QiYun

Note

Python-Note

Posted on Edited on In
6k 22 mins.

Python查缺补漏

Python (with matlab)

安装用于 Python 的 MATLAB Engine API - MATLAB & Simulink - MathWorks 中国

  • 要从 MATLAB 文件夹安装，请在 Windows® 上键入：
    • cd "_matlabroot_\extern\engines\python"
    • python -m pip install .
  • 使用以下命令从 https://pypi.org/project/matlabengine 安装引擎 API：
    • python -m pip install matlabengine

启动 MATLAB Engine

启动 Python。在 Python 提示符下键入以下命令，以导入 MATLAB 模块并启动引擎：

1
2
import matlab.engine
eng = matlab.engine.start_matlab()

matlab2023 最低python版本为 3.9
matlab2019 最高python版本为 3.7

Project

Project introduction Link
许多 Linux 发行版都用 systemd 来管理系统的服务，比如开机启动、自动重启、守护进程等。该项目讲解了如何入门 systemd，并提供了一个 Python 脚本和 systemd unit 文件，可以在此基础上快速开发出 systemd 服务。 torfsen/python-systemd-tutorial: A tutorial for writing a systemd service in Python
基于 OpenCV 的拼接模块开发的用于快速拼接图片的 Python 库 OpenStitching/stitching: A Python package for fast and robust Image Stitching
手写实现李航《统计学习方法》书中全部算法 Dod-o/Statistical-Learning-Method_Code: 手写实现李航《统计学习方法》书中全部算法
使用 Python 和 Matplotlib 进行科学可视化的开源书籍 rougier/scientific-visualization-book: An open access book on scientific visualization using python and matplotlib
Python 写的人脸识别和面部属性分析框架，可根据人脸图像智能识别年龄、性别、情绪等信息 serengil/deepface: A Lightweight Face Recognition and Facial Attribute Analysis (Age, Gender, Emotion and Race) Library for Python

积累编写技巧

元组索引列表

1
2
3
4
5
6
7
8
9
10
def topk_freq(self, x_freq):
  length = x_freq.shape[1]
  top_k = int(self.factor * math.log(length))
  # print(top_k)
  values, indices = torch.topk(x_freq.abs(), top_k, dim=1, largest=True, sorted=True) # (b, top_k, d)
  # print(values.shape, indices.shape); print(values); print(indices)
  mesh_a, mesh_b = torch.meshgrid(torch.arange(x_freq.size(0)), torch.arange(x_freq.size(2)), indexing='ij') # (b, d)
  index_tuple = (mesh_a.unsqueeze(1), indices, mesh_b.unsqueeze(1)) # (b, 1, d) (b, top_k, d) (b, 1, d)
  x_freq = x_freq[index_tuple] # (b, top_k, d)
return x_freq, index_tuple
  • 变量的交换a,b = b,a
  • 字符串格式化

print("Hi, I'm %s . I'm from %s . And I'm %d" % (name,country,age))
print("Hi, I'm {} . I'm from {} . And I'm {}".format(name,country,age))
print(f"Hi, I'm {name} . I'm from {country} . And I'm {age+1}"

[双字] {Python}中5个好用的<字符串格式化>技巧_哔哩哔哩_bilibili

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
n: int = 1000000000
print(f'{n:_}') # 1_000_000_000
print(f'{n:,}') # 1,000,000,000

var: str = 'var'
print(f'{var:>20}') # 一共20个空格，右对齐
print(f'{var:20}') # 左对齐
print(f'{var:<20}') # 左对齐
print(f'{var:^20}') # 居中

print(f'{var:_>20}') # 空格变成下划线
print(f'{var:#>20}') # 空格变成#

from datetime import datetime
now: datetime = datetime.now()
print(f'{now:%d.%m.%y (%H:%M:%S)}') # 17.02.24 (11:20:56)
print(f'{now:%c}') # Sat Feb 17 11:20:56 2024
print(f'{now:%I%p}') # 11AM

n: float = 1234.5678
print(f'{n:.2f}') # 1234.57
print(f'{n:.0f}') # 1235
print(f'{n:,.3f}') # 123,4.568

a: int = 5
b: int = 10
print(f'{a+b=}') # a+b=15

my_var: str = 'my variable'
print(f'{my_var=}') # my_var='my variable'
print(f'my_var={my_var}') # my_var=my variable

