Python入门（下）从函数到魔法方法

本次学习内容为函数、Lambda表达式、类与对象、魔法方法。
函数以def关键词开头，后接函数名和圆括号()。
函数执行的代码以冒号起始，并且缩进。
return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回None。
def functionname (parameters):
“函数_文档字符串”
function_suite
return [expression]

函数的调用
【例子】

def printme(str):
print(str)
​
​
printme(“我要调用用户自定义函数!”) # 我要调用用户自定义函数!
printme(“再次调用同一函数”) # 再次调用同一函数
temp = printme(‘hello’) # hello
print(temp) # None
我要调用用户自定义函数!
再次调用同一函数
hello
None
函数文档
def MyFirstFunction(name):
“函数定义过程中name是形参”
# 因为Ta只是一个形式，表示占据一个参数位置
print(‘传递进来的{0}叫做实参，因为Ta是具体的参数值！’.format(name))
​
​
MyFirstFunction(‘老马的程序人生’)

传递进来的老马的程序人生叫做实参，因为Ta是具体的参数值！

​
print(MyFirstFunction.doc)

函数定义过程中name是形参

​
help(MyFirstFunction)

Help on function MyFirstFunction in module main:

MyFirstFunction(name)

函数定义过程中name是形参

传递进来的老马的程序人生叫做实参，因为Ta是具体的参数值！
函数定义过程中name是形参
Help on function MyFirstFunction in module main:

MyFirstFunction(name)
函数定义过程中name是形参

函数参数
Python 的函数具有非常灵活多样的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。从简到繁的参数形态如下：

位置参数 (positional argument)
默认参数 (default argument)
可变参数 (variable argument)
关键字参数 (keyword argument)
命名关键字参数 (name keyword argument)
参数组合

1. 位置参数

def functionname(arg1):
“函数_文档字符串”
function_suite
return [expression]

arg1 - 位置参数 ，这些参数在调用函数 (call function) 时位置要固定。
2. 默认参数

def functionname(arg1, arg2=v):
“函数_文档字符串”
function_suite
return [expression]

arg2 = v - 默认参数 = 默认值，调用函数时，默认参数的值如果没有传入，则被认为是默认值。
默认参数一定要放在位置参数 后面，不然程序会报错。
【例子】

def printinfo(name, age=8):
print(‘Name:{0},Age:{1}’.format(name, age))
​
​
printinfo(‘小马’) # Name:小马,Age:8
printinfo(‘小马’, 10) # Name:小马,Age:10
Name:小马,Age:8
Name:小马,Age:10
Python 允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值。
【例子】

def printinfo(name, age):
print(‘Name:{0},Age:{1}’.format(name, age))
​
​
printinfo(age=8, name=‘小马’) # Name:小马,Age:8
Name:小马,Age:8
3. 可变参数

顾名思义，可变参数就是传入的参数个数是可变的，可以是 0, 1, 2 到任意个，是不定长的参数。

def functionname(arg1, arg2=v, *args):
“函数_文档字符串”
function_suite
return [expression]

args - 可变参数，可以是从零个到任意个，自动组装成元组。
加了星号（）的变量名会存放所有未命名的变量参数。
【例子】

def printinfo(arg1, *args):
print(arg1)
for var in args:
print(var)
​
​
printinfo(10) # 10
printinfo(70, 60, 50)

70

60

50

10
70
60
50
4. 关键字参数

def functionname(arg1, arg2=v, args, *kw):
“函数_文档字符串”
function_suite
return [expression]

**kw - 关键字参数，可以是从零个到任意个，自动组装成字典。
【例子】

def printinfo(arg1, *args, **kwargs):
print(arg1)
print(args)
print(kwargs)
​
​
printinfo(70, 60, 50)

70

(60, 50)

{}

printinfo(70, 60, 50, a=1, b=2)

70

(60, 50)

{‘a’: 1, ‘b’: 2}

70
(60, 50)
{}
70
(60, 50)
{‘a’: 1, ‘b’: 2}
「可变参数」和「关键字参数」的同异总结如下：

可变参数允许传入零个到任意个参数，它们在函数调用时自动组装为一个元组 (tuple)。
关键字参数允许传入零个到任意个参数，它们在函数内部自动组装为一个字典 (dict)。
5. 命名关键字参数

def functionname(arg1, arg2=v, args, *, nkw, *kw):
“函数_文档字符串”
function_suite
return [expression]

*, nkw - 命名关键字参数，用户想要输入的关键字参数，定义方式是在nkw 前面加个分隔符 *。
如果要限制关键字参数的名字，就可以用「命名关键字参数」
使用命名关键字参数时，要特别注意不能缺少参数名。
【例子】

def printinfo(arg1, *, nkw, **kwargs):
print(arg1)
print(nkw)
print(kwargs)
​
​
printinfo(70, nkw=10, a=1, b=2)

70

10

{‘a’: 1, ‘b’: 2}

​
printinfo(70, 10, a=1, b=2)

