python类:class创建、数据方法属性及访问控制详解
在Python中,可以通过class关键字定义自己的类,然后通过自定义的类对象类创建实例对象。
python中创建类
创建一个Student的类,并且实现了这个类的初始化函数”__init__”:
class Student(object):
count = 0
books = []
def __init__(self, name):
self.name = name
接下来就通过上面的Student类来看看Python中类的相关内容。
类构造和初始化
”__init__”和”__new__”的联系和差别
下面先通过一段代码看看这两个方法的调用顺序:
class A(object):
def __init__(self,*args, **kwargs):
print "init %s" %self.__class__
def __new__(cls,*args, **kwargs):
print "new %s" %cls
return object.__new__(cls, *args, **kwargs)
a = A()
从代码的输出可以看到,当通过类实例化一个对象的时候,”__new__”方法首先被调用,然后是”__init__”方法。
一般来说,”__init__”和”__new__”函数都会有下面的形式:
def__init__(self,*args,**kwargs):
# func_suite
def__new__(cls,*args,**kwargs):
# func_suite
returnobj
对于”__new__”和”__init__”可以概括为:
•“__new__”方法在Python中是真正的构造方法(创建并返回实例),通过这个方法可以产生一个”cls”对应的实例对象,所以说”__new__”方法一定要有返回
•对于”__init__”方法,是一个初始化的方法,”self”代表由类产生出来的实例对象,”__init__”将对这个对象进行相应的初始化操作
__new__特性
“__new__”是在新式类中新出现的方法,它有以下行为特性:
•“__new__” 方法是在类实例化对象时第一个调用的方法,将返回实例对象
•“__new__” 方法始终都是类的静态方法(即第一个参数为cls),即使没有被加上静态方法装饰器
•第一个参数cls是当前正在实例化的类,如果要得到当前类的实例,应当在当前类中的 “__new__” 方法语句中调用当前类的父类的” __new__” 方法
对于上面的第三点,如果当前类是直接继承自 object,那当前类的 “__new__” 方法返回的对象应该为:
def __new__(cls, *args, **kwargs):
# func_suite
return object.__new__(cls, *args, **kwargs)
重写__new__
如果(新式)类中没有重写”__new__”方法,Python默认是调用该类的直接父类的”__new__”方法来构造该类的实例,如果该类的父类也没有重写”__new__”,那么将一直按照同样的规则追溯至object的”__new__”方法,因为object是所有新式类的基类。
而如果新式类中重写了”__new__”方法,那么可以选择任意一个其他的新式类(必须是新式类,只有新式类有”__new__”,因为所有新式类都是从object派生)的”__new__”方法来创建实例,包括这个新式类的所有前代类和后代类,只要它们不会造成递归死循环。
看一段例子代码:
classFoo(object):
def__new__(cls,*args,**kwargs):
obj=object.__new__(cls,*args,**kwargs)
# 这里的object.__new__(cls, *args, **kwargs) 等价于
# super(Foo, cls).__new__(cls, *args, **kwargs)
# object.__new__(Foo, *args, **kwargs)
# Bar.__new__(cls, *args, **kwargs)
# Student.__new__(cls, *args, **kwargs),即使Student跟Foo没有关系,也是允许的,因为Student是从object派生的新式类
# 在任何新式类,不能调用自身的“__new__”来创建实例,因为这会造成死循环
# 所以要避免return Foo.__new__(cls, *args, **kwargs)或return cls.__new__(cls, *args, **kwargs)
print"Call __new__ for %s"%obj.__class__
returnobj
classBar(Foo):
def__new__(cls,*args,**kwargs):
obj=object.__new__(cls,*args,**kwargs)
print"Call __new__ for %s"%obj.__class__
returnobj
classStudent(object):
# Student没有“__new__”方法,那么会自动调用其父类的“__new__”方法来创建实例,即会自动调用 object.__new__(cls)
pass
classCar(object):
def__new__(cls,*args,**kwargs):
# 可以选择用Bar来创建实例
obj=object.__new__(Bar,*args,**kwargs)
print"Call __new__ for %s"%obj.__class__
returnobj
foo=Foo()
bar=Bar()
car=Car()
代码的输出为:
__init__的调用
“__new__”决定是否要使用该类的”__init__”方法,因为”__new__” 可以调用其他类的构造方法或者直接返回别的类创建的对象来作为本类的实例。
