京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Python的组合模式与责任链模式编程示例
这篇文章主要介绍了Python的组合模式与责任链模式编程示例,组合模式与责任链模式都属于Python的设计模式,需要的朋友可以参考下
组合模式
我们把Composite模式看成一个复杂的属性结构,其实基本有三种角色:树干(定义一些操作树叶leaf的操作),树枝(树干上有很多树枝)和树叶(树干想要具体操作的对象) ,Composite模式帮我们实现:即它们在充当对象的时候,还是其他对象的容易,从而提供一致性
python的例子
class Trunk(object):
'''树干'''
def __str__(self):
pass
def subtree(self):
pass
class Composite(Trunk):
def __init__(self, left=None, right=None, length=None):
self.left=left
self.right=right
self.length=length
def __str__(self):
# 这个结果是在调用subtree()的时候返回
if self.length:
return "(" + self.left.__str__() + ", " + self.right.__str__() + ")" + ": " + str(self.length)
else:
return "(" + self.left.__str__() + ", " + self.right.__str__() + ")"
# 这里其实就是一个技巧,通过这个函数返回下一级的对象,也就是它既是对象还可以是对象的容器
def subtree(self):
return Composite(self.left, self.right)
class Leaf(Trunk):
'''叶子类,它没办法继续延伸了'''
def __init__(self, name, length=None):
self.name = name
self.length=length
self.left = None
self.right = None
def __str__(self):
return self.name + ": " + str(self.length)
def subtree(self):
return Leaf(self.name, self.length)
if __name__ == "__main__":
# 只有叶子那么就直接返回__str__的拼装结果
t1 = Leaf('A', 0.71399)
print t1
# 有个2个叶子的组合,返回的是2个叶子的对象的组合
t2 = Composite(Leaf('B', -0.00804),
Leaf('C', 0.07470))
print t2
# 这个是嵌套的叶子的组合,树干上面有树枝,树枝上面有叶子
t3 = Composite(Leaf('A', 0.71399),
Composite(Leaf('B', -0.00804),
Leaf('C', 0.07470), 0.1533), 0.0666)
print t3
# 直接通过左右节点找到对应的叶子对象了
t4 = t3.right.right.subtree()
print t4
# t3的左树其实就是叶子对象了
t5 = t3.left.subtree()
print t5
责任链模式
比如我们还在读书的时候,考试的分数都是几个档次,比如90-100分,80-90分,好吧我想做一个根据分数打印你的学习成绩的反馈, 比如90-100就是A+,80-90就是A,70-80就是B+… 当然你可以用很多种方法实现,我这里就来实现一个Chain模式:用一系列的类来响应, 但只有遇到适合处理它的类才会处理,类似与case和switch的作用
python的例子
class BaseHandler:
# 它起到了链的作用
def successor(self, successor):
self.successor = successor
class ScoreHandler1(BaseHandler):
def handle(self, request):
if request > 90 and request <= 100:
return "A+"
else:
# 否则传给下一个链,下同,但是我是要return回结果的
return self.successor.handle(request)
class ScoreHandler2(BaseHandler):
def handle(self, request):
if request > 80 and request <= 90:
return "A"
else:
return self.successor.handle(request)
class ScoreHandler3(BaseHandler):
def handle(self, request):
if request > 70 and request <= 80:
return "B+"
else:
return "unsatisfactory result"
class Client:
def __init__(self):
h1 = ScoreHandler1()
h2 = ScoreHandler2()
h3 = ScoreHandler3()
# 注意这个顺序,h3包含一个类似于default结果的东西,是要放在最后的,其他的顺序是无所谓的,比如h1和h2
h1.successor(h2)
h2.successor(h3)
requests = {'zhangsan': 78,
'lisi': 98,
'wangwu': 82,
'zhaoliu': 60}
for name, score in requests.iteritems():
print '{} is {}'.format(name, h1.handle(score))
if __name__== "__main__":
client = Client()
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