流畅的Python 1. Python数据模型(特殊方法 __func__())
文章目录
- 1. `__getitem__()、__len__()` 方法
- 2. 特殊方法
1. __getitem__()、__len__()
方法
- 举一个扑克牌的例子
import collectionsCard = collections.namedtuple('Card_name', ['rank', 'suit'])
print(Card.__doc__) # Card_name(rank, suit)class FrenchDeck:ranks = [str(n) for n in range(2, 11)] + list('JKQA')suits = 'spades diamonds clubs hearts'.split()def __init__(self):self._cards = [Card(rank, suit) for suit in self.suits for rank in self.ranks]def __len__(self):return len(self._cards)def __getitem__(self, pos):return self._cards[pos]deck = FrenchDeck()
print(len(deck)) # 13*4=52
print(deck[0]) # [] 调用 __getitem__ 方法
# Card_name(rank='2', suit='spades')from random import choiceprint(choice(deck)) # Card_name(rank='4', suit='clubs') 随机
print(choice(deck)) # Card_name(rank='J', suit='diamonds')
print(choice(deck)) # Card_name(rank='3', suit='clubs')# __getitem__ 支持切片操作
# 取出前 3 个
print(deck[:3])
# 取出 A的所有项
print(deck[12::13]) # 12 开始 结束没有写默认结尾,每隔13个取一次# __getitem__ 反向迭代也可以
for card in reversed(deck):print(card)# 没有实现 __contains__ 方法,in 顺序做一次迭代搜索
print(Card('Q', 'hearts') in deck) # True
print(Card('7', 'abc') in deck) # False# 排序
suit_values = dict(spades=3, hearts=2, diamonds=1, clubs=0)
def spades_high(card):# 自定义牌的 rank_valuerank_value = FrenchDeck.ranks.index(card.rank)return rank_value*len(suit_values) + suit_values[card.suit]
# 自定义排序
for card in sorted(deck, key=spades_high):print(card)
2. 特殊方法
- python解释器会自动调用,如
len(obj)
,解释器 调用obj
的__len__()
方法 - 内置的类型的
__len__()
方法,抄近路,直接读取ob_size
属性 for i in x:
,是iter(x)
调用了x.__iter__()
方法- 通过内置函数(如,
len,iter,str
等)来使用特殊方法是最好的选择 - 不要自己随意添加特殊方法
__func__
,将来的 python版本 可能添加该方法
特殊方法:https://docs.python.org/3/reference/datamodel.html
from math import hypot # 返回模长 Euclidean distanceclass Vector:def __init__(self, x=0, y=0):self.x = xself.y = ydef __repr__(self): # 打印的时候输出内容print("调用__repr__")# %r 获取 各个属性的标准字符串表示形式return 'Vector(%r, %r)' % (self.x, self.y)# __str__() 是在 str() 或 print() 时调用,返回的字符串更友好# 请优先使用 __repr__, 如果调用 str() 但是有没有实现 __str__(),# 解释器自动用 __repr__ 代替# def __str__(self):# return "print() 优先调用 __str__()"def __abs__(self):print("调用__abs__")return hypot(self.x, self.y)def __bool__(self):print("调用__bool__")# bool(x) 调用 x.__bool__(), 如果不存在,则调用 x.__len__()return bool(abs(self))# 或者# return (self.x or self.y) # 更高效def __add__(self, other):print("调用__add__")x = self.x + other.xy = self.y + other.y# 原则:不改变输入,创建新的输出return Vector(x, y)def __mul__(self, scalar):print("调用__mul__")# 原则:不改变输入,创建新的输出return Vector(self.x * scalar, self.y * scalar)def __rmul__(self, scalar): # 交换律print("调用__rmul__")# 原则:不改变输入,创建新的输出return Vector(self.x * scalar, self.y * scalar)v1 = Vector(2, 4)
v2 = Vector(2, 1)
v3 = v1 + v2 # 调用__add__
print(v3) # 调用__repr__ Vector(4, 5)
print(abs(v3)) # 调用__abs__ 6.4031242374328485
print(bool(v3)) # 调用__bool__ 调用__abs__ True
print(v3 * 3) # 调用__mul__ 调用__repr__ Vector(12, 15)
print(3 * v3) # 调用__rmul__ 调用__repr__ Vector(12, 15)
print(str(v3)) # 调用__repr__ Vector(4, 5)
流畅的Python 1. Python数据模型(特殊方法 __func__())相关推荐
- python的数据模型_python高级(一)—— python数据模型(特殊方法)
本文主要内容 collections.namedtuple __getitem__ 和 __len__ __repr__和__str__ __abs__.__add__和__mul__ __bool_ ...
- 独家 | 数据科学家对可复用Python代码的实用管理方法(附链接)
作者:Matthew Mayo, KDnuggets翻译:殷之涵校对:欧阳锦本文约3000字,建议阅读5分钟本文为大家介绍了四种关于复用Python代码的管理方法,以提高代码的效率及可读性等. 标签: ...
- Python pandas.DataFrame.combine_first函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python总结-学习方向和方法
目录 前言... 2 (一)如何学习Python. 2 (二)一些Python免费课程推荐... 3 (三)Python爬虫需要哪些知识?... 4 (四)Python爬虫进阶... 6 (五)Pyt ...
- Python pandas.DataFrame.tz_localize函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.expanding函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.melt函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.round函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.kurt函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
最新文章
- linux中如何查看某一进程的启动时间
- Pair Project: API设计 by Xiao Li and Yishi Xing
- linux常规检查命令,linux学习-常规命令使用5
- 线性代数思维导图_线性代数入门级思维导图
- Leetcode题库263.丑数(c实现)
- 洛谷 P3373 【模板】线段树 2(线段树区间乘、加 区间查找)
- 老师“鬼话”全曝光!哈哈哈哈哈哈全国的老师都这样吗?
- 怎样用u盘linux安装ntp协议,电脑中怎么配置NTP服务
- TensorFlow图像数据预处理
- python实现水仙花
- Dijkstra算法 简易理解(原创)
- 【深度学习笔记】个人阅读的Deep Learning方向的paper整理
- 软考高级-系统架构师-论文
- Tarjan算法——求强连通分量
- QML中使用QSortFilterProxyModel进行排序和过滤
- 湖南超级计算机研学,以超算之速,跨越弦歌千年 | 建宁实验中学中考励志研学...
- html的外部调用函数,如何在HTML中调用外部JavaScript函数
- 优化概率神经网络_贝叶斯神经网络最新综述
- 1919: kirito's 星爆气流斩(多重背包转换为01背包+二进制优化)
- PS 考试案例 02笔记
热门文章
- 清华大学《操作系统》(八):置换算法
- java 代码重用_Java 代码重用:功能与上下文重用
- 【spider】selenium模拟点击斗鱼示例
- delphi7aes加密解密与java互转_跨语言(java vs python vs nodejs)的RSA加解密问题探讨
- linux libbz2.so.1,libbz2.so.1.0 = not found 试过了链接和设置环境变量
- 第一季4:Hi3518E_SDK_Vx.x.x.x的SDK目录结构
- uboot源码——命令体系
- fir fpga 不同截止频率_一种新的FIR滤波器系数量化方法
- C#面试题整理(不带答案)
- (译)Windows Azure的7月更新:SQL数据库,流量管理,自动缩放,虚拟机