导语:本文章记录了本人在学习Python基础之面向对象篇的重点知识及个人心得,打算入门Python的朋友们可以来一起学习并交流。
本文重点:
1、了解协议的概念以及利用__getitem__和__len__实现序列协议的方法;
2、掌握切片背后的__getitem__;
3、掌握动态访问属性背后的__getattr__和__setattr__;
4、掌握实现可散列对象背后精简的__hash__和__eq__。
注:本文介绍的vector类将二维vector类推广到多维,跟不上本文的朋友可以移步至《编写符合Python风格的对象》先了解二维向量类的编写。
一、基本的序列协议
首先,需要就n维向量和二维向量的显示、模的计算等差异重新调整。n维向量的设计包括初始化,迭代,输出,向量实例转为字节序列,求模,求布尔值,比较等内容,代码如下:
import math
import reprlib
from array import array
class Vector:
typecode='d'
def __init__(self,components):
self._components=array(self.typecode,components)
def __str__(self):
return str(tuple(self))
def __iter__(self):
return iter(self._components)
def __repr__(self):
classname=type(self).__name__
components=reprlib.repr(self._components)
components=components[components.find('['):-1]
return "{}({})".format(classname,components)
def __eq__(self, other):
return tuple(self)==tuple(other)
def __abs__(self):
return math.sqrt(sum(x*x for x in self))
def __bytes__(self):
return (bytes(self.typecode,encoding='utf-8')+
bytes(array(self.typecode,self._components)))
def __bool__(self):
return bool(abs(self)
@classmethod
def frombytes(cls,seqs):
typecode=chr(seqs[0])
memv=memoryview(seqs[1:]).cast(typecode)
return cls(memv)
在Python中创建功能完善的序列类型无需使用继承,只需要实现符合序列协议的__len__和__getitem__,
具体代码实现如下:
class Vector:
#省略中间代码
def __len__(self):
return len(self._components)
def __getitem__(self, item):
return self._components[item]
在面向对象编程中,协议是非正式的接口,没有强制力。
因此如果知道类的具体使用场景,实现协议中的一部分也可以。例如,为了支持迭代只实现__getitem__方法即可。
二、切片原理
1、了解切片的行为
在对序列切片(slice)的操作中,解释器允许切片省略start,stop,stride中的部分值甚至是全部省略。通过dir(slice)查阅发现,是切片背后的indices在做这个工作。indices方法会整顿存储数据属性的元组,把start,stop,stride都变成非负数,而且都落在指定长度序列的边界内。
例如slice(-3,None,None).indices(5)整顿完毕之后是(2,5,1)这样合理的切片。
2、关键的__getitem__方法
__getitem__是支持迭代取值的特殊方法。
我们将上文的__getitem__改造成可以处理切片的方法,改造需要考虑到处理参数是否为合理切片,合理切片的操作结果是产生新的向量实例。
def __getitem__(self, index):
cls=type(self)
if isinstance(index,slice):
return cls(self._components[index])#判断参数为切片时返回新的向量实例
elif isinstance(index,numbers.Integral):
return self._components[index]#判断参数为数值时返回对应的数值
else:
msg="{cls.__name__} indices must be integers"
raise TypeError(msg.format(cls=cls))#判断参数不合理时抛出TypeError
三、动态存取属性
1、访问向量分量:__getattr__
n维向量没有像二维向量一样把访问分量的方式直接在__init__中写入,由于传入的维数不确定无法采取穷举分量的原始方法,为此我们需要借助__getattr__实现。假设n维向量最多能处理6维向量,访问向量分量的代码实现如下:
shortcut_names='xyztpq'
def __getattr__(self, name):
cls=type(self)
if len(name)==1:
index=cls.shortcut_names.find(str(name))#若传入的参数在备选分量中可进行后续处理
if 0<=index<len(self._components):#判断分量的位置索引是否超出实例的边界