TypeError: printinfo() takes 1 positional argument but 2 were given

70
10
{‘a’: 1, ‘b’: 2}
没有写参数名nwk，因此 10 被当成「位置参数」，而原函数只有 1 个位置函数，现在调用了 2 个，因此程序会报错。
6. 参数组合

在 Python 中定义函数，可以用位置参数、默认参数、可变参数、命名关键字参数和关键字参数，这 5 种参数中的 4 个都可以一起使用，但是注意，参数定义的顺序必须是：

位置参数、默认参数、可变参数和关键字参数。
位置参数、默认参数、命名关键字参数和关键字参数。
要注意定义可变参数和关键字参数的语法：

*args 是可变参数，args 接收的是一个 tuple
**kw 是关键字参数，kw 接收的是一个 dict
命名关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值。定义命名关键字参数不要忘了写分隔符 *，否则定义的是位置参数。

警告：虽然可以组合多达 5 种参数，但不要同时使用太多的组合，否则函数很难懂。

函数的返回值
【例子】

def add(a, b):
return a + b
​
​
print(add(1, 2)) # 3
print(add([1, 2, 3], [4, 5, 6])) # [1, 2, 3, 4, 5, 6]
3
[1, 2, 3, 4, 5, 6]
【例子】

def back():
return [1, ‘小马的程序人生’, 3.14]
​
​
print(back()) # [1, ‘小马的程序人生’, 3.14]
[1, ‘小马的程序人生’, 3.14]
【例子】

def back():
return 1, ‘小马的程序人生’, 3.14
​
​
print(back()) # (1, ‘小马的程序人生’, 3.14)
(1, ‘小马的程序人生’, 3.14)
【例子】

def printme(str):
print(str)
​
temp = printme(‘hello’) # hello
print(temp) # None
print(type(temp)) # <class ‘NoneType’>
hello
None
<class ‘NoneType’>
变量作用域
Python 中，程序的变量并不是在哪个位置都可以访问的，访问权限决定于这个变量是在哪里赋值的。
定义在函数内部的变量拥有局部作用域，该变量称为局部变量。
定义在函数外部的变量拥有全局作用域，该变量称为全局变量。
局部变量只能在其被声明的函数内部访问，而全局变量可以在整个程序范围内访问。
【例子】

def discounts(price, rate):
final_price = price * rate
return final_price
​
​
old_price = float(input(‘请输入原价:’)) # 98
rate = float(input(‘请输入折扣率:’)) # 0.9
new_price = discounts(old_price, rate)
print(‘打折后价格是:%.2f’ % new_price) # 88.20
请输入原价:98
请输入折扣率:0.9
打折后价格是:88.20
当内部作用域想修改外部作用域的变量时，就要用到global和nonlocal关键字了。
【例子】

num = 1
​
​
def fun1():
global num # 需要使用 global 关键字声明
print(num) # 1
num = 123
print(num) # 123
​
​
fun1()
print(num) # 123
1
123
123
内嵌函数

【例子】

def outer():
print(‘outer函数在这被调用’)
​
def inner():
print(‘inner函数在这被调用’)
​
inner() # 该函数只能在outer函数内部被调用
​
​
outer()

outer函数在这被调用

inner函数在这被调用

outer函数在这被调用
inner函数在这被调用
闭包

是函数式编程的一个重要的语法结构，是一种特殊的内嵌函数。
如果在一个内部函数里对外层非全局作用域的变量进行引用，那么内部函数就被认为是闭包。
通过闭包可以访问外层非全局作用域的变量，这个作用域称为 闭包作用域。
【例子】

def funX(x):
def funY(y):
return x * y
​
return funY
​
​
i = funX(8)
print(type(i)) # <class ‘function’>
print(i(5)) # 40
<class ‘function’>
40
【例子】闭包的返回值通常是函数。

def make_counter(init):
counter = [init]
​
def inc(): counter[0] += 1
​
def dec(): counter[0] -= 1
​
def get(): return counter[0]
​
def reset(): counter[0] = init
​
return inc, dec, get, reset
​
​
inc, dec, get, reset = make_counter(0)
inc()
inc()
inc()
print(get()) # 3
dec()
print(get()) # 2
reset()
print(get()) # 0
3
2
0
【例子】 如果要修改闭包作用域中的变量则需要 nonlocal 关键字

def outer():
num = 10
​
def inner():
nonlocal num # nonlocal关键字声明
num = 100
print(num)
​
inner()
print(num)
​
​
outer()
​

100

100

100
100
递归

如果一个函数在内部调用自身本身，这个函数就是递归函数。
【例子】n! = 1 x 2 x 3 x … x n

利用循环

n = 5
for k in range(1, 5):
n = n * k
print(n) # 120
​

利用递归

def factorial(n):
if n == 1:
return 1
return n * factorial(n - 1)
​
​
print(factorial(5)) # 120
120
120
【例子】斐波那契数列 f(n)=f(n-1)+f(n-2), f(0)=0 f(1)=1

