
来源:麦叔编程
作者:麦叔
前言
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学习者牢固的掌握Python面向对象的概念和方法。
本系列包括:
本文是第2篇,第1篇的链接请见本文最后。如果你还没读第一篇,强烈建议你去读一读。
一个类有属性和方法。属性是基本信息,而方法是行为。以人类为例,人类有姓名,年龄等属性(基本信息),有吃饭,走路等行为,也可以把方法理解成能力。
这节课我们来给下面的类添加方法:
#类是一个模板 class Dog: #构造方法 def __init__(self, name, height, power):
self.name = name
self.height = height
self.power = power
self.blood = 10 d1 = Dog('大黄', 0.7, 3) #创建第1个实例 d2 = Dog('二黑', 0.5, 4) #创建第2个实例
这个类里面已经有一个方法了,就是__init__,这个方法被称为构造方法,是用来创建Dog实例用的方法。
狗会叫,我们来添加一个bark方法:
#类是一个模板 class Dog: #构造方法 def __init__(self, name, height, power): self.name = name
self.height = height
self.power = power
self.blood = 10 def bark(self): '''会说话的狗:会报出自己的名字,身高等信息''' print(f'我是{self.name},身高{self.height}, 血量{self.blood},攻击力{self.power}')
d1 = Dog('大黄', 0.7, 3) #创建第1个实例 d2 = Dog('二黑', 0.5, 4) #创建第2个实例 d1.bark()
d2.bark()
我们再来添加一个方法,就是第一节课中提到的attack方法:
def attack(self, dog2): '''当前Dog攻击参数中指定的Dog,对方会减少和self.power相同的血量''' dog2.blood = d2.blood - self.power
这个方法除了self参与外,还传入了一个额外的参数。
现在Dog的变量可以被外部的代码直接访问和修改。有时候我们希望加以控制,不希望别人可以随便修改变量的值。
比如Dog的blood(血量)这个属性,最小应该是0,而不应该出现负数。但如果有下面的代码:
d2.blood = -10
或者让d1攻击d2多次:
for i in range(5):
d1.attack(d2)
都会出现d2.blood为负数的情况。这个不合理!
为了解决这个问题,我们做如下变动:
#类是一个模板 class Dog: #构造方法 def __init__(self, name, height, power): self.name = name
self.height = height
self.power = power
self._blood = 10 def bark(self): '''会说话的狗:会报出自己的名字,身高等信息''' print(f'我是{self.name},身高{self.height}, 血量{self.blood},攻击力{self.power}')
def attack(self, dog2): '''当前Dog攻击参数中指定的Dog,对方会减少和self.power相同的血量''' d2.reduce_blood(d1.power)
def blood(self): return self._blood
def reduce_blood(self, reduce_value): '''减少血量,减到0为止''' if(reduce_value > self._blood):
self._blood = 0 else:
self._blood = self._blood - reduce_value
d1 = Dog('大黄', 0.7, 3) #创建第1个实例 d2 = Dog('二黑', 0.5, 4) #创建第2个实例 print(d2.blood()) for i in range(5):
d1.attack(d2)
print(d2.blood())
我们已经学习了面向对象的基本知识,包括类,实例,属性,方法,self等关键信息。
光说不练非好汉,现在是练习时间!请完成下面的类的定义。
1.汽车: 创建一个名为Car的类,其方法__init__() 设置两个属性:name和brand(品牌)。 定义一个名为show()的方法,功能是打印出汽车的名称和品牌。 定义一个名为run()的方法,打印:汽车XX跑起来了。其中XX表示汽车的name. 根据这个类创建一个名为car的实例,先通过属性直接打印其两个属性,再调用上面的两个方法。 2. 5辆汽车: 根据在练习1而编写的类创建5个实例,并对每个实例调用方法show方法。 3. Pig: 创建一个名为Pig的类,其中包含属性name和weight 定义一个名为show()方法,打印Pig的基本信息; 再定义一个名为run() 的方法,打印:'XX: 没吃过猪肉,让你看看猪跑!'。 创建多个表示不同猪的实例,并对每个实例都调用上述两个方法。 4 就餐人数: 在为完成练习1的Car类中,添加一个名为number_of_people的属性,并将其默认值设置为0。添加一个名为max_people的属性,表示车上最多可以有几个人。修改相应的构造方法,传入max_people的值。 添加一个名为set_people() 的方法,它让你能够设置车上的人数,但是不能超过max_people的限制。 添加一个名为increase_people()的方法,每次调用这个方法就会让车上的人数加1,但是不能超过max_people的限制。 添加一个名为reduce_people()的方法,每次调用这个方法就会让车上的人数减少1,但是最多减少为0. 根据这个类创建一个名为car的实例,先通过属性直接打印其两个属性,再调用上面的两个方法。;打印有多少人在车上,然后多次调用以上3个方法,并打印车上的人数。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29