《Fluent Python》笔记：数据模型解析

本章主要围绕Python的特殊方法进行介绍，通过实现特殊方法利用Python数据模型。

首先看两个例子：

• 一个表示一副扑克牌的类。

import collections

Card = collections.namedtuple('Card', ['rank', 'suit'])


class FrenchDeck:
    ranks = [str(n) for n in range(2, 11)] + list('JQKA')
    suits = 'spades diamonds clubs hearts'.split()

    def __init__(self):
        self._cards = [Card(rank, suit) for suit in self.suits
                       for rank in self.ranks]

    def __len__(self):
        return len(self._cards)

    def __getitem__(self, position):
        return self._cards[position]

• 一个表示二维向量的类。

from math import hypot

class Vector:

    def __init__(self, x=0, y=0):
        self.x = x
        self.y = y

    def __repr__(self):
        return 'Vector(%r, %r)' % (self.x, self.y)

    def __abs__(self):
        return hypot(self.x, self.y)

    def __bool__(self):
        return bool(abs(self))

    def __add__(self, other):
        x = self.x + other.x
        y = self.y + other.y
        return Vector(x, y)

    def __mul__(self, scalar):
        return Vector(self.x * scalar, self.y * scalar)

上面两个类中，实现的形如__xxx__的方法都叫做特殊方法。在自定义的数据类型中实现这些特殊方法的用处在于，可以使其变得和Python中的内置类型（比如list）一样，能够具有内置类型的一些性质（如list的切片索引）和使用标准库中的一些 算法  （如random.choice()）。举个例子，如果在自定义类A中实现了__len__特殊方法，那么可以通过Python内置方法len(A)得到A对象的大小，而不是在A中写一个size()普通方法，然后通过A.size()进行调用，为此我们需要记住每个数据类中返回其元素总数的方法名称，没有前者实用和便捷。

我们要明确，特殊方法的存在是为了被Python解释器调用，在代码中我们一般并不需要对其进行形如A.__getitem__()的调用。很多情况下，特殊方法的调用时隐式的，如当我们使用内置函数（例如len、str等）时，解释器就会调用对应的特殊方法（例如__len__、__str__等）。

示例代码中的一些特殊方法作用如下：

• __repr__：把一个对象用字符串形式进行表达，即返回一个对象的字符串表示形式。
• __str__：返回一个对象的字符串表示形式，相较于__repr__其返回的字符串更适合打印到终端。 如果一个对象没有__str__函数，Python解释器会调用__repr__作为替代。
• __add__：能够实现自定义数据类型的+运算。
• __mul__：能够实现自定义数据类型的*运算。
• __bool__：定义自定义数据类型什么时候为True或False。

关于更多特殊方法的 信息 详见：3. Data model — Python 3.11.1 documentation

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删