利用循环

i = 0
j = 1
lst = list([i, j])
for k in range(2, 11):
k = i + j
lst.append(k)
i = j
j = k
print(lst)

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

​

利用递归

def recur_fibo(n):
if n <= 1:
return n
return recur_fibo(n - 1) + recur_fibo(n - 2)
​
​
lst = list()
for k in range(11):
lst.append(recur_fibo(k))
print(lst)

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
【例子】设置递归的层数，Python默认递归层数为 100

import sys
​
sys.setrecursionlimit(1000)
Lambda 表达式
匿名函数的定义
在 Python 里有两类函数：

第一类：用 def 关键词定义的正规函数
第二类：用 lambda 关键词定义的匿名函数
Python 使用 lambda 关键词来创建匿名函数，而非def关键词，它没有函数名，其语法结构如下：

lambda argument_list: expression

lambda - 定义匿名函数的关键词。
argument_list - 函数参数，它们可以是位置参数、默认参数、关键字参数，和正规函数里的参数类型一样。
:- 冒号，在函数参数和表达式中间要加个冒号。
expression - 只是一个表达式，输入函数参数，输出一些值。
注意：

expression 中没有 return 语句，因为 lambda 不需要它来返回，表达式本身结果就是返回值。
匿名函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。
【例子】

def sqr(x):
return x ** 2
​
​
print(sqr)

<function sqr at 0x000000BABD3A4400>

​
y = [sqr(x) for x in range(10)]
print(y)

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

​
lbd_sqr = lambda x: x ** 2
print(lbd_sqr)

<function at 0x000000BABB6AC1E0>

​
y = [lbd_sqr(x) for x in range(10)]
print(y)

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

​
​
sumary = lambda arg1, arg2: arg1 + arg2
print(sumary(10, 20)) # 30
​
func = lambda *args: sum(args)
print(func(1, 2, 3, 4, 5)) # 15
<function sqr at 0x00000220081D9E18>
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<function at 0x00000220081FF400>
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
30
15
匿名函数的应用
函数式编程 是指代码中每一块都是不可变的，都由纯函数的形式组成。这里的纯函数，是指函数本身相互独立、互不影响，对于相同的输入，总会有相同的输出，没有任何副作用。

【例子】非函数式编程

def f(x):
for i in range(0, len(x)):
x[i] += 10
return x
​
​
x = [1, 2, 3]
f(x)
print(x)

[11, 12, 13]

[11, 12, 13]
【例子】函数式编程

def f(x):
y = []
for item in x:
y.append(item + 10)
return y
​
​
x = [1, 2, 3]
f(x)
print(x)

[1, 2, 3]

[1, 2, 3]
匿名函数 常常应用于函数式编程的高阶函数 (high-order function)中，主要有两种形式：

参数是函数 (filter, map)
返回值是函数 (closure)
如，在 filter和map函数中的应用：

filter(function, iterable) 过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使用 list() 来转换。
【例子】

odd = lambda x: x % 2 == 1
templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(templist)) # [1, 3, 5, 7, 9]
[1, 3, 5, 7, 9]
map(function, *iterables) 根据提供的函数对指定序列做映射。
【例子】

m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5])
print(list(m1))

[1, 4, 9, 16, 25]

​
m2 = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
print(list(m2))

[3, 7, 11, 15, 19]

[1, 4, 9, 16, 25]
[3, 7, 11, 15, 19]
除了 Python 这些内置函数，我们也可以自己定义高阶函数。

【例子】

def apply_to_list(fun, some_list):
return fun(some_list)
​
lst = [1, 2, 3, 4, 5]
print(apply_to_list(sum, lst))

15

​
print(apply_to_list(len, lst))

5

​
print(apply_to_list(lambda x: sum(x) / len(x), lst))

3.0

15
5
3.0

类与对象
对象 = 属性 + 方法
对象是类的实例。换句话说，类主要定义对象的结构，然后我们以类为模板创建对象。类不但包含方法定义，而且还包含所有实例共享的数据。

封装：信息隐蔽技术
我们可以使用关键字 class 定义 Python 类，关键字后面紧跟类的名称、分号和类的实现。

【例子】

class Turtle: # Python中的类名约定以大写字母开头
“”“关于类的一个简单例子”""
# 属性
color = ‘green’
weight = 10
legs = 4
shell = True
mouth = ‘大嘴’
​
# 方法
def climb(self):
print(‘我正在很努力的向前爬…’)
​
def run(self):
print(‘我正在飞快的向前跑…’)
​
def bite(self):
print(‘咬死你咬死你!!’)
​
def eat(self):
print(‘有得吃，真满足…’)
​
def sleep(self):
print(‘困了，睡了，晚安，zzz’)
​
​
tt = Turtle()
print(tt)

<main.Turtle object at 0x0000007C32D67F98>

​
print(type(tt))

<class ‘main.Turtle’>

​
print(tt.class)

<class ‘main.Turtle’>

​
print(tt.class.name)

Turtle

​
tt.climb()

我正在很努力的向前爬…

​
tt.run()

我正在飞快的向前跑…

​
tt.bite()

咬死你咬死你!!

