python高级编程——入门语法(一) – Python量化投资

python高级编程——入门语法(一)

元类

  在python中一切皆对象,类也是对象,只不过类是一个创建对象的对象,我们可以在类中动态的创建一个类,比如


def func(name):
    if name == "Plane":
        class Plane(object):
            pass
        return Plane
     else:
        class Metrorolite(object):
            pass
        return Mrtroolite


  虽然根据上述代码可以动态创建一个类,但是整个类的代码仍需要我们编写的

  type()有两种作用:

    1、检查对象类型


class People(object):
    def __init__(self, id, name, employees):
        self.id = id
        self.name = name
    
    def func(self):
        return

if __name__ == "__main__":
    id = 1001
    name = "abc"
    employees = [1,2,3]
    people = People(id, name, employees)
    # 检查整型
    print(type(id))   # <class 'int'>
    # 检查字符串型
    print(type(name))   # <class 'str'>
    # 检查列表型
    print(type(employees))  # <class 'list'>
    # 检查类的对象型
    print(type(people))    #  <class '__main__.People'>
    # 检查类类型
    print(type(People))    # <class 'type'>
    # 检查函数型
    print(type(people.func))   #   <class 'method'>

# 如果我们对其结果再次type()得到的结果都是type类型,这就验证了一切解释对象


  2、还有一个高大上的作用就是动态的创建类

      语法:type(类名, 由父类名称组成的元组(可以为空), 包含属性的字典(名称和值))

      返回值是一个类


# 空类
Chinese = type("People", (), {})

# 继承父类,父类以元组的形式表达
Chinses = type("People", (object, ), {})

# 给类一些属性(下述都是类属性)和方法(方法可以自定义,依次是实例方法、类方法、静态方法)

def sayHI(self):
    print("HI")

@classmethod
def sayHello(cls):
    print("Hello")

@staticmethod
def sayBye():
    print("Bye")

Chinese = type("People", (object, ), {"id": 1001, "name": "zhangsan", "func1": sayHI, "func2": sayHello, "func3": sayBye})

# Chinese 不是类名,People是类名,Chinese是一个引用变量


  元类的定义:

    元类就是用来创建类的“东西” 

    元类是类的类, 是类的模板

    元类是用来控制如何创建类的, 正如类是创建对象的模板一样,而元类的主要目的是为了控制类的创建行为 

    元类的实例化结果是我们用class定义的类,正如类的实例为对象 

    type是python的一个内建元类, 用来直接控制生成类 

    python中任何class定义的类其实都是type类实例化的对象 

    当然了,你也可以创建自己的元类,需要继承 type。

  元类的定义和使用:

    通过函数返回一个元类:


# 自定义函数
def summary(a, b):
    return a+b


# 这个函数的作用是修改当前类的属性的值和方法的功能,并且返回一个类
def upper_attr(future_class_name, future_class_parent, future_class_attr):

    # 可以修改当前类定义的属性的值和方法的功能
    newAttr = {}
    for name, value in future_class_attr.items():
        if name == "bar":
            newAttr[name] = "变量值修改了"
        if name == "func":
            newAttr[name] = summary

    return type(future_class_name, future_class_parent, newAttr)


class Operation(object, metaclass=upper_attr):
    bar = "修改之前的值"
    func = None


if __name__ == "__main__":
    print(Operation.bar)    # 变量值修改了
    print(Operation.func(2, 4))    # 返回值6


    通过继承type生成元类(博主也没有看懂,了解即可,用到极少):


class Meta(type):
    def __init__(cls, *args, **kwargs):
        super().__init__(*args)

    def __new__(cls, *args, **kwargs):
    name, bases, attrs = args
    return super().__new__(cls, name, bases, attrs)
class M_Class(metaclass=Meta):
  def __new__(cls, *args, **kwargs):
    return super().__new__(cls)
  def __init__(self):
    pass


 

动态语言

  静态语言和动态语言的区别:

静态语言(强类型语言)
  静态语言是在编译时变量的数据类型即可确定的语言,多数静态类型语言要 求在使用变量之前必须声明数据类型。

  例如:C++、Java、Delphi、C#等。

动态语言(弱类型语言)
  动态语言是在运行时确定数据类型的语言。变量使用之前不需要类型声明, 通常变量的类型是被赋值的那个值的类型。

   例如:PHP/ASP/Ruby/Python/Perl/ABAP/SQL/JavaScript/Unix Shell等等。

  动态语言的特性:

    运行的过程中给对象绑定(添加)属性

    运行的过程中给类绑定(添加)属性

    运行的过程中给类绑定(添加)方法

    运行的过程中删除属性、方法


class Person(object):
    def __init__(self, name, age):
        self.name = name
        self.age = age

def show():
    print("通过类动态增加类方法.")
@classmethod
def show2(cls):
    print("通过类动态增加类方法,并且打印id.", cls.id)
    
if __name__ == "__main__":
    person = Person("张三", 22)

    # 运行过程中,给对象添加属性
    person.phone = "1847015XXXX"
    print(person.phone)       # 1847015XXXX

    # 运行过程中,对象是不能添加方法,否则会报错
    # person.func = show
    # person.func()

    # 运行过程中,给类增加属性
    Person.id = 10001
    print("对象访问类属性", person.id)  # 对象访问类属性10001
    print("类访问类属性", Person.id)    #  类访问类属性10001
    # 运行过程中给类增加方法
    Person.func = show
    Person.func()               #  通过类动态增加类方法.
    # 运行过程中给类增加类方法
    Person.func = show2
    Person.func()           #   通过类动态增加类方法,并且打印id。10001


__slots__

  __slots__作用:

    Python允许在定义class的时候,定义一个特殊变量__slots__来限制该 class能添加的属性,当前类就不能定义或者增加__slots__之外的属性了

  __slots__注意事项:

    __slots__只对类的实例化对象进行限制,不对类进行限制,__slots__变量值是以元组形式表示

    __slots__不仅限制类对象的属性,还限制类对象的方法

    __slots__仅对当前类起作用,对继承的子类不起作用

    在子类中定义__slots__,子类允许定义的属性就是自身的__slots__加上父类的 __slots__


class Person(object):
    __slots__ = ("name", "age")
    def __init__(self, name, age):
        self.name = name
        self.age = age
    
if __name__ == "__main__":
    person = Person("张三", 22)
    # 运行过程中,给对象添加属性实例对象属性只限于name,age 
    # person.phone = "1847015XXXX"
    # print(person.phone)
    
    # 运行过程中,给类增加属性,__slots__ 不限制类
    Person.id = 10001
    print("对象访问类属性", person.id)  # 对象访问类属性 10001
    print("类访问类属性", Person.id)   # 类访问类属性 10001


 

生成器

  概念:Python中,这种一边循环一边计算的机制,称为生成器:generator。

  创建生成器的两种方式:

     方法1:列表生成式的 [ ] 改成 ( )

      numbers = ( i for i in range(100))

      通过 next() 函数获得生成器的下一个返回值 

      没有更多的元素时,抛出 StopIteration 的异常 

      正确的方法是使用 for 循环,因为生成器也是可迭代对象,并且不需要关心 StopIteration 异

     方法2:使用函数创建生成器(实例)


# 斐波那契数列
def fibonacci(num):
    a = 0
    b = 1
    count = 0
    temp = 1
    while count < num:
        yield b
        a, b = b, a+b
        count += 1

fi = fibonacci(4)
print(next(fi))    # 1
print(next(fi))    # 1
print(next(fi))    # 2
print(next(fi))    # 3

# 没有更多的元素时,抛出 StopIteration 的异常
# 正确的方法是使用 for 循环,因为生成器也是可迭代对象,并且不需要关心StopIteration 异常
print(next(fi))    # error

# 所以在使用生成器的时候,需要捕获异常
fi = fibonacci(10)
while True:
    try:
        print(next(fi))
    except StopIteration as e:
        print(e)
        break


    另外生成器也可以传递参数通过send(参数值):