Yield

yield不需要整个列表生成完毕后再输出，可以一个一个输出。每当一个数据生成时，可以直接输出

1
2
3
4
5
6
7
8
9
def fibonacci(n):
    a = 0
    b = 1
    for _ in range(n):
        yield a
        a, b = b, a+b
    return nums
for i in fibonacci(10):
    print(i)

map和zip

map(function,sequence)
对序列sequence中每个元素都执行函数function操作，如map(str,mylist)：将列表中的每一项转换成字符串。
list()将每一项转换成列表

zip(*list)返回的是一个元组，转置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
list = [[1,2,3],[4,5,6],[7,8,9]]
t = zip(*list)
print t

# output
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]

x = [1,2,3,4,5]
y = [6,7,8,9,10]
a = zip(x,y)
print a

# output
[(1, 6), (2, 7), (3, 8), (4, 9), (5, 10)]

eg：将多个列表合并创建json数组

new_list = list(map(list, zip(address, temp)))
jsonify({
‘data’: new_list
})

partial

1
2
3
4
from functools import partial

# 如果 clip_x_start 则创建一个maybe_clip函数，根据输入的x_ 输出 torch.clamp(x_, min=-1., max=1.)
maybe_clip = partial(torch.clamp, min=-1., max=1.) if clip_x_start else identity

Python基础

try…except

1
2
3
4
5
6
7
8
9
#python 异常处理
try:
<语句>        #运行别的代码
except <名字>：
<语句>        #如果在try部份引发了'name'异常
except <名字>，<数据>:
<语句>        #如果引发了'name'异常，获得附加的数据
else:
<语句>        #如果没有异常发生

单个 try-except 语句捕获所有发生的异常，不是一个很好的方式。可以使用多个except异常语句

  • finally 退出try时总会执行
    1
    2
    3
    4
    5
    try:
    <语句>
    finally:
    <语句>    #退出try时总会执行
    raise
1
2
3
4
5
try:
    正常的操作
   ......................
except ExceptionType, Argument:
    你可以在这输出 Argument 的值...

用户自定义异常

  • 通过创建一个新的异常类，程序可以命名它们自己的异常。异常应该是典型的继承自 Exception 类，通过直接或间接的方式
  • 以下为与 RuntimeError 相关的实例,实例中创建了一个类，基类为 RuntimeError，用于在异常触发时输出更多的信息
  • 在 try 语句块中，用户自定义的异常后执行 except 块语句，变量 e 是用于创建 Networkerror 类的实例
1
2
3
class Networkerror(RuntimeError):
    def __init__(self, arg):
        self.args = arg
  • 在你定义以上类后，你可以触发该异常，如下所示：
1
2
3
4
try:
    raise Networkerror("Bad hostname")
except Networkerror,e:
    print e.args
异常名称 描述
BaseException 所有异常的基类
SystemExit 解释器请求退出
KeyboardInterrupt 用户中断执行(通常是输入^C)
Exception 常规错误的基类
StopIteration 迭代器没有更多的值
GeneratorExit 生成器(generator)发生异常来通知退出
StandardError 所有的内建标准异常的基类
ArithmeticError 所有数值计算错误的基类
FloatingPointError 浮点计算错误
OverflowError 数值运算超出最大限制
ZeroDivisionError 除(或取模)零 (所有数据类型)
AssertionError 断言语句失败
AttributeError 对象没有这个属性
EOFError 没有内建输入,到达 EOF 标记
EnvironmentError 操作系统错误的基类
IOError 输入/输出操作失败
OSError 操作系统错误
WindowsError 系统调用失败
ImportError 导入模块/对象失败
LookupError 无效数据查询的基类
IndexError 序列中没有此索引(index)
KeyError 映射中没有这个键
MemoryError 内存溢出错误(对于 Python 解释器不是致命的)
NameError 未声明/初始化对象 (没有属性)
UnboundLocalError 访问未初始化的本地变量
ReferenceError 弱引用(Weak reference)试图访问已经垃圾回收了的对象
RuntimeError 一般的运行时错误
NotImplementedError 尚未实现的方法
SyntaxError Python 语法错误
IndentationError 缩进错误
TabError Tab 和空格混用
SystemError 一般的解释器系统错误
TypeError 对类型无效的操作
ValueError 传入无效的参数
UnicodeError Unicode 相关的错误
UnicodeDecodeError Unicode 解码时的错误
UnicodeEncodeError Unicode 编码时错误
UnicodeTranslateError Unicode 转换时错误
Warning 警告的基类
DeprecationWarning 关于被弃用的特征的警告
FutureWarning 关于构造将来语义会有改变的警告
OverflowWarning 旧的关于自动提升为长整型(long)的警告
PendingDeprecationWarning 关于特性将会被废弃的警告
RuntimeWarning 可疑的运行时行为(runtime behavior)的警告
SyntaxWarning 可疑的语法的警告
UserWarning 用户代码生成的警告