​

Python类也是对象。它们是type的实例

print(type(Turtle))

<class ‘type’>

<main.Turtle object at 0x000002200820E898>
<class ‘main.Turtle’>
<class ‘main.Turtle’>
Turtle
我正在很努力的向前爬…
我正在飞快的向前跑…
咬死你咬死你!!
<class ‘type’>
继承：子类自动共享父类之间数据和方法的机制
【例子】

class MyList(list):
pass
​
​
lst = MyList([1, 5, 2, 7, 8])
lst.append(9)
lst.sort()
print(lst)
​

[1, 2, 5, 7, 8, 9]

[1, 2, 5, 7, 8, 9]
多态：不同对象对同一方法响应不同的行动
【例子】

class Animal:
def run(self):
raise AttributeError(‘子类必须实现这个方法’)
​
​
class People(Animal):
def run(self):
print(‘人正在走’)
​
​
class Pig(Animal):
def run(self):
print(‘pig is walking’)
​
​
class Dog(Animal):
def run(self):
print(‘dog is running’)
​
​
def func(animal):
animal.run()
​
​
func(Pig())

pig is walking

pig is walking
self 是什么？
Python 的 self 相当于 C++ 的 this 指针。

【例子】

class Test:
def prt(self):
print(self)
print(self.class)
​
​
t = Test()
t.prt()

<main.Test object at 0x000000BC5A351208>

<class ‘main.Test’>

<main.Test object at 0x000002200820EA20>
<class ‘main.Test’>
类的方法与普通的函数只有一个特别的区别 —— 它们必须有一个额外的第一个参数名称（对应于该实例，即该对象本身），按照惯例它的名称是 self。在调用方法时，我们无需明确提供与参数 self 相对应的参数。

【例子】

class Ball:
def setName(self, name):
self.name = name
​
def kick(self):
print(“我叫%s,该死的，谁踢我…” % self.name)
​
​
a = Ball()
a.setName(“球A”)
b = Ball()
b.setName(“球B”)
c = Ball()
c.setName(“球C”)
a.kick()

我叫球A,该死的，谁踢我…

b.kick()

我叫球B,该死的，谁踢我…

我叫球A,该死的，谁踢我…
我叫球B,该死的，谁踢我…
Python 的魔法方法
据说，Python 的对象天生拥有一些神奇的方法，它们是面向对象的 Python 的一切…

它们是可以给你的类增加魔力的特殊方法…

如果你的对象实现了这些方法中的某一个，那么这个方法就会在特殊的情况下被 Python 所调用，而这一切都是自动发生的…

类有一个名为__init__(self[, param1, param2…])的魔法方法，该方法在类实例化时会自动调用。

【例子】

​
class Ball:
def init(self, name):
self.name = name
​
def kick(self):
print(“我叫%s,该死的，谁踢我…” % self.name)
​
​
a = Ball(“球A”)
b = Ball(“球B”)
c = Ball(“球C”)
a.kick()

我叫球A,该死的，谁踢我…

b.kick()

我叫球B,该死的，谁踢我…

我叫球A,该死的，谁踢我…
我叫球B,该死的，谁踢我…
公有和私有
在 Python 中定义私有变量只需要在变量名或函数名前加上“__”两个下划线，那么这个函数或变量就会为私有的了。

【例子】类的私有属性实例

class JustCounter:
__secretCount = 0 # 私有变量
publicCount = 0 # 公开变量
​
def count(self):
self.__secretCount += 1
self.publicCount += 1
print(self.__secretCount)
​
​
counter = JustCounter()
counter.count() # 1
counter.count() # 2
print(counter.publicCount) # 2
​

Python的私有为伪私有

print(counter._JustCounter__secretCount) # 2
print(counter.__secretCount)

AttributeError: ‘JustCounter’ object has no attribute ‘__secretCount’

1
2
2
2
【例子】类的私有方法实例

class Site:
def init(self, name, url):
self.name = name # public
self.__url = url # private
​
def who(self):
print('name : ', self.name)
print('url : ', self.__url)
​
def __foo(self): # 私有方法
print(‘这是私有方法’)
​
def foo(self): # 公共方法
print(‘这是公共方法’)
self.__foo()
​
​
x = Site(‘老马的程序人生’, ‘https://blog.csdn.net/LSGO_MYP’)
x.who()

name : 老马的程序人生

url : https://blog.csdn.net/LSGO_MYP

​
x.foo()

这是公共方法

这是私有方法

​
x.__foo()

