京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:小K
来源:麦叔编程
❝
今天给大家讲个灵异的故事。
❞
我有一个餐厅的类,有它我就可以在某街上开餐厅(实例)了。
class Restaurant: """
经常发生灵异事件的餐厅
""" # 实例化时正在餐厅的食客,这里的diner是开业时来的食客 def __init__(self, diner=[]): self.diner = diner # 食客进入餐厅 def enter(self, name): self.diner.append(name) # 食客走出餐厅 def out(self, name): self.diner.remove(name)
张三拿着我的“图纸”开了一家kfc,
# 张三开了一家肯德基,麦叔和Kevin是老客户,所以早早来了 kfc = Restaurant(["Maishu","Kevin"]) # 当前在餐厅的食客 print(kfc.diner) # Kevin吃完离开了 kfc.out("Kevin") # Jason进来了 kfc.enter("Jason") # 当前在餐厅的食客 print(kfc.diner)
输出结果:
['Maishu', 'Kevin'] ['Maishu', 'Jason']
李四一看kfc生意不错在隔壁开了一家山寨的kfc -- ktc,
ktc = Restaurant() # 当前在餐厅的食客 print(ktc.diner) # 人气差,开业时没人关顾,Annie前来尝鲜 ktc.enter("Annie") # Annie的追求者Dave也跟着进来了 ktc.enter("Dave") # 当前在餐厅的食客 print(ktc.diner)
输出结果:
[] ['Annie', 'Dave']
王五一看,这两家店生意都还不错,于是又山寨了李四的ktc,在街上开起了kfo,
# kfo新店开张,没有人来。 kfo = Restaurant() # 当前在餐厅的食客 print(kfo.diner) # 明明没开张确有两名幽灵食客??? kfo.out("Annie") # Annie给Dave发了好人卡走了 # 当前在kfo餐厅的食客 print(kfo.diner) # 此时在李四ktc餐厅的食客 print(ktc.diner)
输出结果:
['Annie', 'Dave'] ['Dave'] ['Dave']
❝
发生在王五kfo餐厅的事,是不是很诡异,实例化的时候明明没传进去任何参数,实例却自带俩“食客”。。。
❞
❝
还有,王五kfo餐厅中的Annie走后,李四的ktc餐厅中的Annie也走了。感觉冥冥之中有一只无形的手在操作这一切。
❞
问题的根源在于默认实参在定义函数时计算(通常在加载模块时),因此默认实参变成了函数对象的属性。
如果默认实参是可变对象,而且修改了它的值,那么后续的函数调用都会受到影响。
为了避免这个问题,通常使用None作为接受可变值的参数的默认值。
class Restaurant: """
正常的餐厅
""" # 实例化时正在餐厅的食客,这里的diner是开业时来的食客 def __init__(self, diner=None): if diner == None:
self.diner = [] else:
self.diner = diner # 食客进入餐厅 def enter(self, name): self.diner.append(name) # 食客走出餐厅 def out(self, name): self.diner.remove(name)
如果你希望我更新某个特定小知识,欢迎给我留言。
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