参考教程

加减乘除

python 保留小数位

保留两位小数 a=2.32424
round(a,2)
"%.2f" %a
f'{a:.2f}'

除法和取模

Python中
// ：地板除，即向负无穷取整

  • 8//3 结果为2
  • -8//3 结果为-3

Python中：% 取模（modulus）与取余数有很大区别

  • -10%3 结果为2
  • -90%8结果为6

C++中：% 取余

  • -10%3 结果为-1
  • -90%8结果为-2
1
2
3
4
5
6
7
8
9
10
11
# 取模，Python中可直接用%，计算模，r = a % b
def mod(a, b):    
    c = a // b
    r = a - c * b
    return r
 
# 取余 
def rem(a, b):
    c = int(a / b)
    r = a - c * b
    return r

字符串操作

  • str.split() 对字符串进行切片—返回一个列表
    • 语法str.split(str="", num=string.count(str)).
      • str：分隔符，默认为所有的空字符，包括空格、换行、指标
      • num：分割次数，默认为-1，即分割所有
  • str.find() 检测字符串中是否包含子字符串 str
    • _如果包含子字符串返回开始的索引值，否则返回-1_
    • 语法str.find(str, beg=0, end=len(string))
      • str — 指定检索的字符串
      • beg — 开始索引，默认为 0
      • end — 结束索引，默认为字符串的长度
  • string.join()
    • 语法 'sep'.join(seq)以 sep 作为分隔符，将 seq 所有的元素合并成一个新的字符串 返回值：返回一个以分隔符 sep 连接各个元素后生成的字符串
      • sep：分隔符。可以为空
      • seq：要连接的元素序列、字符串、元组、字典
  • ord() & chr()
    • ord()将字符转化为ascii码
    • chr()将ascii码转化为字母或实际数字

文件操作

txt文件

1
2
3
fd = open('file.txt','w',encoding='utf-8')      #utf-8 or GBK
fd.write(content)
fd.close()

其中 content 可以是字符串，变量，\t ……

r w a
只读 覆盖写 添加写

读取txt行

1
2
f.readlines()# 全部读取最后返回一个列表存所有的类,每行后面都会带有“\n”
f.readline()# 读取一列数据

csv文件

写入列表

  • headers :表头
  • rows :内容
  • f*csv = csv.writer(f)&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;\_f 为 open('file.txt','w',encoding='utf-8')*
  • f_csv.writerow(headers)
  • f_csv.writerows(rows)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import csv

headers = ['class','name','sex','height','year']

rows = [
        [1,'xiaoming','male',168,23],
        [1,'xiaohong','female',162,22],
        [2,'xiaozhang','female',163,21],
        [2,'xiaoli','male',158,21]
    ]

with open('test.csv','w',newline='')as f:
    f_csv = csv.writer(f)
    f_csv.writerow(headers)
    f_csv.writerows(rows)

_注意：如果打开 csv 文件出现空行的情况，那么需要添加一个参数 newline=”_
with open('test.csv','w',newline='')as f:

class name sex height year
1 xiaoming male 168 23
1 xiaohong female 162 22
2 xiaozhang female 163 21
2 xiaoli male 158 21

