当前位置: 首页 > 编程笔记 >

Python 类与元类的深度挖掘 II【经验】

鲁靖
2023-03-14
本文向大家介绍Python 类与元类的深度挖掘 II【经验】,包括了Python 类与元类的深度挖掘 II【经验】的使用技巧和注意事项,需要的朋友参考一下

  上一篇解决了通过调用类对象生成实例对象过程中可能遇到的命名空间相关的一些问题,这次我们向上回溯一层,看看类对象本身是如何产生的。

  我们知道 type() 方法可以查看一个对象的类型,或者说判断这个对象是由那个类产生的:

  print(type(12))

  print(type('python'))

  class A:

  pass

  print(type(A))

  通过这段代码可以看出,类对象 A 是由type() 产生的,也就是说 type 也可以用来产生新的对象,而且产生的是类对象,因此它是所有类对象的类:

  print(type.__doc__)

  type(object_or_name, bases, dict)

  type(object) -> the object's type

  type(name, bases, dict) -> a new type

 

  class 定义类的语法实际上转化为 type(name, bases, dict),其中 name 参数为类的名字,bases 为继承父类的元组,dict 为类的属性和方法:

class A:
  pass
# 实际上等于
B = type('A', (), {})

print(A.__name__ == B.__name__)
True

  理论上说这就是元类的意义,但从实际的角度出发显然使用 class 语法更方便、合理,而元类的实际意义则是通过继承 type 类来构造一个新的元类,并进行特定的操作以产生具有特定行为的类对象。这样看来它的本质与普通的类对象没有差异,只不过继承的是 type 类。

  在生成实例时是通过调用 __init__ 方法进行初始化的,而实际上在此之前会先调用 __new__ 方法用于创建实例,再通过 __init__ 初始化,就好像 __new__ 负责声明变量,而 __init__ 负责对声明的变量进行初始化一样。这里有一个规则是 __new__(cls,) 的返回值必须是 cls 参数的实例,否则 __init__ 将不会触发,例如在 enum.Enum 的定义中,由于枚举类型是单例模式,因此在定义 __new__ 的时候没有返回其实例,也就不会进行初始化:

class Enum:

  def __new__(cls, value):

  print(cls, value)

  return value

  def __init__(self):

  print("Will not be called!")

  e = Enum(1)

   <class '__main__.Enum'> 1

  通常情况下自己定义 __new__ 需要通过调用父类的 __new__ 方法创建一个 cls 的实例,同样在定义元类的时候则是调用上面提到的 type 的用法(因为元类继承自 type):

  

class MetaEnum(type):

  def __new__(metaclass, name, base, attrs):

  print("Metaclass: {}\nName: {}\nParents: {}\nAttributes: {}".format(metaclass, name, base, attrs))

  return super().__new__(metaclass, name, base, attrs)

  class Enum(metaclass=MetaEnum):

  # Python 2.7 中定义元类的方法是使用 __metaclass__ 变量

  # [PEP 3115](https://www.python.org/dev/peps/pep-3115/)

  # 将 Python 3.0 以后语法改为 class Cls(metaclass=Meta)

  test = 0

  Metaclass: 

  Name: Enum

  Parents: ()

  Attributes: {'__qualname__': 'Enum', '__module__': '__main__', 'test': 0}

  此时我们再来看 Enum 的类,已经不再是 type 而是其元类 MetaEnum:

  type(Enum)

  __main__.MetaEnum

  除了 __new__ 方法之外,PEP 3115 还定义了 __prepare__ 属性,用于设定初始化的命名空间(即 type 的第 3 个参数),还是以 enum.Enum 为例,我们需要限制枚举类型中属性名称不得重复使用,则可以通过元类限制类的行为:

  # 定义新的字典类,在赋值新的 dict[k] = v 时

  # 检查 k 是否重复

 class _EnumDict(dict):

  def __init__(self):

  super().__init__()

  self.members = []

  def __setitem__(self, k, v):

  if k in self.members:

  raise TypeError("Attempted to reuse key: '{}'".format(k))

  else:

  self.members.append(k)

  super().__setitem__(k, v)

  class MetaEnum(type):

  @classmethod

  def __prepare__(metaclass, cls, bases):

  return _EnumDict()

  def __new__(metaclass, name, base, attrs):

  return super().__new__(metaclass, name, base, attrs)

  class Enum(metaclass=MetaEnum):

  pass

  class Color(Enum):

  try:

  red = 1

  red = 2

  except TypeError:# 这里没有使用 as err: 的原因是?

  print("TypeError catched")

  TypeError catched

  Python 中一切皆为对象,所有的对象都是某一类的实例,或是某一元类的实例,type 是自己的元类也是自己的实例

 类似资料:
  • 这可能是一个非常愚蠢的问题,但我在其他任何地方都找不到答案,我已经看过了,但是我找不到与我的问题相关的答案。 问题: 在python中,不知道其他语言,每当我们调用一个内置类的if语句时,它会返回if语句解释的内容,例如, 如果为,则上述语句不会将任何内容打印为

  • #百度面经# 个人情况:23届,211硕,大数据开发,数仓,入职即被裁,找工作ing... 今天面试了百度搜索的数据挖掘岗位,面试官超级nice,先大概讲了岗位情况,问下意向,由于我之前想的最长远的发展路线就是先搞底层技术,再搞分析,最后能转挖掘的话更好,就说还OK,就接着面了,一共五部分 1. 统计学 早还给老师了 2. AB实验 只听过名字 3. 机器/深度学习 知道的太基础了,没法应对面试

  • 问项目问的很奇怪,比如预训练模型初始化怎么做的,模型多少层,嵌入维度怎么样,权重捆绑。 问了一堆深度学习的八股,bert,transformer,梯度消失梯度爆炸,BNLN之类的。 代码做了两题,lc.200 岛屿数量 和 lc.16 最接近的三数之和,手撕了,后面问了三数之和时间复杂度优化策略和n数之和思路。 反问问了对方业务,主要是百度APP首页搜广推。 第二天告知一面已过 #百度求职进展汇总

  • 本文向大家介绍深入分析python数据挖掘 Json结构分析,包括了深入分析python数据挖掘 Json结构分析的使用技巧和注意事项,需要的朋友参考一下 json是一种轻量级的数据交换格式,也可以说是一种配置文件的格式 这种格式的文件是我们在数据处理经常会遇到的 python提供内置的模块json,只需要在使用前导入即可   你可以通过帮助函数查看json的帮助文档 json常用的方法有load

  • 顺丰-大数据挖掘与分析(2021秋招) 顺丰一面: 1.深挖实习,指标体系如何建立,各项指标的权重如何确定 2.逻辑回归算法的原理 3.谈谈对ABtest的认识 4.sql排序窗口函数的区别 顺丰二面: 1.深挖实习,预测为什么选用随机森林算法,如何调参 2.论文项目,简单介绍 3.了解哪些机器学习算法 4.反问 顺丰hr面 1.实习中遇到的困难,如何解决 2.过往经历中,你认为最困难的问题,你是

  • 字节跳动 (1h) 1.自我面试 2.挑一个你认为比较成功的项目进行介绍? 3.介绍你做过的特征工程 4.你都有过哪些算法?介绍下随机森林、XGB、GBDT的差异 5.对模型进行评估时候选取的方法 携程控股(45min) 1.自我介绍 2.选择一个项目进行介绍 3.你建模的时候都用到哪些方法 4.项目细节 5.模型评估 腾讯科技(1个小时) 1.自我介绍 2.直接问项目 3.解释下随机森林和GBD