通常来说,新式类开始实例化时,”__new__”方法会返回cls(cls指代当前类)的实例,然后调用该类的”__init__”方法作为初始化方法,该方法接收这个实例(即self)作为自己的第一个参数,然后依次传入”__new__”方法中接收的位置参数和命名参数。
但是,如果”__new__”没有返回cls(即当前类)的实例,那么当前类的”__init__”方法是不会被调用的。
例子:
class A(object):
def __init__(self, *args, **kwargs):
print "Call __init__ from %s" %self.__class__
def __new__(cls, *args, **kwargs):
obj = object.__new__(cls, *args, **kwargs)
print "Call __new__ for %s" %obj.__class__
return obj
class B(object):
def __init__(self, *args, **kwargs):
print "Call __init__ from %s" %self.__class__
def __new__(cls, *args, **kwargs):
obj = object.__new__(A, *args, **kwargs)
print "Call __new__ for %s" %obj.__class__
return obj
b = B()
print type(b)
代码中,在B的”__new__”方法中,通过”obj = object.__new__(A, *args, **kwargs)”创建了一个A的实例,在这种情况下,B的”__init__”函数就不会被调用到。
派生不可变类型
关于”__new__”方法还有一个重要的用途就是用来派生不可变类型。
例如,Python中float是不可变类型,如果想要从float中派生一个子类,就要实现”__new__”方法:
classRound2Float(float):
def__new__(cls,num):
num=round(num,2)
#return super(Round2Float, cls).__new__(cls, num)
returnfloat.__new__(Round2Float,num)
f=Round2Float(4.14159)
printf
代码中从float派生出了一个Round2Float类,该类的实例就是保留小数点后两位的浮点数。
通过内建函数dir(),或者访问类的字典属性__dict__,这两种方式都可以查看类有哪些属性。
数据属性
类数据属性和实例数据属性
在上面的Student类中,”count”"books”"name”和”age”都被称为类的数据属性,但是它们又分为类数据属性和实例数据属性。
类变量紧接在类名后面定义,相当于java和c++的static变量
实例变量在__init__里定义,相当于java和c++的普通变量
>>> class test:
count = 0;类变量
def __init__(self, c):
self.count = c; 实例变量
self.__class__.count = self.__class__.count + 1;
>>> a = test(3)
>>> a.count
3
>>> test.count
1
对于类数据属性和实例数据属性,可以总结为:
1.类数据属性属于类本身,可以通过类名进行访问/修改
2.类数据属性也可以被类的所有实例访问/修改
3.在类定义之后,可以通过类名动态添加类数据属性,新增的类属性也被类和所有实例共有
4.实例数据属性只能通过实例访问
5.在实例生成后,还可以动态添加实例数据属性,但是这些实例数据属性只属于该实例
特殊的类属性
对于所有的类,都有一组特殊的属性:
类属性 含义
__name__ 类的名字(字符串)
__doc__ 类的文档字符串
__bases__ 类的所有父类组成的元组
__dict__ 类的属性组成的字典
__module__ 类所属的模块
__class__ 类对象的类型
Note:文档字符串对于类,函数/方法,以及模块来说是唯一的,也就是说__doc__属性是不能从父类中继承来的。
属性隐藏
从上面的介绍了解到,类数据属性属于类本身,被所有该类的实例共享;并且,通过实例可以去访问/修改类属性。
但是,在通过实例中访问类属性的时候一定要谨慎,因为可能出现属性”隐藏”的情况。
继续使用上面的Student类,来看看属性隐藏:
wilber = Student("Wilber", 28)
print "Student.count is wilber.count: ", Student.count is wilber.count
wilber.count = 1
print "Student.count is wilber.count: ", Student.count is wilber.count
print Student.__dict__
print wilber.__dict__
del wilber.count
print "Student.count is wilber.count: ", Student.count is wilber.count
print
wilber.count += 3
print "Student.count is wilber.count: ", Student.count is wilber.count
print Student.__dict__
print wilber.__dict__
del wilber.count
print