return self._components[index]
else:
msg = "{.__name__} doesn't have attribute {!r}"
raise AttributeError(msg.format(cls,name))#不支持非法的分量访问,抛出Error。
Tips:代码严谨之处在于传入的参数即使在备选分量之中,也有可能会超出实例的边界,因此涉及到索引和边界需要认真注意这一点。
2、保持行为一致:__setattr__
尽管我们实现了__getattr__,但事实上目前的n维向量存在行为不一致的问题,先看一段代码:
v=Vector(range(5))
print(v.y)#输出1.0
v.y=6
print(v.y)#输出6
print(v)#输出(0.0, 1.0, 2.0, 3.0, 4.0)
上面的例子显示我们可以访问6维向量的y分量,但是问题在于我们为y分量赋值的改动没有影响到向量实例v。这种行为是不一致的,并且还没有抛出错误令人匪夷所思。本文中我们希望向量分量是只读不可变的,也就是说我们要对修改向量分量这种不当的行为抛出Error。因此需要额外构造__setattr__,代码实现如下:
def __setattr__(self, key, value):
cls=type(self)
if len(key)==1:
if key in self.shortcut_names:
error="can't set value to attribute {attr_name!r}"
elif key.islower():
error="can't set attributes 'a' to 'z' in {cls_name!r}"
else:
error=""
if error:#写嵌套语句的时候要始终把握住逻辑思路。
msg = error.format(cls_name=cls.__name__, attr_name=key)
raise AttributeError(msg)
super().__setattr__(key,value)#在超类上调用__setattr__方法来提供标准行为。
小结:如果定义了__getattr__方法,那么也要定义__setattr__方法,这样才能避免行为不一致。
四、可散列的对象
可散列对象应满足的三个条件在此不再赘述,对于n维向量类而言需要做两件事将其散列化:
1、利用异或运算符构造__hash__
构造思路是将hash()应用到向量中的每个元素,并用异或运算符进行聚合计算。由于处理的向量维数提高,采用归约函数functools.reduce处理。
import operator
from functools import reduce
def __hash__(self):
hashes=map(hash,self._components)
return reduce(operator.xor,hashes)
2、通过zip优化n维向量的比较方法__eq__
上文初始给出的比较方法是粗糙的,下面针对两个维数均不确定的向量进行比较,代码如下:
def __eq__(self, other):
if len(self)!=len(other):#数组数量的比较很关键
return False
for x,y in zip(self,other):
if x!=y:
return False
return True
数组数量的比较时很关键的,因为zip在比较数量不等的序列时会随着一个输入的耗尽而停止迭代,并且不抛出Error。
回到正题,上述的逻辑关系可以进一步精简。通过all函数可以把for循环替代:
def __eq__(self, other):
return len(self)==len(other) and all(x==y for x,y in zip(self,other))
本人更喜欢后者这种简洁且准确的代码书写方式。
五、格式化显示
理解n维向量的超球面坐标(r,θ1,θ2,θ3,...,θn-1)计算公式需要额外的数学基础,此处的格式化输出在本质上与《编写符合Python风格的对象》中的格式化输出并无明显区别,此处不作详述,感兴趣的朋友可以查看如下的代码:
def angle(self, n): #使用公式计算角坐标
r = math.sqrt(sum(x * x for x in self[n:]))
a = math.atan2(r, self[n-1])
if (n == len(self) - 1) and (self[-1] < 0):
return math.pi * 2 - a
else:
return a
def angles(self):
return (self.angle(n) for n in range(1, len(self)))#计算所有角坐标并存入生成器表达式中
def __format__(self, fmt_spec=''):
if fmt_spec.endswith('h'): # 超球面坐标标识符
fmt_spec = fmt_spec[:-1]
coords = itertools.chain([abs(self)],self.angles()) #利用itertools.chain无缝迭代模和角坐标
outer_fmt = '<{}>'
else:
coords = self
outer_fmt = '({})'
components = (format(c, fmt_spec) for c in coords) #格式化极坐标的各元素并存入生成器中
return outer_fmt.format(', '.join(components))
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。