写入字典

  • headers :表头
  • rows :内容
  • f_csv = DictWriter(f,headers)
  • f_csv.writeheader()
  • f_csv.writerows(rows)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import csv

headers = ['class','name','sex','height','year']

rows = [
        {'class':1,'name':'xiaoming','sex':'male','height':168,'year':23},
        {'class':1,'name':'xiaohong','sex':'female','height':162,'year':22},
        {'class':2,'name':'xiaozhang','sex':'female','height':163,'year':21},
        {'class':2,'name':'xiaoli','sex':'male','height':158,'year':21},
    ]

with open('test2.csv','w',newline='')as f:
    f_csv = csv.DictWriter(f,headers)
    f_csv.writeheader()
    f_csv.writerows(rows)
class name sex height year
1 xiaoming male 168 23
1 xiaohong female 162 22
2 xiaozhang female 163 21
2 xiaoli male 158 21

# csv读取

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import csv
with open('test.csv')as f:
    f_csv = csv.reader(f)
    for row in f_csv:
        print(row)

'''result
['class', 'name', 'sex', 'height', 'year']
['1', 'xiaoming', 'male', '168', '23']
['1', 'xiaohong', 'female', '162', '22']
['2', 'xiaozhang', 'female', '163', '21']
['2', 'xiaoli', 'male', '158', '21']
'''

with open('test.csv')as f:
    f_csv = csv.reader(f)
    for row in f_csv:
        print(row[0])

'''result
class
1
1
2
2
'''

参考网站

  • with open () as 读写文件
1
2
3
4
5
6
7
8
9
10
11
12
13
# 读文件
with open('file.txt','r',) as f:
    print(f.read())
# 不需调用f.close()
# 如果文件过大则用read(size)比较保险
# 如果文件是配置文件readlines()较为方便


# 写文件
with open('file.txt','w',encoding='utf-8') as f:
    f.write('Hello World !')
# 文本文件    encoding 字符编码：gbk，utf-8
# 二进制文件  rb模式读取:图片,视频

参考网站

os文件夹

1
2
3
4
5
6
7
8
import os

main_path = 'E:/os/'    #创建一个路径
if not os.path.exists(main_path):   #如果该路径不存在
    os.makedirs(main_path)  #则新建一个路径

# 或者直接
os.makedirs(path, exist_ok=True)
  • 删除文件: os.remove(path)
  • 获取绝对路径: os.path.abspath
  • 路径拼接：os.path.join()
1
2
3
4
5
print(os.path.abspath('.'))

运行PS E:\BaiduSyncdisk\NeRF_Proj\NeRO> & F:/miniconda/envs/nero/python.exe e:/BaiduSyncdisk/NeRF_Proj/NeRO/blender_backend/relight_backend.py

输出：E:\BaiduSyncdisk\NeRF_Proj\NeRO

概念

【Python】详解 collections.defaultdict-CSDN博客

collections 作为 Python 的内建集合模块，实现了许多十分高效的特殊容器数据类型，即除了 Python 通用内置容器： dict、list、set 和 tuple 等的替代方案

装饰器

装饰器 - 廖雪峰的官方网站 (liaoxuefeng.com)

eg：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import time 
import functools

def metric(fn):
    # print('%s executed in %s ms' % (fn.__name__, 10.24))
    @functools.wraps(fn)
    def wrapper(*args, **kw):
        start = time.time()
        res = fn(*args, **kw)
        end = time.time()
        print('{:s} executed in {:5f} ms, ' 'and the result is {:d}'.format(fn.__name__, (end - start), res))
        return fn(*args, **kw)
    return wrapper

# 测试
@metric
def fast(x, y):
    time.sleep(0.0012)
    return x + y;

@metric
def slow(x, y, z):
    time.sleep(0.1234)
    return x * y * z;

f = fast(11, 22)
s = slow(11, 22, 33)
if f != 33:
    print('测试失败!')
elif s != 7986:
    print('测试失败!')

"""
print(fast.__name__)
如果有@functools.wraps(fn)，则返回fast
如果没有@functools.wraps(fn)，则返回wrapper
"""
print(fast.__name__)

output: 
fast executed in 0.013472 ms, and the result is 33
slow executed in 0.124733 ms, and the result is 7986
fast
1
2
3
4
5
6
7
8
9
10
11
12
13
14
def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

@log
def now():
    print('2015-3-25')

执行：now()
output:
call now():
2015-3-25

把@log放到now()函数的定义处，相当于执行了语句：

1
now = log(now)

由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。

装饰器需要参数

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

1
2
3
4
5
6
7
def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

这个3层嵌套的decorator用法如下：

1
2
3
@log('execute')
def now():
    print('2015-3-25')

