【笔记】python面向对象搞基编程(__slots__,property)

2024-01-04 12:30

本文主要是介绍【笔记】python面向对象搞基编程(__slots__,property),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在前文《【笔记】python面向对象-类和实例(详述类和实例属性和方法的绑定)》的数据封装那节写过如何给类和实例动态绑定属性和方法。那如果我们想要限制实例的属性怎么办?比如,只允许对Student实例添加nameage属性。

在定义class的时候,定义一个特殊的__slots__变量,来限制该class实例能添加的属性。

目录

__slots__

@property

练习


__slots__

__slots__接收一个元组,元组中的字符串表示的属性为允许添加的属性。如果添加了未被允许的属性会触发AttributeError。

class Student(object):
...     __slots__ = ('name','age')
... 
... stu1 = Student()
... stu1.name = 'forst'
... stu1.age = 23
... stu1.high = 165
Traceback (most recent call last):File "<input>", line 7, in <module>
AttributeError: 'Student' object has no attribute 'high'

注意:仅对当前类实例起作用,对继承的子类是不起作用

class Student(object):
...     __slots__ = ('name','age')
... 
... class Grupe(Student):
...     pass
... 
... gru1 = Grupe()
... gru1.num = 12
... print(gru1.num)
12

@property

我们在定义类的时候,由于有些属性很可能不是直接暴露的,需要通过getter和setter方法(此外还有deleter)来实现对这些属性的读取和设置等操作。但是设置两个独立的函数又显得比较笨,而通过@property装饰器可以将getter和setter方法变成一个属性调用,这样我们在访问这些实例的属性的时候好像是直接操作的属性一样。总的来说,property是一个装饰器,可以把方法变成属性调用。注意getter和setter方法的函数名字一定要一样!property方法非常了类似C++的函数重载,看下边的例子

class Student(object):@propertydef score(self):return self._score@score.setterdef score(self, value):if not isinstance(value, int):raise ValueError('score must be an integer!')if value < 0 or value > 100:raise ValueError('score must between 0 ~ 100!')self._score = valuestu1=Student
stu1.score = 10
print(stu1.score)

使用方法如下:

在getter方法前加上@property,此时就会以这个getter方法的名字创建一个setter装饰器,把这个setter装饰器加在setter方法前面即可。如果只定义getter方法而不定义setter方法的话则这个属性是只读的。

练习

请利用@property给一个Screen对象加上widthheight属性,以及一个只读属性resolution

class Screen(object):@propertydef width(self):return self._width@width.setterdef width(self,value1):if not isinstance(value1,int):raise ValueError('width must be int type')if value1 <= 0:raise ValueError('width should >0')self._width = value1@propertydef height(self):return self._height@height.setterdef height(self,value):if not isinstance(value,int):raise ValueError('height must be int type')if value <= 0:raise ValueError('height should >0')self._height = value@propertydef resolution(self):return self._height*self._widths = Screen()
s.width = 1024
s.height = 768
print('resolution =', s.resolution)
if s.resolution == 786432:print('测试通过!')
else:print('测试失败!')

 

这篇关于【笔记】python面向对象搞基编程(__slots__,property)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/569343

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

【编程底层思考】垃圾收集机制,GC算法,垃圾收集器类型概述

Java的垃圾收集(Garbage Collection,GC)机制是Java语言的一大特色,它负责自动管理内存的回收,释放不再使用的对象所占用的内存。以下是对Java垃圾收集机制的详细介绍: 一、垃圾收集机制概述: 对象存活判断:垃圾收集器定期检查堆内存中的对象,判断哪些对象是“垃圾”,即不再被任何引用链直接或间接引用的对象。内存回收:将判断为垃圾的对象占用的内存进行回收,以便重新使用。

Go Playground 在线编程环境

For all examples in this and the next chapter, we will use Go Playground. Go Playground represents a web service that can run programs written in Go. It can be opened in a web browser using the follow