京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在Python中定义和使用抽象类的方法
提起Java的抽象类大家都比较熟悉,Python中我们可以使用abc模块来构建抽象类,这里就为大家讲解在Python中定义和使用抽象类的方法
像java一样python也可以定义一个抽象类。
在讲抽象类之前,先说下抽象方法的实现。
抽象方法是基类中定义的方法,但却没有任何实现。在java中,可以把方法申明成一个接口。而在python中实现一个抽象方法的简单的方法是:
class Sheep(object):
def get_size(self):
raise NotImplementedError
任何从Sheep继承下来的子类必须实现get_size方法。否则就会产生一个错误。但这种实现方法有个缺点。定义的子类只有调用那个方法时才会抛错。这里有个简单方法可以在类被实例化后触发它。使用python提供的abc模块。
import abc
class Sheep(object):
__metaclass__ = abc.ABCMeta
@abc.absractmethod
def get_size(self):
return
这里实例化Sheep类或任意从其继承的子类(未实现get_size)时候都会抛出异常。
因此,通过定义抽象类,可以定义子类的共同method(强制其实现)。
如何使用抽象类
import abc
class A(object):
__metaclass__ = abc.ABCMeta
@abc.abstractmethod
def load(self, input):
return
@abc.abstractmethod
def save(self, output, data):
return
通过ABCMeta元类来创建一个抽象类, 使用abstractmethod装饰器来表明抽象方法
注册具体类
class B(object):
def load(self, input):
return input.read()
def save(self, output, data):
return output.write(data)
A.register(B)
if __name__ == '__main__':
print issubclass(B, A) # print True
print isinstance(B(), A) # print True
从抽象类注册一个具体的类
子类化实现
class C(A):
def load(self, input):
return input.read()
def save(self, output, data):
return output.write(data)
if __name__ == '__main__':
print issubclass(C, A) # print True
print isinstance(C(), A) # print True
可以使用继承抽象类的方法来实现具体类这样可以避免使用register. 但是副作用是可以通过基类找出所有的具体类
for sc in A.__subclasses__():
print sc.__name__
# print C
如果使用继承的方式会找出所有的具体类,如果使用register的方式则不会被找出
使用__subclasshook__
使用__subclasshook__后只要具体类定义了与抽象类相同的方法就认为是他的子类
import abc
class A(object):
__metaclass__ = abc.ABCMeta
@abc.abstractmethod
def say(self):
return 'say yeah'
@classmethod
def __subclasshook__(cls, C):
if cls is A:
if any("say" in B.__dict__ for B in C.__mro__):
return True
return NotTmplementd
class B(object):
def say(self):
return 'hello'
print issubclass(B, A) # True
print isinstance(B(), A) # True
print B.__dict__ # {'say': <function say at 0x7f...>, ...}
print A.__subclasshook__(B) # True
不完整的实现
class D(A):
def save(self, output, data):
return output.write(data)
if __name__ == '__main__':
print issubclass(D, A) # print True
print isinstance(D(), A) # raise TypeError
如果构建不完整的具体类会抛出D不能实例化抽象类和抽象方法
具体类中使用抽象基类
import abc
from cStringIO import StringIO
class A(object):
__metaclass__ = abc.ABCMeta
@abc.abstractmethod
def retrieve_values(self, input):
pirnt 'base class reading data'
return input.read()
class B(A):
def retrieve_values(self, input):
base_data = super(B, self).retrieve_values(input)
print 'subclass sorting data'
response = sorted(base_data.splitlines())
return response
input = StringIO("""line one
line two
line three
""")
reader = B()
print reader.retrieve_values(input)
打印结果
base class reading data
subclass sorting data
['line one', 'line two', 'line three']
可以使用super来重用抽象基类中的罗辑, 但会迫使子类提供覆盖方法.
抽象属性
import abc
class A(object):
__metaclass__ = abc.ABCMeta
@abc.abstractproperty
def value(self):
return 'should never get here.'
class B(A):
@property
def value(self):
return 'concrete property.'
try:
a = A()
print 'A.value', a.value
except Exception, err:
print 'Error: ', str(err)
b = B()
print 'B.value', b.value
打印结果,A不能被实例化,因为只有一个抽象的property getter method.
Error: ...
print concrete property
定义抽象的读写属性
import abc
class A(object):
__metaclass__ = abc.ABCMeta
def value_getter(self):
return 'Should never see this.'
def value_setter(self, value):
return
value = abc.abstractproperty(value_getter, value_setter)
class B(A):
@abc.abstractproperty
def value(self):
return 'read-only'
class C(A):
_value = 'default value'
def value_getter(self):
return self._value
def value_setter(self, value):
self._value = value
value = property(value_getter, value_setter)
try:
a = A()
print a.value
except Exception, err:
print str(err)
try:
b = B()
print b.value
except Exception, err:
print str(err)
c = C()
print c.value
c.value = 'hello'
print c.value
打印结果, 定义具体类的property时必须与抽象的abstract property相同。如果只覆盖其中一个将不会工作.
error: ...
error: ...
print 'default value'
print 'hello'
使用装饰器语法来实现读写的抽象属性, 读和写的方法应该相同.
import abc
class A(object):
__metaclass__ = abc.ABCMeta
@abc.abstractproperty
def value(self):
return 'should never see this.'
@value.setter
def value(self, _value):
return
class B(A):
_value = 'default'
@property
def value(self):
return self._value
@value.setter
def value(self, _value):
self._value = _value
b = B()
print b.value # print 'default'
b.value = 'hello'
print b.value # print 'hello'
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27