执行结果如下：

1
2
3
>>> now()
execute now():
2015-3-25

和两层嵌套的decorator相比，3层嵌套的效果是这样的：

1
>>> now = log('execute')(now)

原始函数属性复制到装饰后的函数中

以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：

1
2
>>> now.__name__
'wrapper'

因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。

不需要编写wrapper.__name__ = func.__name__这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：

1
2
3
4
5
6
7
8
import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

或者针对带参数的decorator：

1
2
3
4
5
6
7
8
9
10
import functools

def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

import functools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。

类的定义和实例创建

1
2
3
4
5
6
# 定义类，类名为Cname
class Cname(object):
    pass

# 创建cname1实例
cname1 = Cname()

类中的实例属性与类属性

  • 实例属性：用于区分不同的实例，不同的类有不同的实例属性
  • 类属性：是每个实例共有的属性，每个实例共有的属性

实例属性，每个实例有各自的属性

1
2
3
4
5
6
7
8
9
10
11
# 实例属性（复杂）
cname1.name = y
cname2.name = q

# 实例属性（统一添加）
class Cname(object):
    def __init__(self,name):  # 初始化一个属性r
        self.name = name

cname1 = Cname(y)
print(cname1.name)

类的属性绑定后，所有实例都可以访问，而且实例访问的类属性都相同

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
class Cname(object):
    zhongz = 'people'

    def __init__(self,name):
        self.name = name

cname1 = Cname('y')
cname2 = Cname('q')

print('--------')
print(cname1.zhongz)    # people
print(cname2.zhongz)    # people

# 通过类名修改了类属性后
Cname.zhongz = 'tenshi'
print('--------')
print(cname1.zhongz)    # tenshi
print(cname2.zhongz)    # tenshi

# 通过实例名修改了类属性
cname1.zhongz = 'mea'
print('--------')
print(cname1.zhongz)    # mea
print(cname2.zhongz)    # tenshi

# 删除了cname1的类属性zhongz后
print('--------')
print(cname1.zhongz)    # mea
del cname1.zhongz
print(cname1.zhongz)    # tenshi

要修改类属性，不要再实例上修改，而是在类名上修改

类的实例方法

1
2
3
4
5
6
7
8
9
10
11
12
13
class Cname(object):
    zhongz = 'people'

    def __init__(self,name):
        self.name = name

    def printname(self):
        print(self.name) # 打印名字

cname1 = Cname('y')
cname2 = Cname('q')
cname1.printname()  # y
cname2.printname()  # q

printname(self)就是一个最简单的方法

类中的访问限制

属性的访问限制

python的类中的属性，如果有些属性不希望被外部访问，我们可以属性命名时以双下划线开头 __，如 __age

但，如果一个属性以”__xxx__“的形式定义，那么它可以被外部访问。以”__xxx__“定义的属性在Python的类中被称为特殊属性，有很多预定义的特殊属性是以“__xxx__”定义，所以我们不要把普通属性用”__xxx__“定义。

加双下划线__xx 的属性，可以通过“ _类名__xx ”可以访问到属性的值 如Cname._Cname__age

方法的访问限制

双下划线，如def __printage():

  • 此时，该方法只能在类的内部使用，而无法被外部调用

单下划线，不能通过 from module import * 这种方式导入，可以通过其他方式：

  • import A
  • b = A._B()

类中的装饰方法

  • @classmethod 用来修饰类方法。使用在与类进行交互，但不和其实例进行交互的函数方法上
  • @staticmethod 用来修饰静态方法。使用在有些与类相关函数，但不使用该类或该类的实例。如更改环境变量、修改其他类的属性等

classmethod必须使用类的对象作为第一个参数，而staticmethod则可以不传递任何参数

@classmethod 修饰方法——类方法

类方法，我们不用通过实例化类就能访问的方法。而且@classmethod 装饰的方法不能使用实例属性，只能是类属性。它主要使用在和类进行交互，但不和其实例进行交互的函数方法上。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
class Cname(object):
    zhongz = 'people'

    def __init__(self,name):
        self.name = name

    def printname(self):
        print(self.name)
    
    @classmethod
    def printwe(cls):
        print(cls.zhongz)

