京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源:麦叔编程
作者:麦叔
面向对象是所有高级语言(Python,Java,C++等)的基石,是重中之重。
这个文章系列的目的是通过简单易懂的例子,深入浅出,让Python学习者牢固地掌握Python面向对象的概念和方法。
本系列包括:
看这张图:
动物界具有天然的继承关系,人类也是,我们一代代继承下来。继承了前辈们的属性和能力,又发展了自己独特的属性和能力。
在图中的例子,我们如何在程序中表示普通的狗,牧羊犬,警犬等呢?
我们可以把detect(), protect()等函数和属性直接加在Dog里面,但这并不合理,因为并不是所有的狗可以侦查,并不是所有的狗都可以保护养。
正确的做法是创建新的类,这些新的类继承Dog类:
在这里Dog被称为父类,SheepDog等被称为子类。
子类会自动拥有父类的属性和方法,自己也可以添加自己的独特属性和方法。
现在来定义SheepDog。先看看我们原来的Dog类:
#类是一个模板 class Dog: num_of_dogs = 0 # 类属性 police_height = 60 #构造方法 - 添加实例属性,做其他的初始化工作 def __init__(self, name, height, power):
self.name = name
self.height = height
self.power = power
self.blood = 10 print(f"{self.name}出生了,汪汪!")
Dog.num_of_dogs += 1
#狗叫 def bark(self):
print(f'我是{self.name},汪汪汪!')
class SheepDog(Dog): '''牧羊犬,包括名字,高度,攻击力和能看护的养的个数''' def __init__(self, name, height, power, num_of_sheeps): super().__init__(name, height, power)
self.num_of_sheeps = num_of_sheeps
仔细阅读上面的代码,观察它的特点:
SheepDog(Dog) 这种写法:括号中的Dog表示Dog是SheepDog的父类。
我们定义Dog的时候没有括号,表示它没有父类(实际上它默认继承了Object类)。
子类的使用和父类是一样的:
sd1 = SheepDog('大黄', 67, 88, 10)
print(f'名字:{sd1.name}')
print(f'血量:{sd1.blood}')
print(f'高度:{sd1.power}')
sd1.bark()
我们给SheepDog添加它的独特方法protect():
class SheepDog(Dog): '''牧羊犬,包括名字,高度,攻击力和能看护的养的个数''' def __init__(self, name, height, power, num_of_sheeps): super().__init__(name, height, power)
self.num_of_sheeps = num_of_sheeps
def protect(self): print('我开始保护小羊啦!')
调用一下试试看:
sd1 = SheepDog('大黄', 67, 88, 10) sd1.protect()
因为继承的关系,SheepDog直接就有bark()方法,这是从父类继承过来的。
假设牧羊犬的叫声和普通叫声是不一样的,我们在子类中覆盖父类中的方法:
class SheepDog(Dog): '''牧羊犬,包括名字,高度,攻击力和能看护的养的个数''' def __init__(self, name, height, power, num_of_sheeps): super().__init__(name, height, power)
self.num_of_sheeps = num_of_sheeps
def protect(self): print('我开始保护小羊啦!')
def bark(self): print('我是牧羊犬,我骄傲!')
这时候再调用bark()方法就会使用子类中定义的方法:
sd1 = SheepDog('大黄', 67, 88, 10) sd1.bark()
打印的结果是:
我是牧羊犬,我骄傲!
类的继承和对父类方法的覆盖在代码设计中很有用。假设有个程序的界面是这样的:
按钮就是一个类,比如叫做Button。
为了实现不同的皮肤,我们可以写一个类继承Button类,假设就叫做MyButton吧,子类自动拥有了父类的属性和函数,但是我们可以覆盖某些函数,让他拥有不同的皮肤,甚至不同的行为。
面向对象的核心知识到这里就更新完了,最后奉上Dog版本的吃鸡游戏。这个游戏包含两个类:
dog.py
#2种狗具有不同的攻击力和防御能力。攻击强的防御弱;反之亦然; import random class Dog: dogs = [] #保存所有活着的Dog def __init__(self, name):
self.name = name
self.blood = 100 self.attack_power = 5 self.defense_power = 3 #攻击! def attack(self, dog2):
print(f'{self.name}攻击{dog2.name},攻击力:{self.attack_power},防御力:{dog2.defense_power}')
point = self.attack_power - dog2.defense_power
if(dog2.blood > point):
dog2.blood -= point
print(f'{dog2.name}受到攻击,奋力自救,血量减少为{dog2.blood}')
else: dog2.blood = 0 print(f'{dog2.name}受到攻击,失血过多,死亡!')
Dog.dogs.remove(dog2)
#判定狗的类型 def dog_type(self):
if(isinstance(self, SheepDog)):
return '牧羊犬' elif(isinstance(self, PoliceDog)):
return '警犬' else: return '普通犬' #牧羊犬 class SheepDog(Dog): def __init__(self, name):
super().__init__(name)
self.attack_power = random.randint(5, 10)
self.defense_power = random.randint(3,5)
print('牧羊犬{self.name}问世!')
self.dogs.append(self) #警犬 class PoliceDog(Dog): def __init__(self, name):
super().__init__(name)
self.attack_power = random.randint(8, 13)
self.defense_power = random.randint(1,3)
print('♀️警犬{self.name}问世!')
self.dogs.append(self)
game.py
#1. 首先创建100个Dog, 50个SheepDog, 50个PoliceDog #2. 每一轮游戏,随机选出2个Dog #3. dog1先攻击dog2,然后dog2攻击dog1 #3. 任何一方血量变为0就表明死亡!死亡的Dog退出游戏。 #4. 最后只有一个Dog了,游戏结束,胜利者可以吃鸡。 from dog import * import random #产生随机数字 import time #时间模块 #1.创建100条狗 for i in range(100):
if(i%2==0):
SheepDog(i+1) #创建1个牧羊犬 else:
PoliceDog(i+1) #创建1个警犬 #2. 开始游戏循环 while(True):
#判断是否只有1个Dog if(len(Dog.dogs) == 1):
winner = Dog.dogs[0]
print('')
print('大吉大利,今晚吃鸡!')
print(f'赢家是:{winner.dog_type()} {winner.name}')
print('')
break dog1, dog2 = random.sample(Dog.dogs, 2)
dog1.attack(dog2)
dog2.attack(dog1)
time.sleep(0.02)
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14