随机整数生成类

第一种思路：不同的实例生成不同的随机数

import random


class RandomGen:
    def __init__(self, start=1, end=100, count=10):
        self.start = start
        self.end = end
        self.count = count

    def generate(self):
        return [random.randint(self.start, self.end) for _ in range(self.count)]


num = RandomGen()
print(num.generate())

第二种思路：直接构造一个工具类，在类内定义一个工具函数，让这个函数一批一批的生成数据

class RandomGen:  # 工具类，定义一个工具函数，就是一批一批的生成数；以后可以定义很多工具函数
    @classmethod
    def generate(cls, start=1, end=100, count=10):
        return [random.randint(start, end) for _ in range(count)]


num = RandomGen()
print(num.generate())

第三种思路：既然是随机生成数，可不可以考虑使用生成器，惰性的生成数据；另外还可以引入属性装饰器，对私有属性进行访问控制

class RandomGen:
    def __init__(self, start=1, end=100, count=10):  # __init__没有返回值，怎么得到实例的呢？
        # 调用__init__的时候，实例就已经存在了，不是通过__init__返回实例的
        self.start = start
        self.end = end
        self.__count = count
        self._gen = self._generate()  # 结果是生成器对象

    @property
    def count(self):
        return self.__count

    @count.setter
    def count(self, count):
        self.__count = count

    def _generate(self):
        while True:  # 无限的产生数据
            yield random.randint(self.start, self.end)  # 一个一个的产生数据

    def generate(self, count=10):
        c = count if 10 < count < 100 else self.count  # 也可以直接改为self.__count
        # a = self.test()
        return [next(self._gen) for _ in range(c)]  # 对一个生成器对象拨动了self.count下


r = RandomGen()  # 实例化分两步，第一步先实例化，然后再是初始化，初始化时，实例就已经存在了
print(r.generate())
r.count = 5
print(r.generate())

第四种思路是：第三种方法中_generate是一个一个的生成数据，那么可不可以一次直接生成一批数据

class RandomGen:
    def __init__(self, start=1, end=100, count=10):  # __init__没有返回值，怎么得到实例的呢？
        # 调用__init__的时候，实例就已经存在了，不是通过__init__返回实例的
        self.start = start
        self.end = end
        self.__count = count
        self._gen = self._generate()  # 结果是生成器对象

    @property
    def count(self):
        return self.__count

    @count.setter
    def count(self, count):
        self.__count = count

    def _generate(self):
        while True:  # 无限的产生数据
            # 一批一批的产生数据
            yield [random.randint(self.start, self.end) for _ in range(self.count)]

    def generate(self, count=10):
        if count > 0:
            self.__count = count

        return next(self._gen)  # 对一个生成器对象拨动了self.count下


r = RandomGen()  # 实例化分两步，第一步先实例化，然后再是初始化，初始化时，实例就已经存在了
print(r.generate())
# r.count = 5
print(r.generate(3))