# Cname.printname()   # 没有实例化 ，会发生错误
Cname.printwe()     # 没有实例化也可以访问

printwe(cls)中cls表示的是类，它和self类实例有一定的差别。类方法中都是使用cls，实例方法中使用self

@staticmethod 修饰方法——静态方法

@staticmethod 不强制要求传递参数（它做的事与类方法或实例方法一样）
@staticmethod 使用在有些和类相关函数，但不使用该类或者该类的实例。如更改环境变量、修改其他类的属性等
@staticmethod 修饰的方法是放在类外的函数，我们为了方便将他移动到了类里面，它对类的运行无影响

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
class Date(object):
   day = 0
   month = 0
   year = 0

   def __init__(self, year=0, month=0, day=0):
       self.day = day
       self.month = month
       self.year = year

   @classmethod
   def from_string(cls, date_as_string):
       year, month, day = date_as_string.split('-')
       date = cls(year, month, day)
       return date
    # 返回的是类的实例

   @staticmethod
   def is_date_valid(date_as_string):
       """
      用来校验日期的格式是否正确
       """
       year, month, day = date_as_string.split('-')
       return int(year) <= 3999 and int(month) <= 12 and int(day) <= 31

date1 = Date.from_string('2012-05-10')
print(date1.year, date1.month, date1.day)
is_date = Date.is_date_valid('2012-09-18') # 格式正确 返回True

is_date_valid(date_as_string) 只有一个参数，它的运行不会影响类的属性

@staticmethod修饰方法 is_date_valid(date_as_string)中无实例化参数self或者cls；而@classmethod修饰的方法中有from_string(cls, date_as_string) 类参数cls

python中的property的使用

property的作用

  • 作为装饰器 @property将类方法转换为类属性（只读）
  • property重新实现一个属性的setter和getter方法

@property将类方法转换为只读属性

经常使用，将类的属性设置为不可修改

将一个类方法转变成一个类属性

1
2
3
4
5
6
7
8
9
10
11
12
13
class Circle(object):
   __pi = 3.14

   def __init__(self, r):
       self.r = r

   @property
   def pi(self):
       return self.__pi

circle1 = Circle(2)
print(circle1.pi)
circle1.pi=3.14159  # 出现AttributeError异常

创建实例后我们可以使用circle1.pi 自己获取方法的返回值，而且他只能读不能修改

property重新实现setter和getter方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
class Circle(object):
   __pi = 3.14

   def __init__(self, r):
       self.r = r

   def get_pi(self):
       return self.__pi

   def set_pi(self, pi):
       Circle.__pi = pi

   pi = property(get_pi, set_pi)

circle1 = Circle(2)
circle1.pi = 3.14  # 设置 pi的值
print(circle1.pi)  # 访问 pi的值

当我们以这种方式使用属性函数时，它允许pi属性设置并获取值本身而不破坏原有代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
class Circle(object):
   __pi = 3.14

   def __init__(self, r):
       self.r = r

   @property
   def pi(self):
       return self.__pi

   @pi.setter
   def pi(self, pi):
       Circle.__pi = pi

circle1 = Circle(2)
circle1.pi = 3.14  # 设置 pi的值
print(circle1.pi)  # 访问 pi的值

把一个getter方法变成属性，只需要加上@property就可以了，如上此时pi(self)方法，@property本身又创建了另一个装饰器@pi.setter，负责把一个setter方法变成属性赋值，于是，将@pi.setter加到pi(self, pi)上，我们就拥有一个可控的属性操作

参考知乎大佬的教程
感谢大佬让我搞懂了python的类，虽然最后的不太懂，但是基础是懂了

类的继承

类的继承

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
class Animal(object):  #  python3中所有类都可以继承于object基类
   def __init__(self, name, age):
       self.name = name
       self.age = age

   def call(self):
       print(self.name, '会叫')
# 现在我们需要定义一个Cat猫类继承于Animal，猫类比动物类多一个sex属性。
class Cat(Animal):
   def __init__(self,name,age,sex):
       super(Cat, self).__init__(name,age)  # 不要忘记从Animal类引入属性
       self.sex=sex

if __name__ == '__main__':  # 单模块被引用时下面代码不会受影响，用于调试
    c = Cat('喵喵', 2, '男')  #  Cat继承了父类Animal的属性
    c.call()  # 输出 喵喵 会叫 ，Cat继承了父类Animal的方法

