积跬步至千里 || 类函数的定义与使用

类函数的定义与使用

类函数是非常有用的工具, 可以把诸多函数封装起来, 只保留参数和数据两个结构, 这也是 python 机器学习中常用的调用格式. 而初学者对类的学习通常都感觉不容易, 通过编程书上利用动物类,猫啊狗啊的例子,或者人作为类,张三李四具体化, 越讲越糊涂.

其实对类的理解在不断运行代码的过程中很容易理解, 就是避免反复编译函数而生的, 而且无需每次都要考虑一系列函数的逻辑关系. 对于一个算法、一篇论文、一个大的项目, 类无疑是最方便的, 而且 python 语言的类定义更加的简单, 易读.

下面通过一个例子可以了解一下类的写法和功能

1. 定义类

本案例是给定一个由数组组成的列表, 先转化成向量, 然后把向量前 $k$ 个元素相加求和, 并显示结果的过程. 本例中数据和参数$k$ 可随意更改, 类只需要提前编译一次即可,可反复利用. 使用方法和sklearn库类似, 两句话:(1) 生成空模型; (2) 利用 fit(x) 喂数据.

import numpy as np

# 类的优势是把所有函数封装起来,只保留数据和参数接口, 当数据和参数变化时,无需重新运行类函数
class VECTOR_SUM:
    # 初始化模型参数
    def __init__(self, num=4):
        self.num = num
    
    # 定义类函数,可以通过 self 为其它函数调用
    def string2array(self,s):
        v = np.array(s)
        return v
    
    # 类的主要函数, 是数据的接口
    def fit(self,s):
        temp = self.string2array(s) # 调用类内函数时需要用到 self
        summation = np.sum(temp[0:self.num]) # 调用类内参数时需要用到 self
        return summation

2. 调用类函数

if __name__ == "__main__":
    x = [1,2,3,4,5,6,7,8] # 生成数据,可反复修改而无需重新编译类函数
    
    model = VECTOR_SUM(num=5) # 调用空模型,可设置参数
    summation = model.fit(x) # 类和数据的接口
    print("summation is : ", summation)

输出

summation is :  15