AttributeError: ‘Site’ object has no attribute ‘__foo’

name : 老马的程序人生
url : https://blog.csdn.net/LSGO_MYP
这是公共方法
这是私有方法
继承
Python 同样支持类的继承，派生类的定义如下所示：

class DerivedClassName(BaseClassName):
statement-1
.
.
.
statement-N

BaseClassName（基类名）必须与派生类定义在一个作用域内。除了类，还可以用表达式，基类定义在另一个模块中时这一点非常有用：

class DerivedClassName(modname.BaseClassName):
statement-1
.
.
.
statement-N

【例子】如果子类中定义与父类同名的方法或属性，则会自动覆盖父类对应的方法或属性。

类定义

class people:
# 定义基本属性
name = ‘’
age = 0
# 定义私有属性,私有属性在类外部无法直接进行访问
__weight = 0
​
# 定义构造方法
def init(self, n, a, w):
self.name = n
self.age = a
self.__weight = w
​
def speak(self):
print("%s 说: 我 %d 岁。" % (self.name, self.age))
​
​

单继承示例

class student(people):
grade = ‘’
​
def init(self, n, a, w, g):
# 调用父类的构函
people.init(self, n, a, w)
self.grade = g
​
# 覆写父类的方法
def speak(self):
print("%s 说: 我 %d 岁了，我在读 %d 年级" % (self.name, self.age, self.grade))
​
​
s = student(‘小马的程序人生’, 10, 60, 3)
s.speak()

小马的程序人生 说: 我 10 岁了，我在读 3 年级

小马的程序人生 说: 我 10 岁了，我在读 3 年级
注意：如果上面的程序去掉：people.init(self, n, a, w)，则输出：说: 我 0 岁了，我在读 3 年级，因为子类的构造方法把父类的构造方法覆盖了。

【例子】

import random
​
class Fish:
def init(self):
self.x = random.randint(0, 10)
self.y = random.randint(0, 10)
​
def move(self):
self.x -= 1
print(“我的位置”, self.x, self.y)
​
​
class GoldFish(Fish): # 金鱼
pass
​
​
class Carp(Fish): # 鲤鱼
pass
​
​
class Salmon(Fish): # 三文鱼
pass
​
​
class Shark(Fish): # 鲨鱼
def init(self):
self.hungry = True
​
def eat(self):
if self.hungry:
print(“吃货的梦想就是天天有得吃！”)
self.hungry = False
else:
print(“太撑了，吃不下了！”)
self.hungry = True
​
​
g = GoldFish()
g.move() # 我的位置 9 4
s = Shark()
s.eat() # 吃货的梦想就是天天有得吃！
s.move()

AttributeError: ‘Shark’ object has no attribute ‘x’

我的位置 3 8
吃货的梦想就是天天有得吃！
解决该问题可用以下两种方式：

调用未绑定的父类方法Fish.init(self)
class Shark(Fish): # 鲨鱼
def init(self):
Fish.init(self)
self.hungry = True
​
def eat(self):
if self.hungry:
print(“吃货的梦想就是天天有得吃！”)
self.hungry = False
else:
print(“太撑了，吃不下了！”)
self.hungry = True
使用super函数super().init()
class Shark(Fish): # 鲨鱼
def init(self):
super().init()
self.hungry = True
​
def eat(self):
if self.hungry:
print(“吃货的梦想就是天天有得吃！”)
self.hungry = False
else:
print(“太撑了，吃不下了！”)
self.hungry = True
Python 虽然支持多继承的形式，但我们一般不使用多继承，因为容易引起混乱。

class DerivedClassName(Base1, Base2, Base3):
statement-1
.
.
.
statement-N

需要注意圆括号中父类的顺序，若是父类中有相同的方法名，而在子类使用时未指定，Python 从左至右搜索，即方法在子类中未找到时，从左到右查找父类中是否包含方法。

【例子】

类定义

class People:
# 定义基本属性
name = ‘’
age = 0
# 定义私有属性,私有属性在类外部无法直接进行访问
__weight = 0
​
# 定义构造方法
def init(self, n, a, w):
self.name = n
self.age = a
self.__weight = w
​
def speak(self):
print("%s 说: 我 %d 岁。" % (self.name, self.age))
​
​

单继承示例

class Student(People):
grade = ‘’
​
def init(self, n, a, w, g):
# 调用父类的构函
People.init(self, n, a, w)
self.grade = g
​
# 覆写父类的方法
def speak(self):
print("%s 说: 我 %d 岁了，我在读 %d 年级" % (self.name, self.age, self.grade))
​
​

另一个类，多重继承之前的准备

class Speaker:
topic = ‘’
name = ‘’
​
def init(self, n, t):
self.name = n
self.topic = t
​
def speak(self):
print(“我叫 %s，我是一个演说家，我演讲的主题是 %s” % (self.name, self.topic))
​
​

多重继承

class Sample01(Speaker, Student):
a = ‘’
​
def init(self, n, a, w, g, t):
Student.init(self, n, a, w, g)
Speaker.init(self, n, t)
​

