# {0: 0, 1: 0, 2: 2, 3: 0, 4: 0}
del c1[1]
print(c1.count)
# {0: 0, 1: 0, 2: 0, 3: 0}

15.9 迭代器

迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。
迭代器是一个可以记住遍历的位置的对象。
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
迭代器只能往前不会后退。
字符串，列表或元组对象都可用于创建迭代器：

【例子】

string = 'lsgogroup'
for c in string:
	print(c)
'''
l 
s 
g 
o
g
r
o 
u
p
'''

【例子】

links = {'B': '百度', 'A': '阿里', 'T': '腾讯'}
for each in links:
	print('%s -> %s' % (each, links[each]))
'''
B -> 百度
A -> 阿里
T -> 腾讯
'''

迭代器有两个基本的方法： iter() 和 next() 。
iter(object) 函数用来生成迭代器。
next(iterator[, default]) 返回迭代器的下一个项目。
iterator – 可迭代对象
default – 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发StopIteration 异常。

links = {'B': '百度', 'A': '阿里', 'T': '腾讯'}
it = iter(links)
print(next(it)) # B
print(next(it)) # A
print(next(it)) # T
print(next(it)) # StopIteration

it = iter(links)
while True:
		try:
			each = next(it)
		except StopIteration:
			break
		print(each)
# B
# A
# T

把一个类作为一个迭代器使用需要在类中实现两个魔法方法 _iter() 与_ next() 。

_iter_(self) 定义当迭代容器中的元素的行为，返回一个特殊的迭代器对象，这个迭代器对象实现了_next_() 方法并通过 StopIteration 异常标识迭代的完成。
_next_() 返回下一个迭代器对象。
StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 _next_() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

class Fibs:
	def __init__(self, n=10):
		self.a = 0
		self.b = 1
		self.n = n

	def __iter__(self):
		return self

	def __next__(self):
		self.a, self.b = self.b, self.a + self.b
		if self.a > self.n:
			raise StopIteration
		return self.a

fibs = Fibs(100)
for each in fibs:
	print(each, end=' ')
# 1 1 2 3 5 8 13 21 34 55 89

15.10 生成器

在 Python 中，使用了 yield 的函数被称为生成器（generator）。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
调用一个生成器函数，返回的是一个迭代器对象。

def myGen():
	print('生成器执行！')
	yield 1
	yield 2

myG = myGen()
print(next(myG))
# 生成器执行！
# 1

print(next(myG)) # 2
print(next(myG)) # StopIteration

myG = myGen()
for each in myG:
	print(each)

'''
生成器执行！
1 2
'''

【例子】用生成器实现斐波那契数列。

def libs(n):
	a = 0
	b = 1
	while True:
		a, b = b, a + b
		if a > n:
			return
		yield a

for each in libs(100):
	print(each, end=' ')
# 1 1 2 3 5 8 13 21 34 55 89

haowei1999

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Python基础入门：从函数到高级魔法方法（第8天）--阿里云天池

15 魔法方法魔法方法总是被双下划线包围，例如 _init_ 。魔法方法是面向对象的 Python 的一切，如果你不知道魔法方法，说明你还没能意识到面向对象的 Python 的强大。魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。魔法方法的第一个参数应为 cls （类方法）或者 self （实例方法）。cls ：代表一个类的名称’’self ：代表一个实例对象的名称15.1 基本的魔法方法_init_(self[, …])构造器，当一个实例被创建的时候调用的初始化方法cl
复制链接

扫一扫

专栏目录