
作者:小K
来源:麦叔编程
❝
今天给大家讲个灵异的故事。
❞
我有一个餐厅的类,有它我就可以在某街上开餐厅(实例)了。
class Restaurant: """
经常发生灵异事件的餐厅
""" # 实例化时正在餐厅的食客,这里的diner是开业时来的食客 def __init__(self, diner=[]): self.diner = diner # 食客进入餐厅 def enter(self, name): self.diner.append(name) # 食客走出餐厅 def out(self, name): self.diner.remove(name)
张三拿着我的“图纸”开了一家kfc,
# 张三开了一家肯德基,麦叔和Kevin是老客户,所以早早来了 kfc = Restaurant(["Maishu","Kevin"]) # 当前在餐厅的食客 print(kfc.diner) # Kevin吃完离开了 kfc.out("Kevin") # Jason进来了 kfc.enter("Jason") # 当前在餐厅的食客 print(kfc.diner)
输出结果:
['Maishu', 'Kevin'] ['Maishu', 'Jason']
李四一看kfc生意不错在隔壁开了一家山寨的kfc -- ktc,
ktc = Restaurant() # 当前在餐厅的食客 print(ktc.diner) # 人气差,开业时没人关顾,Annie前来尝鲜 ktc.enter("Annie") # Annie的追求者Dave也跟着进来了 ktc.enter("Dave") # 当前在餐厅的食客 print(ktc.diner)
输出结果:
[] ['Annie', 'Dave']
王五一看,这两家店生意都还不错,于是又山寨了李四的ktc,在街上开起了kfo,
# kfo新店开张,没有人来。 kfo = Restaurant() # 当前在餐厅的食客 print(kfo.diner) # 明明没开张确有两名幽灵食客??? kfo.out("Annie") # Annie给Dave发了好人卡走了 # 当前在kfo餐厅的食客 print(kfo.diner) # 此时在李四ktc餐厅的食客 print(ktc.diner)
输出结果:
['Annie', 'Dave'] ['Dave'] ['Dave']
❝
发生在王五kfo餐厅的事,是不是很诡异,实例化的时候明明没传进去任何参数,实例却自带俩“食客”。。。
❞
❝
还有,王五kfo餐厅中的Annie走后,李四的ktc餐厅中的Annie也走了。感觉冥冥之中有一只无形的手在操作这一切。
❞
问题的根源在于默认实参在定义函数时计算(通常在加载模块时),因此默认实参变成了函数对象的属性。
如果默认实参是可变对象,而且修改了它的值,那么后续的函数调用都会受到影响。
为了避免这个问题,通常使用None作为接受可变值的参数的默认值。
class Restaurant: """
正常的餐厅
""" # 实例化时正在餐厅的食客,这里的diner是开业时来的食客 def __init__(self, diner=None): if diner == None:
self.diner = [] else:
self.diner = diner # 食客进入餐厅 def enter(self, name): self.diner.append(name) # 食客走出餐厅 def out(self, name): self.diner.remove(name)
如果你希望我更新某个特定小知识,欢迎给我留言。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14