京公网安备 11010802034615号
经营许可证编号:京B2-20210330
python类的方法属性与方法属性的动态绑定代码详解
动态语言与静态语言有很多不同,最大的特性之一就是可以实现动态的对类和实例进行修改,在Python中,我们创建了一个类后可以对实例和类绑定心的方法或者属性,实现动态绑定。
最近在学习python,纯粹是自己的兴趣爱好,然而并没有系统地看python编程书籍,觉得上面描述过于繁琐,在网站找了一些学习的网站,发现廖老师的网站上面的学习资源很不错,而且言简意赅,提取了一些python中的重要的语法和案例。重要的是可以在线测试python的运行代码,缺点就是没有系统的看python的书籍,不能及时的将知识的碎片化联系在一起,这也是看书与不看书的区别。尤其是在python类与实例的方法的调用中觉得云里雾里,思考之后将自己的想法记录下,一来加深自己理解,巩固自己记忆,而来帮助一些想要学习python的朋友理解这门抽象的语言,理解不当之处,希望大家给予指正,谢谢。
1、python中的类与实例
先定义一个类
class Student(object):
初始化,将一些必要属性绑定到Student类中
def __init__(self, name, score):
self.name = name
self.score = score
在内部定义一个函数,实现对传入实例的属性操作,将数据进行封装在内部,这些封装的数据本身适合类进行关联的,称之为类的方法。
def print_score(self):
print('%s: %s' % (self.name, self.score))
2、对实例拥有的属性与方法的调用
传入一个实例
bart = Student('Bart Simpson', 59)
对属性的调用
>>> bart.name
'Bart Simpson'
对方法的调用
>>> bart.print_score()
Bart Simpson: 59
都没有问题,以下来理解python中实例中属性与方法的绑定
3、python中实例属性与方法绑定
先定义一个类
class Student(object):
pass
传入一个实例
s = Student()
动态给实例绑定一个属性
s.name = 'Michael'
接下来给实例绑定方法
先定义一个函数
def set_age(self, age): # 定义一个函数作为实例方法
self.age = age
对实例的方法绑定
from types import MethodType
s.set_age = MethodType(set_age, s) # 给实例绑定一个方法
s.set_age(25) # 调用实例方法
>>> s.age # 测试结果
25
对类的方法绑定
def set_score(self, score):#定义一个函数作为类的方法
self.score = score
Student.set_score = set_score#绑定方法
廖老师在后面补充了一句:set_score方法可以直接定义在class中,但动态绑定允许我们在程序运行的过程中动态给class加上功能,这在静态语言中很难实现。
我理解的意思是,一般的对于定义一个类,会在类进行初始化的时候进行属性的绑定,传入实例的时候直接传入带参数的实例,通过内部定义的一些方法,就直接可以对实例的属性和实例继承于类的方法进行数据操作,引用,例如xxx.namexxx.print_name的形式。但是如果定义的类没有初始化,基于python语言良好的动态绑定的属性,我们可以对传入的实例进行实例和方法的绑定,对属性的绑定比较简单,对方法的绑定需要通过fromtypesimportMethodType的形式,(其他的形式暂时还不知道),告诉解释器s.set_age的方法操作是将set_age函数绑定s即s.set_age=MethodType(set_age,s),这样python就知道怎样执行s的set_age方法。但是这样绑定方法只能对类中的绑定的方法实例起效,要想对类中所有实例生效需要动态的对类进行方法的绑定。就像我们上面看到的一样。绑定之后,接下来就直接可以类似于xxx.namexxx.print_name的形式进行调用了。
对于方法是否能够直接调用,在于定义的函数是否在类中的定义还是基于函数的定义,对于不在类中定义的函数,实现对实例的方法操作就需要进行动态的绑定,或者对实例所属的类进行方法绑定;而在类中定义的函数即方法,在实例中可以直接进行调用。
总结
以上就是本文关于python类的方法属性与方法属性的动态绑定代码详解的全部内容,希望对大家有所帮助。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19