方法名同，默认调用的是在括号中排前地父类的方法

test = Sample01(“Tim”, 25, 80, 4, “Python”)
test.speak()

我叫 Tim，我是一个演说家，我演讲的主题是 Python

​
class Sample02(Student, Speaker):
a = ‘’
​
def init(self, n, a, w, g, t):
Student.init(self, n, a, w, g)
Speaker.init(self, n, t)
​

方法名同，默认调用的是在括号中排前地父类的方法

test = Sample02(“Tim”, 25, 80, 4, “Python”)
test.speak()

Tim 说: 我 25 岁了，我在读 4 年级

我叫 Tim，我是一个演说家，我演讲的主题是 Python
Tim 说: 我 25 岁了，我在读 4 年级
组合
【例子】

class Turtle:
def init(self, x):
self.num = x
​
​
class Fish:
def init(self, x):
self.num = x
​
​
class Pool:
def init(self, x, y):
self.turtle = Turtle(x)
self.fish = Fish(y)
​
def print_num(self):
print(“水池里面有乌龟%s只，小鱼%s条” % (self.turtle.num, self.fish.num))
​
​
p = Pool(2, 3)
p.print_num()

水池里面有乌龟2只，小鱼3条

水池里面有乌龟2只，小鱼3条
类、类对象和实例对象
类对象和实例对象

类对象：创建一个类，其实也是一个对象也在内存开辟了一块空间，称为类对象，类对象只有一个。

class A(object):
pass

实例对象：就是通过实例化类创建的对象，称为实例对象，实例对象可以有多个。

【例子】

class A(object):
pass
​

实例化对象 a、b、c都属于实例对象。

a = A()
b = A()
c = A()
类属性：类里面方法外面定义的变量称为类属性。类属性所属于类对象并且多个实例对象之间共享同一个类属性，说白了就是类属性所有的通过该类实例化的对象都能共享。

【例子】

class A():
a = 0 #类属性
def init(self, xx):
A.a = xx #使用类属性可以通过 （类名.类属性）调用。
实例属性：实例属性和具体的某个实例对象有关系，并且一个实例对象和另外一个实例对象是不共享属性的，说白了实例属性只能在自己的对象里面使用，其他的对象不能直接使用，因为self是谁调用，它的值就属于该对象。

【例子】

创建类对象

class Test(object):
class_attr = 100 # 类属性
​
def init(self):
self.sl_attr = 100 # 实例属性
​
def func(self):
print(‘类对象.类属性的值:’, Test.class_attr) # 调用类属性
print(‘self.类属性的值’, self.class_attr) # 相当于把类属性 变成实例属性
print(‘self.实例属性的值’, self.sl_attr) # 调用实例属性
​
​
a = Test()
a.func()
​

类对象.类属性的值: 100

self.类属性的值 100

self.实例属性的值 100

​
b = Test()
b.func()
​

类对象.类属性的值: 100

self.类属性的值 100

self.实例属性的值 100

​
a.class_attr = 200
a.sl_attr = 200
a.func()
​

类对象.类属性的值: 100

self.类属性的值 200

self.实例属性的值 200

​
b.func()
​

类对象.类属性的值: 100

self.类属性的值 100

self.实例属性的值 100

​
Test.class_attr = 300
a.func()
​

类对象.类属性的值: 300

self.类属性的值 200

self.实例属性的值 200

​
b.func()

类对象.类属性的值: 300

self.类属性的值 300

self.实例属性的值 100

类对象.类属性的值: 100
self.类属性的值 100
self.实例属性的值 100
类对象.类属性的值: 100
self.类属性的值 100
self.实例属性的值 100
类对象.类属性的值: 100
self.类属性的值 200
self.实例属性的值 200
类对象.类属性的值: 100
self.类属性的值 100
self.实例属性的值 100
类对象.类属性的值: 300
self.类属性的值 200
self.实例属性的值 200
类对象.类属性的值: 300
self.类属性的值 300
self.实例属性的值 100
注意：属性与方法名相同，属性会覆盖方法。

【例子】

class A:
def x(self):
print(‘x_man’)
​
​
aa = A()
aa.x() # x_man
aa.x = 1
print(aa.x) # 1
aa.x()

TypeError: ‘int’ object is not callable

x_man
1
什么是绑定？
Python 严格要求方法需要有实例才能被调用，这种限制其实就是 Python 所谓的绑定概念。

Python 对象的数据属性通常存储在名为.__ dict__的字典中，我们可以直接访问__dict__，或利用 Python 的内置函数vars()获取.__ dict__。

【例子】

class CC:
def setXY(self, x, y):
self.x = x
self.y = y
​
def printXY(self):
print(self.x, self.y)
​
​
dd = CC()
print(dd.dict)

{}

​
print(vars(dd))

{}

​
print(CC.dict)

