
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
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11