翻译:《实用的Python编程》04_01_Class
目录 | 上一节 (3.6 设计讨论) | 下一节 (4.2 继承)
4.1 类
本节介绍 class 语句以及创建新对象的方式。
面向对象编程(OOP)
面向对象编程是一种将代码组织成对象集合的编程技术。
一个对象包括:
- 数据。属性
- 行为。方法——应用于对象的函数。
在本课程中,你已经使用了面向对象编程技术。
例如,操作列表。
>>> nums = [1, 2, 3]
>>> nums.append(4) # Method
>>> nums.insert(1,10) # Method
>>> nums
[1, 10, 2, 3, 4] # Data
>>>
nums
是列表的实例(instance)。
方法(append()
和 insert()
)被绑定到实例(nums
)上。
class
语句
使用 class
语句定义一个新的对象。
class Player:
def __init__(self, x, y):
self.x = x
self.y = y
self.health = 100
def move(self, dx, dy):
self.x += dx
self.y += dy
def damage(self, pts):
self.health -= pts
简而言之,类是一组函数,对所谓的 实例(instance) 执行各种操作。
实例
实例是你在程序中操作的实际对象。
通过像调用函数一样调用类来创建实例。
>>> a = Player(2, 3)
>>> b = Player(10, 20)
>>>
a
和 b
都是 Player
类的实例。
强调:class 语句仅仅是一个定义(它本身不执行任何操作)。类似于函数定义。
实例数据
每个实例都拥有自己的局部数据。
>>> a.x
2
>>> b.x
10
数据通过 _init__()
方法进行初始化。
class Player:
def __init__(self, x, y):
# Any value stored on `self` is instance data
self.x = x
self.y = y
self.health = 100
对属性的总数或者类型没有限制。
实例方法
应用于对象实例的函数称为实例方法。
class Player:
...
# `move` is a method
def move(self, dx, dy):
self.x += dx
self.y += dy
对象本身始终作为第一个参数传递。
>>> a.move(1, 2)
# matches `a` to `self`
# matches `1` to `dx`
# matches `2` to `dy`
def move(self, dx, dy):
按照惯例,实例称为 self
。但是,使用的实际名字不重要。对象始终作为第一个参数传递。将这个参数称为 self
只是 Python 的编程风格。
类作用域
类未定义名称的作用域。
class Player:
...
def move(self, dx, dy):
self.x += dx
self.y += dy
def left(self, amt):
move(-amt, 0) # NO. Calls a global `move` function
self.move(-amt, 0) # YES. Calls method `move` from above.
如果想要对实例进行操作,那么你始终需要显式地引用它(如: self
)。
练习
从本组练习开始,我们将对前面章节的现有代码进行一系列更改。从练习 3.18 版本的代码开始非常重要。如果你还没有这些代码,请到 Solutions/3_18
目录下查看,然后复制它。
练习 4.1:把对象当做数据结构
在第 2 和第 3 节中,我们使用了了以元组和字典表示的数据。例如,持有的股票可以用像下面这样的元组表示:
s = ('GOOG',100,490.10)
或者使用像下面这样的字典表示:
s = { 'name' : 'GOOG',
'shares' : 100,
'price' : 490.10
}
你甚至可以编写用于操作此类数据的函数。例如:
def cost(s):
return s['shares'] * s['price']
但是,随着程序规模的不断扩大,你可能希望创建更好的代码组织意识(sense)。因此,可以定义一个类表示数据。请创建一个名为 stock.py
的文件,并定义一个名为 Stock
的类,用以表示持有的单支股票。Stock
类具有 name
, shares
,和 price
属性。示例:
>>> import stock
>>> a = stock.Stock('GOOG',100,490.10)
>>> a.name
'GOOG'
>>> a.shares
100
>>> a.price
490.1
>>>
创建更多的 Stock
对象并对其进行操作。示例:
>>> b = stock.Stock('AAPL', 50, 122.34)
>>> c = stock.Stock('IBM', 75, 91.75)
>>> b.shares * b.price
6117.0
>>> c.shares * c.price
6881.25
>>> stocks = [a, b, c]
>>> stocks
[<stock.Stock object at 0x37d0b0>, <stock.Stock object at 0x37d110>, <stock.Stock object at 0x37d050>]
>>> for s in stocks:
print(f'{s.name:>10s} {s.shares:>10d} {s.price:>10.2f}')
... look at the output ...
>>>
需要强调的一点是,在这里, Stock
类充当创建实例对象的工厂。基本上,你可以像调用函数一样调用类为你创建新对象。另外,必须强调的是,每一个对象都是不同的——它们拥有各自的数据,这些数据与以创建的其它对象是分开的。
某种程度上,通过类定义的对象与字典类似——只是使用颇为不同的语法。例如,使用的是 s.name
和 s.price
,而不是 s['name']
和 s['price']
。
练习 4.2:添加方法
拥有对象后,你可以添加方法到对象上。众所皆知,方法就是对存储在对象内部的数据进行操作的函数。请给 Stock
对象添加 cost()
和 sell()
方法。它们应该像下面这样工作:
>>> import stock
>>> s = stock.Stock('GOOG', 100, 490.10)
>>> s.cost()
49010.0
>>> s.shares
100
>>> s.sell(25)
>>> s.shares
75
>>> s.cost()
36757.5
>>>
练习 4.3:创建实例列表
尝试执行以下步骤,从列表字典中创建 Stock 的实例列表。然后计算总费用:
>>> import fileparse
>>> with open('Data/portfolio.csv') as lines:
... portdicts = fileparse.parse_csv(lines, select=['name','shares','price'], types=[str,int,float])
...
>>> portfolio = [ stock.Stock(d['name'], d['shares'], d['price']) for d in portdicts]
>>> portfolio
[<stock.Stock object at 0x10c9e2128>, <stock.Stock object at 0x10c9e2048>, <stock.Stock object at 0x10c9e2080>,
<stock.Stock object at 0x10c9e25f8>, <stock.Stock object at 0x10c9e2630>, <stock.Stock object at 0x10ca6f748>,
<stock.Stock object at 0x10ca6f7b8>]
>>> sum([s.cost() for s in portfolio])
44671.15
>>>
练习 4.4:使用类
请修改 report.py
程序里面的 read_portfolio()
函数,以便如练习 4.3 所示那样,读取股票投资组合到 Stock
的实例列表里面。修改完后,修复(fix)report.py
和 pcost.py
里面所有的代码,以便使用 Stock
的实例进行工作,而不是使用字典。
提示:你不必对代码进行大量更改,主要是将字典访问,如 s['shares']
更改为 s.shares
。
修改完后应该能够像之前一样运行函数:
>>> import pcost
>>> pcost.portfolio_cost('Data/portfolio.csv')
44671.15
>>> import report
>>> report.portfolio_report('Data/portfolio.csv', 'Data/prices.csv')
Name Shares Price Change
---------- ---------- ---------- ----------
AA 100 9.22 -22.98
IBM 50 106.28 15.18
CAT 150 35.46 -47.98
MSFT 200 20.89 -30.34
GE 95 13.48 -26.89
MSFT 50 20.89 -44.21
IBM 100 106.28 35.84
>>>