{‘module’: ‘main’, ‘setXY’: <function CC.setXY at 0x000000C3473DA048>, ‘printXY’: <function CC.printXY at 0x000000C3473C4F28>, ‘dict’: <attribute ‘dict’ of ‘CC’ objects>, ‘weakref’: <attribute ‘weakref’ of ‘CC’ objects>, ‘doc’: None}

​
dd.setXY(4, 5)
print(dd.dict)

{‘x’: 4, ‘y’: 5}

​
print(vars(CC))

{‘module’: ‘main’, ‘setXY’: <function CC.setXY at 0x000000632CA9B048>, ‘printXY’: <function CC.printXY at 0x000000632CA83048>, ‘dict’: <attribute ‘dict’ of ‘CC’ objects>, ‘weakref’: <attribute ‘weakref’ of ‘CC’ objects>, ‘doc’: None}

​
print(CC.dict)

{‘module’: ‘main’, ‘setXY’: <function CC.setXY at 0x000000632CA9B048>, ‘printXY’: <function CC.printXY at 0x000000632CA83048>, ‘dict’: <attribute ‘dict’ of ‘CC’ objects>, ‘weakref’: <attribute ‘weakref’ of ‘CC’ objects>, ‘doc’: None}

{}
{}
{‘module’: ‘main’, ‘setXY’: <function CC.setXY at 0x000002200822BD08>, ‘printXY’: <function CC.printXY at 0x000002200822BF28>, ‘dict’: <attribute ‘dict’ of ‘CC’ objects>, ‘weakref’: <attribute ‘weakref’ of ‘CC’ objects>, ‘doc’: None}
{‘x’: 4, ‘y’: 5}
{‘module’: ‘main’, ‘setXY’: <function CC.setXY at 0x000002200822BD08>, ‘printXY’: <function CC.printXY at 0x000002200822BF28>, ‘dict’: <attribute ‘dict’ of ‘CC’ objects>, ‘weakref’: <attribute ‘weakref’ of ‘CC’ objects>, ‘doc’: None}
{‘module’: ‘main’, ‘setXY’: <function CC.setXY at 0x000002200822BD08>, ‘printXY’: <function CC.printXY at 0x000002200822BF28>, ‘dict’: <attribute ‘dict’ of ‘CC’ objects>, ‘weakref’: <attribute ‘weakref’ of ‘CC’ objects>, ‘doc’: None}
一些相关的内置函数（BIF）
issubclass(class, classinfo) 方法用于判断参数 class 是否是类型参数 classinfo 的子类。
一个类被认为是其自身的子类。
classinfo可以是类对象的元组，只要class是其中任何一个候选类的子类，则返回True。
【例子】

class A:
pass
​
​
class B(A):
pass
​
​
print(issubclass(B, A)) # True
print(issubclass(B, B)) # True
print(issubclass(A, B)) # False
print(issubclass(B, object)) # True
True
True
False
True
isinstance(object, classinfo) 方法用于判断一个对象是否是一个已知的类型，类似type()。
type()不会认为子类是一种父类类型，不考虑继承关系。
isinstance()会认为子类是一种父类类型，考虑继承关系。
如果第一个参数不是对象，则永远返回False。
如果第二个参数不是类或者由类对象组成的元组，会抛出一个TypeError异常。
【例子】

a = 2
print(isinstance(a, int)) # True
print(isinstance(a, str)) # False
print(isinstance(a, (str, int, list))) # True
​
​
class A:
pass
​
​
class B(A):
pass
​
​
print(isinstance(A(), A)) # True
print(type(A()) == A) # True
print(isinstance(B(), A)) # True
print(type(B()) == A) # False
True
False
True
True
True
True
False
hasattr(object, name)用于判断对象是否包含对应的属性。
【例子】

class Coordinate:
x = 10
y = -5
z = 0
​
​
point1 = Coordinate()
print(hasattr(point1, ‘x’)) # True
print(hasattr(point1, ‘y’)) # True
print(hasattr(point1, ‘z’)) # True
print(hasattr(point1, ‘no’)) # False
True
True
True
False
getattr(object, name[, default])用于返回一个对象属性值。
【例子】

class A(object):
bar = 1
​
​
a = A()
print(getattr(a, ‘bar’)) # 1
print(getattr(a, ‘bar2’, 3)) # 3
print(getattr(a, ‘bar2’))

AttributeError: ‘A’ object has no attribute ‘bar2’

1
3
【例子】这个例子很酷！

class A(object):
def set(self, a, b):
x = a
a = b
b = x
print(a, b)
​
​
a = A()
c = getattr(a, ‘set’)
c(a=‘1’, b=‘2’) # 2 1
​
2 1
setattr(object, name, value)对应函数 getattr()，用于设置属性值，该属性不一定是存在的。
【例子】

class A(object):
bar = 1
​
​
a = A()
print(getattr(a, ‘bar’)) # 1
setattr(a, ‘bar’, 5)
print(a.bar) # 5
setattr(a, “age”, 28)
print(a.age) # 28
1
5
28
delattr(object, name)用于删除属性。
【例子】

class Coordinate:
x = 10
y = -5
z = 0
​
​
point1 = Coordinate()
​
print('x = ', point1.x) # x = 10
print('y = ', point1.y) # y = -5
print(‘z = ‘, point1.z) # z = 0
​
delattr(Coordinate, ‘z’)
​
print(’–删除 z 属性后–’) # --删除 z 属性后–
print('x = ', point1.x) # x = 10
print('y = ', point1.y) # y = -5
​