# 斐波那契数列
def fibonacci(num):
    a = 0
    b = 1
    count = 0
    temp = 1
    while count < num:
        temp = yield temp*b
        print("temp{}:{}".format(count, temp))
        a, b = b, a+b
        count += 1
fi = fibonacci(10)

print(next(fi))
while True:
    try:
        print(fi.send(1))
    except:
        break


迭代器

  可迭代对象:   

    这里先提一下迭代器对象,如果一个对象可以通for循环进行遍历的对象一般都是迭代器对象;python提供了一个Iterable类就是鉴别对象是否是迭代器对象,在鉴别的过程中需要借助isinstance()方法,这个方法是鉴别对象是否属于一个类的对象,这里不能用type()方法,因为type()的作用是鉴别对象是否是类的实例化对象(通过继承的是false)

    首先先简单介绍两者检验对象类型的区别:


class A:
    def __init__(self):
        pass

class B(A):
    def __init__(self):
        super().__init__()

if __name__ == "__main__":
    a = 123
    # 两者检验整型,类似这种,字符串、列表、元组、集合、字典都是一样的结果
    print(type(a) == int)     # True
    print(isinstance(a, int))    # True
    
    # 两者主要的区别 直接通过类生成的对象,两者检验的结果是一样的
    b = B()
    print(type(b) == B)    # True
    print(isinstance(b, B))    # True
    # 若是父类就会有不一样的结果
    print(type(b) == A)    # False
    print(isinstance(b, A))   # True


    所以在检验对象时,采用isinstance()比较好,


from collections import Iterable

class A:
    def __init__(self):
        pass

class B(A):
    def __init__(self):
        super().__init__()
    
    # 实例生成器函数
    def func(self, a):
        yield a
        a = a + 1
        if a == 5:
            return

if __name__ == "__main__":
    b = B()
    print(isinstance(b, Iterable))   #  False
    # 像集合数据类型都是可迭代对象,字符串、列表、元组、集合、字典
    b = ""
    print(isinstance(b, Iterable))   # True
    # 前面提到的生成器,他也是可迭代对象
    a = B()
    b = a.func(0)
    print(isinstance(b, Iterable))   # True


  迭代器:

    可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator。

    可以使用 isinstance() 判断一个对象是否是 Iterator 对象: 

    有两种情况是迭代器:

      1、通过生成器函数生成的生成器就是迭代器

      2、通iter()函数将可迭代对象转换成迭代器


from collections import Iterator

class A:
    def __init__(self):
        pass

class B(A):
    def __init__(self):
        super().__init__()
    
    # 实例生成器函数
    def func(self, a):
        yield a
        a = a + 1
        if a == 5:
            return

if __name__ == "__main__":
    b = B()
    print(isinstance(b, Iterator))   #  False
    # 像集合数据类型都是可迭代对象,字符串、列表、元组、集合、字典
    b = ""
    print(isinstance(b, Iterator))   # True
    # 前面提到的生成器,他也是可迭代对象
    a = B()
    b = a.func(0)
    print(isinstance(b, Iterator))   # True
    
    # 通过iter()函数将字符串、列表、元组、集合、字典转换成迭代器
    b = {}
    b = iter(b)
    print(isinstance(b, Iterator))


    迭代器是可以自定义,只要重写迭代器协议的两个方法    

      迭代器对象符合迭代器协议,提供两种方法: __iter__() 和 __next__()      

      __iter__ 返回迭代器对象,并在循环开始时隐式调用。 

       __next__方法返回下一个值,并在每个循环增量处隐式调用。    

       __next__在没有更多值返回时引发StopIteration异常,循环结构隐式捕获该 异常以停止迭代。 


class Counter:
    def __init__(self, low, high):
        self.current = low
        self.high = high
    
    # 生成器的一般固定写法
    def __iter__(self):
        return self
    
    # 在下面函数可以改变迭代器返回的下一个值
    def __next__(self):
        if self.current > self.high:
            raise StopIteration
        else:
            self.current += 2
            return self.current -2


https://www.cnblogs.com/aitiknowledge/p/11447781.html

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
Python
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论