当前位置: 首页 > news >正文

【积累】Python的类

类和方法的概念及实例

类 (Class):类是对具有相同属性和方法的对象集合的抽象描述。它定义了该集合中每个对象所共有的属性和方法。对象是类的实例。

方法:类中定义的函数。

构造方法 __init__():这是一个特殊的方法,会在类实例化时自动调用。

实例变量:类中用变量表示的属性,这种变量称为实例变量,是用 self 修饰的变量。

实例化:创建一个类的实例,即创建一个类的具体对象。

继承:一个派生类 (derived class) 继承基类 (base class) 的属性和方法。继承允许将派生类对象作为基类对象对待。

为了便于理解,每种类型的示例都包括从简单到复杂的三个示例。

1. Python类:class

Python中的class相当于一个包含多个函数的集合。如果在AnimalClass类中有一个方法make_sound,当我们需要调用它时,必须使用AnimalClass.make_sound来调用,即在调用时需要带上类名。

简单示例

在这个简单示例中,我们定义了一个名为AnimalClass的类,它有一个类变量num_legs和一个方法make_sound

# AnimalClass 类
class AnimalClass:"""一个简单的类实例"""num_legs = 4def make_sound(self):return 'generic sound'# 实例化类
animal_instance = AnimalClass()
# 访问类的属性和方法
print("AnimalClass 类的属性 num_legs 为:", animal_instance.num_legs)
print("AnimalClass 类的方法 make_sound 输出为:", animal_instance.make_sound())
中等难度示例

在这个示例中,我们定义了一个名为Car的类,它有一个构造方法来初始化实例变量brandmodel,并且有一个方法display_info来显示车辆信息。

# Car 类
class Car:"""一个简单的类实例"""def __init__(self, brand, model):self.brand = brandself.model = modeldef display_info(self):return f"Car brand: {self.brand}, model: {self.model}"# 实例化类
car_instance = Car("Toyota", "Corolla")
# 访问类的方法
print(car_instance.display_info())
复杂示例

在这个复杂示例中,我们定义了一个名为NeuralNetwork的类,它继承了nn.Module,用于构建一个简单的神经网络。

# NeuralNetwork 类
import torch
import torch.nn as nnclass NeuralNetwork(nn.Module):def __init__(self):super(NeuralNetwork, self).__init__()self.layer1 = nn.Linear(10, 50)self.layer2 = nn.Linear(50, 1)def forward(self, x):x = torch.relu(self.layer1(x))x = self.layer2(x)return x# 实例化类
model = NeuralNetwork()
print(model)

2. 类的构造方法 __init__()

构造方法 __init__() 是类与外界的联系方法,当创建类的实例时,会自动调用这个方法。

简单示例

在这个简单示例中,我们定义了一个名为Point的类,它有一个构造方法来初始化实例变量x_coordy_coord

class Point:def __init__(self, x, y):self.x_coord = xself.y_coord = yp = Point(2.5, 4.0)
print(p.x_coord, p.y_coord)  # 输出结果:2.5 4.0
中等难度示例

在这个示例中,我们定义了一个名为Person的类,它有一个构造方法来初始化实例变量nameage,并且有一个方法greet来返回一个问候字符串。

class Person:def __init__(self, name, age):self.name = nameself.age = agedef greet(self):return f"Hello, my name is {self.name} and I am {self.age} years old."p = Person("Alice", 30)
print(p.greet())
复杂示例

在这个复杂示例中,我们定义了一个名为Dataset的类,用于处理数据和标签的集合。它实现了两个特殊方法:__len__返回数据的长度,__getitem__返回指定索引的数据和标签。

class Dataset:def __init__(self, data, labels):self.data = dataself.labels = labelsdef __len__(self):return len(self.data)def __getitem__(self, idx):return self.data[idx], self.labels[idx]data = [torch.randn(10) for _ in range(100)]
labels = [torch.randint(0, 2, (1,)) for _ in range(100)]
dataset = Dataset(data, labels)print(f"Dataset length: {len(dataset)}")
print(f"First item: {dataset[0]}")

3. 类中方法的参数 self

类方法的第一个参数必须是 self,它代表类的实例。

简单示例

在这个简单示例中,我们定义了一个名为Dog的类,它有一个构造方法来初始化实例变量name,并且有一个方法bark来打印狗叫声。

# 类定义
class Dog:def __init__(self, name):self.name = namedef bark(self):print(f"{self.name} says woof!")# 实例化类
dog_instance = Dog("Buddy")
dog_instance.bark()
中等难度示例

在这个示例中,我们定义了一个名为Rectangle的类,它有一个构造方法来初始化实例变量widthheight,并且有两个方法areaperimeter分别计算矩形的面积和周长。

class Rectangle:def __init__(self, width, height):self.width = widthself.height = heightdef area(self):return self.width * self.heightdef perimeter(self):return 2 * (self.width + self.height)rect = Rectangle(3, 4)
print(f"Area: {rect.area()}, Perimeter: {rect.perimeter()}")
复杂示例

在这个复杂示例中,我们定义了一个名为LSTMNetwork的类,它继承了nn.Module,用于构建一个简单的LSTM神经网络。

class LSTMNetwork(nn.Module):def __init__(self, input_size, hidden_size, output_size):super(LSTMNetwork, self).__init__()self.lstm = nn.LSTM(input_size, hidden_size, batch_first=True)self.fc = nn.Linear(hidden_size, output_size)def forward(self, x):out, _ = self.lstm(x)out = self.fc(out[:, -1, :])return out# 实例化类
lstm_model = LSTMNetwork(input_size=10, hidden_size=20, output_size=1)
print(lstm_model)