类的继承一般都是object，然后如果想要继承自己的类，则可以把object继承对象改一下，原来类名后括号里的东西是继承对象

一定要用 super(Cat, self).__init__(name,age) 去初始化父类，否则，继承自 Animal的 Cat子类将没有 name 和 age 两个属性

函数super(Cat, self)将返回当前类继承的父类，即 Animal，然后调用__init__()方法，注意self参数已在super()中传入，在__init__()中将隐式传递，不能再写出self

Python对子类方法的重构

子类中的方法要求跟父类中的方法不同时，可以在子类中重构方法

1
2
3
4
5
6
7
8
9
10
11
class Cat(Animal):
   def __init__(self, name, age, sex):
       super(Cat, self).__init__(name,age)
       self.sex = sex

   def call(self):
       print(self.name,'会“喵喵”叫')

if __name__ == '__main__':
   c = Cat('喵喵', 2, '男')
   c.call()  # 输出：喵喵 会“喵喵”叫

当我们在子类中重构父类的方法后，Cat子类的实例先会在自己的类Cat中查找该方法，当找不到该方法时才会去父类Animal中查找对应的方法

Python中子类与父类的关系

1
2
3
4
5
6
7
8
class Animal(object):
   pass

class Cat(Animal):
   pass

A= Animal()
C = Cat()
  • “A”是Animal类的实例，但，“A”不是Cat类的实例。
  • “C”是Animal类的实例，“C”也是Cat类的实例。

函数 isinstance(变量,类型)
判断变量的类型，判断对象之间的关系

1
2
3
4
5
6
7
8
9
10
print('"A" IS Animal?', isinstance(A, Animal))
print('"A" IS Cat?', isinstance(A, Cat))
print('"C" IS Animal?', isinstance(C, Animal))
print('"C" IS Cat?', isinstance(C, Cat))

# 输出
"A" IS Animal? True
"A" IS Cat? False
"C" IS Animal? True
"C" IS Cat? True

python中多态

类具有继承关系，并且子类类型可以向上转型看做父类类型，如果我们从 Animal派生出 Cat和Dog，并都写了一个 call() 方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
class Animal(object):  
   def __init__(self, name, age):
       self.name = name
       self.age = age
   def call(self):
       print(self.name, '会叫')

class Cat(Animal):
   def __init__(self, name, age, sex):
       super(Cat, self).__init__(name, age)
       self.sex = sex

   def call(self):
       print(self.name, '会“喵喵”叫')

class Dog(Animal):
   def __init__(self, name, age, sex):
       super(Dog, self).__init__(name, age)
       self.sex = sex
   def call(self):
       print(self.name, '会“汪汪”叫')

我们定义一个do函数，接收一个变量 ‘all’,如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
def do(all):
   all.call()

A = Animal('小黑',4)
C = Cat('喵喵', 2, '男')
D = Dog('旺财', 5, '女')

for x in (A,C,D):
   do(x)

# 输出结果
# 小黑 会叫
# 喵喵 会“喵喵”叫
# 旺财 会“汪汪”叫

这种行为称为多态。也就是说，方法调用将作用在 all 的实际类型上。C 是 Cat 类型，它实际上拥有自己的 call() 方法以及从 Animal 继承的 call 方法
而调用 C .call() 总是先查找它自身的定义，如果没有定义，则顺着继承链向上查找，直到在某个父类中找到为止

注意事项

  • 在继承中基类的构造方法（__init__()方法）不会被自动调用，它需要在其派生类的构造方法中亲自专门调用。
  • 在调用基类的方法时，需要加上基类的类名前缀，且需要带上self参数变量。而在类中调用普通函数时并不需要带上self参数
  • Python总是首先查找对应类的方法，如果它不能在派生类中找到对应的方法，它才开始到基类中逐个查找。（先在本类中查找调用的方法，找不到才去基类中找）

类的实例可调用

【python】特殊函数 call - 知乎

可以模糊对象和函数的关系

1
2
3
4
5
6
7
8
9
10
11
12
13
14
    def __init__(self,name):
        self.name=name

    def __call__(self):
        print("hello "+self.name)


def main():
    a = People('abc!')
    a.__call__()
    a()

if __name__ == '__main__':
    main()

Welcome to my other publishing channels