print "Student.books is wilber.books: ", Student.books is wilber.books
wilber.books = ["C#", "Python"]
print "Student.books is wilber.books: ", Student.books is wilber.books
print Student.__dict__
print wilber.__dict__
del wilber.books
print "Student.books is wilber.books: ", Student.books is wilber.books
print
wilber.books.append("CSS")
print "Student.books is wilber.books: ", Student.books is wilber.books
print Student.__dict__
print wilber.__dict__
代码的输出为:
分析一下上面代码的输出:
•对于不可变类型的类属性Student.count,可以通过实例wilber进行访问,并且”Student.count is wilber.count”
•当通过实例赋值/修改count属性的时候,都将为实例wilber新建一个count实例属性,这时,”Student.count is not wilber.count”
•当通过”del wilber.count”语句删除实例的count属性后,再次成为”Student.count is wilber.count”
•同样对于可变类型的类属性Student.books,可以通过实例wilber进行访问,并且”Student. books is wilber. books”
•当通过实例赋值books属性的时候,都将为实例wilber新建一个books实例属性,这时,”Student. Books is not wilber. books”
•当通过”del wilber. books”语句删除实例的books属性后,再次成为”Student. books is wilber. books”
•当通过实例修改books属性的时候,将修改wilber.books指向的内存地址(即Student.books),此时,”Student. Books is wilber. books”
Note: 虽然通过实例可以访问类属性,但是,不建议这么做,最好还是通过类名来访问类属性,从而避免属性隐藏带来的不必要麻烦。
方法
在一个类中,可能出现三种方法,实例方法、静态方法和类方法,下面来看看三种方法的不同。
实例方法
实例方法的第一个参数必须是”self”,”self”类似于C++中的”this”。
实例方法只能通过类实例进行调用,这时候”self”就代表这个类实例本身。通过”self”可以直接访问实例的属性。
类方法
类方法以cls作为第一个参数,cls表示类本身,定义时使用@classmethod装饰器。通过cls可以访问类的相关属性。
class Student(object):
'''
this is a Student class
'''
count = 0
books = []
def __init__(self, name, age):
self.name = name
self.age = age
@classmethod
def printClassInfo(cls):
print cls.__name__
print dir(cls)
pass
Student.printClassInfo()
wilber = Student("Wilber", 28)
wilber.printClassInfo()
代码的输出为,从这段代码可以看到,类方法可以通过类名访问,也可以通过实例访问。
静态方法
与实例方法和类方法不同,静态方法没有参数限制,既不需要实例参数,也不需要类参数,定义的时候使用@staticmethod装饰器。
同类方法一样,静态法可以通过类名访问,也可以通过实例访问。
class Student(object):
'''
this is a Student class
'''
count = 0
books = []
def __init__(self, name, age):
self.name = name
self.age = age
@staticmethod
def printClassAttr():
print Student.count
print Student.books
pass
Student.printClassAttr()
wilber = Student("Wilber", 28)
wilber.printClassAttr()
这三种方法的主要区别在于参数,实例方法被绑定到一个实例,只能通过实例进行调用;但是对于静态方法和类方法,可以通过类名和实例两种方式进行调用。
访问控制
Python中没有访问控制的关键字,例如private、protected等等。
但是,在Python编码中,有一些约定来进行访问控制。
“_”和” __”的使用 更多的是一种规范/约定,不没有真正达到限制的目的:
“_”:以单下划线开头的表示的是protected类型的变量,即只能允许其本身与子类进行访问;同时表示弱内部变量标示,如,当使用”from moduleNmae import *”时,不会将以一个下划线开头的对象引入。
“__”:双下划线的表示的是私有类型的变量。只能是允许这个类本身进行访问了,连子类也不可以,这类属性在运行时属性名会加上单下划线和类名。
单下划线”_”
在Python中,通过单下划线”_”来实现模块级别的私有化,一般约定以单下划线”_”开头的变量、函数为模块私有的,也就是说”from moduleName import *”将不会引入以单下划线”_”开头的变量、函数。
现在有一个模块lib.py,内容用如下,模块中一个变量名和一个函数名分别以”_”开头:
numA = 10
_numA = 100
def printNum():
print "numA is:", numA
print "_numA is:", _numA
def _printNum():
print "numA is:", numA
print "_numA is:", _numA
当通过下面代码引入lib.py这个模块后,所有的以”_”开头的变量和函数都没有被引入,如果访问将会抛出异常:
from lib import *
print numA
printNum()
print _numA
#print _printNum()
双下划线”__”
对于Python中的类属性,可以通过双下划线”__”来实现一定程度的私有化,因为双下划线开头的属性在运行时会被”混淆”(mangling)。
在Student类中,加入了一个”__address”属性:
class Student(object):
def __init__(self, name, age):
self.name = name
self.age = age
self.__address = "Shanghai"
pass
wilber = Student("Wilber", 28)
print wilber.__address
当通过实例wilber访问这个属性的时候,就会得到一个异常,提示属性”__address”不存在。
其实,通过内建函数dir()就可以看到其中的一些原由,”__address”属性在运行时,属性名被改为了”_Student__address”(属性名前增加了单下划线和类名)
>>> wilber = Student("Wilber", 28)
>>> dir(wilber)
['_Student__address', '__class__', '__delattr__', '__dict__', '__doc__', '__form
at__', '__getattribute__', '__hash__', '__init__', '__module__', '__new__', '__r
educe__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '
__subclasshook__', '__weakref__', 'age', 'name']
>>>
以说,即使是双下划线,也没有实现属性的私有化,因为通过下面的方式还是可以直接访问”__address”属性:
>>> wilber = Student("Wilber", 28)
>>> print wilber._Student__address
Shanghai
>>>
双下划线的另一个重要的目地
避免子类对父类同名属性的冲突。
看下面一个例子:
class A(object):
def __init__(self):
self.__private()
self.public()
def __private(self):
print 'A.__private()'
def public(self):
print 'A.public()'
class B(A):
def __private(self):
print 'B.__private()'
def public(self):
print 'B.public()'
b = B()
当实例化B的时候,由于没有定义__init__函数,将调用父类的__init__,但是由于双下划线的”混淆”效果,”self.__private()”将变成 “self._A__private()”。
看到这里,就清楚为什么会有如下输出了:
A.__private()
B.public()
以上这篇python类:class创建、数据方法属性及访问控制详解就是小编分享给大家的全部内容了
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何构建数据分析整体框架? 要让数据分析发挥其最大效能,建立一个清晰、完善的整体框架至关重要。今天,就让我们一同深入探讨 ...
2024-12-27AI来了,数分人也可以很省力,今天给大家介绍7个AI+数据分析工具,建议收藏。 01酷表 EXCEL 网址:https://chatexcel.com/ 这是 ...
2024-12-26一个好的数据分析模型不仅能使分析具备条理性和逻辑性,而且还更具备结构化和体系化,并保证分析结果的有效性和准确性。好的数据 ...
2024-12-26当下,AI 的发展堪称狂飙猛进。从 ChatGPT 横空出世到各种大语言模型(LLM)接连上线,似乎每个人的朋友圈都在讨论 AI 会不会“ ...
2024-12-26数据分析师这个职业已经成为了职场中的“香饽饽”,无论是互联网公司还是传统行业,都离不开数据支持。想成为一名优秀的数据分析 ...
2024-12-26在数据驱动决策成为商业常态的今天,数据分析师这一职业正迎来前所未有的机遇与挑战。很多希望转行或初入职场的人士不禁询问:数 ...
2024-12-25数据分析师,这一近年来炙手可热的职业,吸引了大量求职者的注意。凭借在大数据时代中的关键作用,数据分析师不仅需要具备处理数 ...
2024-12-25在当今数字化变革的浪潮中,数据分析师这一职业正迎来前所未有的发展机遇。回想我自己初入数据分析行业时,那种既兴奋又略显谨慎 ...
2024-12-25在当今信息爆炸的时代,数据已经像空气一样无处不在,而数据分析则是解锁这些信息宝藏的钥匙。数据分析的过程就像是一次探险,从 ...
2024-12-25在职场上,拍脑袋做决策的时代早已过去。数据分析正在成为每个职场人的核心竞争力,不仅能帮你找到问题,还能提供解决方案,提升 ...
2024-12-24Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19