4. 继承

一个类可以继承另一个类的属性和方法,这称为继承。

简单示例

在这个简单示例中,我们定义了一个名为Animal的基类和一个名为Cat的派生类。Cat类继承了Animal类的属性和方法,并且重写了make_sound方法。

class Animal:def __init__(self, species):self.species = speciesdef make_sound(self):print("Some generic sound")class Cat(Animal):def __init__(self, species, name):super().__init__(species)self.name = namedef make_sound(self):print(f"{self.name} says meow")cat_instance = Cat("Feline", "Whiskers")
cat_instance.make_sound()
中等难度示例

在这个示例中,我们定义了一个名为Employee的基类和一个名为Manager的派生类。Manager类继承了Employee类的属性和方法,并且重写了work方法。

class Employee:def __init__(self, name, salary):self.name = nameself.salary = salarydef work(self):print(f"{self.name} is working")class Manager(Employee):def __init__(self, name, salary, department):super().__init__(name, salary)self.department = departmentdef work(self):print(f"{self.name} is managing the {self.department} department")manager_instance = Manager("Alice", 90000, "HR")
manager_instance.work()
复杂示例

在这个复杂示例中,我们定义了一个名为BaseModel的基类和一个

名为CNNModel的派生类。CNNModel类继承了BaseModel类的属性和方法,并且实现了forward方法。

class BaseModel(nn.Module):def __init__(self):super(BaseModel, self).__init__()def forward(self, x):raise NotImplementedError("Subclasses should implement this!")class CNNModel(BaseModel):def __init__(self, num_classes):super(CNNModel, self).__init__()self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)self.fc1 = nn.Linear(64*7*7, 128)self.fc2 = nn.Linear(128, num_classes)self.dropout = nn.Dropout(0.5)def forward(self, x):x = F.relu(self.conv1(x))x = F.max_pool2d(x, kernel_size=2, stride=2)x = F.relu(self.conv2(x))x = F.max_pool2d(x, kernel_size=2, stride=2)x = x.view(-1, 64*7*7)x = F.relu(self.fc1(x))x = self.dropout(x)x = self.fc2(x)return x# 实例化类
cnn_model = CNNModel(num_classes=10)
print(cnn_model)

5. 方法重写

子类可以重写父类的方法。

简单示例

在这个简单示例中,我们定义了一个名为Animal的基类和一个名为Dog的派生类。Dog类重写了Animal类的sound方法。

class Animal:def sound(self):print('动物的声音')class Dog(Animal):def sound(self):print('狗叫声')dog_instance = Dog()  
dog_instance.sound()  
super(Dog, dog_instance).sound()  
中等难度示例

在这个示例中,我们定义了一个名为Writer的基类和一个名为Blogger的派生类。Blogger类重写了Writer类的write方法。

class Writer:def write(self):print("Writing generic content")class Blogger(Writer):def write(self):print("Writing blog content")blogger_instance = Blogger()
blogger_instance.write()
super(Blogger, blogger_instance).write()
复杂示例

在这个复杂示例中,我们定义了一个名为BaseOptimizer的基类和一个名为SGDOptimizer的派生类。SGDOptimizer类重写了BaseOptimizer类的step方法。

class BaseOptimizer:def __init__(self, lr):self.lr = lrdef step(self):raise NotImplementedError("Subclasses should implement this!")class SGDOptimizer(BaseOptimizer):def __init__(self, lr, momentum):super().__init__(lr)self.momentum = momentumdef step(self):print(f"Performing SGD step with lr={self.lr} and momentum={self.momentum}")# 实例化类
optimizer = SGDOptimizer(lr=0.01, momentum=0.9)
optimizer.step()
http://www.lryc.cn/news/414214.html

相关文章:

  • Golang | Leetcode Golang题解之第318题最大单词长度乘积
  • 【感想】支持八股文在面试的应用
  • B - 02-计算球的体积 51Nod - 3266
  • Qt pro文件详解
  • JavaFX布局-ButtonBar
  • 【C++程序设计】——利用数组处理批量数据(二)
  • 使用 1panel面板 部署 php网站
  • Windows调大虚拟内存来代替升级物理运行内存(RAM)真的有用吗?
  • [Unity] ShaderGraph实现DeBuff污染 溶解叠加效果
  • java算法day28
  • vue实现歌词滚动效果
  • 【算法设计题】合并两个非递减有序链表,第1题(C/C++)
  • Vue前端工程
  • 什么是药物临床试验?
  • 编译和汇编的区别
  • C# 设计倒计时器、串口助手开发
  • 图论① dfs | Java | LeetCode 797,Kama 98 邻接表实现(未完成)
  • Mac安装nvm以及配置环境变量
  • AUTOSAR实战教程-使用DET来发现开发错误
  • ZeroMQ(二):请求-响应模式,C和C++。
  • 【虚拟仿真】Unity3D中实现2DUI显示在3D物体旁边
  • 代码随想录 day 29 贪心
  • 开源:LLMCompiler高性能工具调用框架
  • 【学习方法】高效学习因素 ① ( 开始学习 | 高效学习因素五大因素 | 高效学习公式 - 学习效果 = 时间 x 注意力 x 精力 x 目标 x 策略 )
  • LeetCode Medium|【146. LRU 缓存】
  • (南京观海微电子)——LCD OTP(烧录)介绍
  • [E二叉树] lc572. 另一棵树的子树(dfs+前中序判断+树哈希+树上KMP+好题)
  • C# 设计模式之简单工厂模式
  • mac中dyld[5999]: Library not loaded: libssl.3.dylib解决方法
  • python 容器