python中的类及方法种类

python 中的类与实例方法、类方法、静态方法

其他编程语言中,类方法就是类的静态方法,叫法不同而已;但是python中,这两个是不同概念的。下面通过具体的例子来说明

class Demo :

    instance = None
    age = 12
    name = "liu"

    #初始化对象时会调用这个方法,类似C++中的构造函数
    def __init__(self,age,name):
        print("__init__")
        self.age = age
        self.name = name

#实例化对象时调用,可以通过其参数看出,里面有cls参数
    def __new__(cls, *args, **kwargs):
        print("__new__")
        if cls.instance is None:
            cls.instance = super().__new__(cls)
        return cls.instance
#魔术方法
    def __call__(self):
        print("__call__")
#打印一个对象时,会调用该方法
    def __str__(self):
        return self.name + " " + str(self.age)
#类似C++的析构函数,对象生命周期结束,销毁时调用
    def __del__(self):
        print("__del__")
#实例方法
    def method1(self):
        print("method1" + self.name)
#静态方法,没有任何参数,访问类的成员变量时,只能是用类名.变量名
    @staticmethod
    def method2():
        print("method2" + Demo.name)
#类方法,可以看出,类方法的第一个参数是cls,也就是类本身
    @classmethod
    def method3(cls):
        print("method3" + cls.name)
        #可以通过类本身去去实例化一个对象
        # d = cls(15,"he")
        # d.method1()


if __name__ == "__main__":

    demo = Demo(14,"bo")
    print(demo()) #会触发调用__call__方法
    demo.method1()
#无论是类方法还是静态方法,都可以用实例对象去调用,也可以直接通过类名.方法
#需要注意的是,无论是类方法还是静态方法,打印出来的类变量,只是初始值,不是实例会对象中的值
    demo.method2()
    demo.method3()
    Demo.method2()
    Demo.method3()

    demo2 = Demo(15,"bo bo")

    if demo == demo2:
        print("same")

    print(demo)
    print(demo2)

类的继承

class Parent:

        def m1():

class Child(Parent):

        def m1():

                super().m1() # 或者使用 Parent.m1()

如果是多继承怎么办呢?

class Parent1:
    def my_method(self):
        print('调用父类1方法')
 
class Parent2:
    def my_method(self):
        print('调用父类2方法')
 
class Child(Parent1, Parent2):
    def my_method(self):
        super().my_method()  # 调用父类1的方法,如果想调用Parent2,需要Parent2.my_method()
 
c = Child()
c.my_method()  # 输出: 调用父类1方法

================================================================

二、python语法知识点
1、占位符

当你看到类似 res, _ = func() 的语句时,这表示函数 func() 返回两个或更多值,而程序员只对其中的部分返回值感兴趣。这里,res 用来接收函数返回的第一个值,下划线 _ 是一个常用的占位符,用来接收不关心的第二个(或之后的)返回值

2、二维切片

  pred[:, :6] 通常指的是对一个二维数组(或张量)进行切片操作

  • : 表示选取该维度的所有元素。因此,pred[:, :] 会选取所有行和列,也就是复制整个数组。
  • 当后面跟有限定范围时,如 :6,则意味着选取从开始到索引为6(不包括6)的所有元素。
3、zip函数

当你使用 zip 函数将两个列表组合在一起时,它会创建一个迭代器,这个迭代器生成的是元组对,每个元组包含两个列表中相同位置的元素,重要的是要注意,迭代器只能遍历一次

list1 = [1, 2, 3]

list2 = ['a', 'b', 'c']

# 使用zip函数

zipped = zip(list1, list2) # 将迭代器转换为列表查看结果

print(list(zipped)) # 输出: [(1, 'a'), (2, 'b'), (3, 'c')]

print(dict(zipped)) # 输出{ 1:'a' , 2:'b', 3:'c' }

4、解构赋值

解构赋值时,星号(*)用于收集额外的项到一个列表(或者元组)中

for *box, conf, cls_ in boxes.data

这里的*box的意思是,把boxes.data中的数据,解构成三部分,一部分放到conf和cls_中,另外一个部分全部放到box中,box可以是元组或者列表,*号就代表剩余项

5、Numpy切片

 1、一维数组

 start:stop:step

b = a[2:7:2] # 从索引 2 开始到索引 7 停止,间隔为 2

a[2:]  ==>2以后所有元素

a[:2] ===>0,1,不包括第2个元素

2、二维切片和一维一样,表示如下[: , : ],逗号前是行,逗号后是列

[[1,2,3],[3,4,5],[4,5,6]]

a[1:] ==> 后两行,列全要 【[3,4,5],[4,5,6]】

  • 25
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python,BBC分可以使用以下步骤进行: 1. 导入必要的库和模块: ```python import nltk from nltk.corpus import reuters from nltk.corpus import stopwords from nltk.tokenize import word_tokenize from sklearn.model_selection import train_test_split from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.naive_bayes import MultinomialNB from sklearn.metrics import classification_report ``` 2. 加载BBC数据集: ```python bbc_documents = [] for category in reuters.categories(): if category.startswith('bbc'): bbc_documents += reuters.fileids(category) ``` 3. 定义停用词和分词器: ```python stop_words = set(stopwords.words("english")) tokenizer = nltk.RegexpTokenizer(r"\w+") ``` 4. 对BBC数据集进行文本预处理: ```python bbc_corpus = [] bbc_labels = [] for document in bbc_documents: text = reuters.raw(document) text = text.lower() # 转换为小写 text_tokens = tokenizer.tokenize(text) # 分词 text_tokens = [token for token in text_tokens if token not in stop_words] # 去除停用词 text = " ".join(text_tokens) bbc_corpus.append(text) bbc_labels.append(reuters.categories(document)[0]) ``` 5. 将BBC数据集划分为训练集和测试集: ```python X_train, X_test, y_train, y_test = train_test_split(bbc_corpus, bbc_labels, test_size=0.2, random_state=42) ``` 6. 将文本转换为TF-IDF特征向量: ```python vectorizer = TfidfVectorizer() X_train_tfidf = vectorizer.fit_transform(X_train) X_test_tfidf = vectorizer.transform(X_test) ``` 7. 训练朴素贝叶斯分器: ```python classifier = MultinomialNB() classifier.fit(X_train_tfidf, y_train) ``` 8. 对测试集进行预测和评估: ```python y_pred = classifier.predict(X_test_tfidf) print(classification_report(y_test, y_pred)) ``` 以上就是在Python使用朴素贝叶斯分器对BBC数据集进行分的步骤。

“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