触发错误

print('z = ', point1.z)

AttributeError: ‘Coordinate’ object has no attribute ‘z’

x = 10
y = -5
z = 0
–删除 z 属性后–
x = 10
y = -5
class property([fget[, fset[, fdel[, doc]]]])用于在新式类中返回属性值。
fget – 获取属性值的函数
fset – 设置属性值的函数
fdel – 删除属性值函数
doc – 属性描述信息
【例子】

class C(object):
def init(self):
self.__x = None
​
def getx(self):
return self.__x
​
def setx(self, value):
self.__x = value
​
def delx(self):
del self.__x
​
x = property(getx, setx, delx, “I’m the ‘x’ property.”)
​
​
cc = C()
cc.x = 2
print(cc.x) # 2
​
del cc.x
print(cc.x)

AttributeError: ‘C’ object has no attribute ‘_C__x’

2
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
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
【例子】

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
18
20
new(cls[, …]) 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给__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。
【例子】

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’>

into B new
<class ‘main.B’>
into A new
<class ‘main.B’>
into B init
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。
【例子】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
2336598724336
2336598528464
2336598467752
2336598467752
__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。
【例子】

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
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。

【例子】

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

into C init
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__
【例子】

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
名字是:汤姆 , 年龄是:30
名字是:汤姆 , 年龄是:30
Cat:(汤姆,30)
汤姆在吃鱼…
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。

【例子】

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)
2020-08-01
datetime.date(2020, 8, 1)
2020-08-01
datetime.date(2020, 8, 1)
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”。

【例子】

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©) # <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]
<class ‘builtin_function_or_method’>
<class ‘builtin_function_or_method’>
<class ‘type’>
<class ‘type’>
<class ‘type’>
<class ‘type’>
123
[1, 2, 3]
add(self, other)定义加法的行为：+
sub(self, other)定义减法的行为：-
【例子】

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

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)
(3, 1)
(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：|
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：|
a + b

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。

【例子】

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
8
-2
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：|=
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
属性访问
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。
【例子】

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

getattribute
getattr
setattr
delattr
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。

get(self, instance, owner)用于访问属性，它返回属性的值。
set(self, instance, value)将在属性分配操作中调用，不返回任何内容。
del(self, instance)控制删除操作，不返回任何内容。
【例子】

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>

get <main.MyDecriptor object at 0x0000022008242668> <main.Test object at 0x00000220082427B8> <class ‘main.Test’>
set <main.MyDecriptor object at 0x0000022008242668> <main.Test object at 0x00000220082427B8> x-man
delete <main.MyDecriptor object at 0x0000022008242668> <main.Test object at 0x00000220082427B8>
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}

3
6
7
{0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
{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}

3
6
15
{0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
{0: 0, 1: 0, 2: 2, 3: 0, 4: 0}
{0: 0, 1: 0, 2: 0, 3: 0}
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©
​
‘’’
l
s
g
o
g
r
o
u
p
‘’’
​
for c in iter(string):
print©
l
s
g
o
g
r
o
u
p
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
‘’’
​
for each in iter(links):
print(’%s -> %s’ % (each, links[each]))
B -> 百度
A -> 阿里
T -> 腾讯
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。
【例子】

links = {‘B’: ‘百度’, ‘A’: ‘阿里’, ‘T’: ‘腾讯’}
​
it = iter(links)
while True:
try:
each = next(it)
except StopIteration:
break
print(each)
​

B

A

T

​
it = iter(links)
print(next(it)) # B
print(next(it)) # A
print(next(it)) # T
print(next(it)) # StopIteration
B
A
T
B
A
T

StopIteration Traceback (most recent call last)
in ()
17 print(next(it)) # A
18 print(next(it)) # T
—> 19 print(next(it)) # StopIteration

StopIteration:
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。
【例子】

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

1 1 2 3 5 8 13 21 34 55 89
4.10 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。
【例子】

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

myG = myGen()
for each in myG:
print(each)
​
‘’’
生成器执行！
1
2
‘’’
​
myG = myGen()
print(next(myG))

生成器执行！

1

​
print(next(myG)) # 2
print(next(myG)) # StopIteration
生成器执行！
1
2
生成器执行！
1
2

StopIteration Traceback (most recent call last)
in ()
14
15 print(next(myG)) # 2
—> 16 print(next(myG)) # StopIteration

StopIteration:
【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

1 1 2 3 5 8 13 21 34 55 89