python魔法方法-属性转换和类的表示详解
类型转换魔法
类型转换魔法其实就是实现了str、int等工厂函数的结果，通常这些函数还有类型转换的功能，下面是一些相关的魔法方法：
•__int__(self)
•转换成整型，对应int函数。
•__long__(self)
•转换成长整型，对应long函数。
•__float__(self)
•转换成浮点型，对应float函数。
•__complex__(self)
•转换成 复数型，对应complex函数。
•__oct__(self)
•转换成八进制，对应oct函数。
•__hex__(self)
•转换成十六进制，对应hex函数。
•__index__(self)
•首先，这个方法应该返回一个整数，可以是int或者long。这个方法在两个地方有效，首先是 operator 模块中的index函数得到的值就是这个方法的返回值，其次是用于切片操作，下面会专门进行代码演示。
•__trunc__(self)
•当 math.trunc(self) 使用时被调用.__trunc__返回自身类型的整型截取 (通常是一个长整型).
•__coerce__(self, other)
•实现了类型的强制转换，这个方法对应于 coerce 内建函数的结果（python3.0开始去掉了此函数，也就是该魔法方法也没意义了，至于后续的版本是否重新加入支持，要视官方而定。）
•这个函数的作用是强制性地将两个不同的数字类型转换成为同一个类型，例如：
方法返回一个元祖，分别对应转换后的两个数字。其优先级为：复数>浮点数>长整型>整型。在转换的时候，会转换为两个参数中优先级高的类型。当转换无法完成的时候，会触发 TypeError。
而当我们定义这个魔法方法时，如果转换无法完成，应该返回None。
这里有个重要的机制，当python进行运算的时候，如 1 + 1.0 时，会先调用 coerce 函数将其转换为同一个类型，然后再进行运行，这也就是为什么 1 + 1.0 = 2.0，因为转换之后实际进行的运算为 1.0 +1.0。得到这样的结果也就不奇怪了。
代码示例：
class Foo(object):
def __init__(self, x):
self.x = x
def __int__(self):
return int(self.x) + 1
def __long__(self):
return long(self.x) + 1
a = Foo(123)
print int(a)
print long(a)
print type(int(a))
print type(long(a))
这里要注意一点，魔法方法的返回值必须符合预期，例如 __int__ 就应该返回一个 int 类型，如果我们任性地返回其他类型，例如字符串（str）、列表（list）等，会报错。
def __int__(self):
return str(self.x)
def __int__(self):
return list(self.x)
但是 int 可以返回 long，而 long 返回 int 时会自动被处理成 long：
class Foo(object):
def __init__(self, x):
self.x = x
def __int__(self):
return long(self.x) + 1
def __long__(self):
return int(self.x) + 1
a = Foo(123)
print int(a)
print long(a)
print type(int(a))
print type(long(a))
以上发生在python2.7.11上，这是一个很奇怪的行为，以至于我认为其可能是一个 BUG，总之我们在使用的时候要注意要返回对应的类型就是了，以免出错。
__index__(self)：
首先是对应于operator.index()，operator.index(a)就相当于a.__index__():
import operator
class Foo(object):
def __init__(self, x):
self.x = x
def __index__(self):
return self.x + 1
a = Foo(10)
print operator.index(a)
另一个是很神奇的特效，当其用于序列中时：
class Foo(object):
def __init__(self, x):
self.x = x
def __index__(self):
return 3
a = Foo('scolia')
b = [1, 2, 3, 4, 5]
print b[a]
print b[3]
可以作为索引一样使用，可进行切片操作：
class Foo(object):
def __init__(self, x):
self.x = x
def __index__(self):
return int(self.x)
a = Foo('1')
b = Foo('3')
c = [1, 2, 3, 4, 5]
print c[a:b] 
其实切片内部使用的函数 slice 对其进行了处理，有兴趣的同学可以去了解这个函数：
a = Foo('1')
b = Foo('3')
c = slice(a, b)
print c
d = [1, 2, 3, 4, 5]
print d[c]__coerce__(self, other)：
代码示例：
class Foo(object):
def __init__(self, x):
self.x = x
def __coerce__(self, other):
return self.x, str(other.x)
class Boo(object):
def __init__(self, x):
self.x = x
def __coerce__(self, other):
return self.x, int(other.x)
a = Foo('123')
b = Boo(123)
print coerce(a, b)
print coerce(b, a)
总结：是调用了第一个参数的魔法方法。
类的表示 ：
类的表示其实就是对外的特征，例如使用print语句时，打印出来的是什么，其实本质上也是对应函数的输出：
•__str__(self)
•定义当 str() 被你的一个类的实例调用时所要产生的行为。因为print默认调用的就是str()函数。
•__repr__(self)
•定义当 repr() 被你的一个类的实例调用时所要产生的行为。 str() 和 repr() 的主要区别是其目标群体。 repr() 返回的是机器可读的输出，而 str() 返回的是人类可读的。 repr() 函数是交换模式默认调用的
•函数。
•__unicode__(self)
•定义当 unicode() 被你的一个类的实例调用时所要产生的行为。 unicode() 和 str() 很相似，但是返回的是unicode字符串。注意，如果对你的类调用 str() 然而你只定义了 __unicode__() ，那么其将不会
•工作。你应该定义 __str__() 来确保调用时能返回正确的值，并不是每个人都有心情去使用unicode()。
•__format__(self, formatstr)
•定义当你的一个类的实例被用来用新式的格式化字符串方法进行格式化时所要产生的行为。例如， "Hello, {0:abc}!".format(a) 将会导致调用 a.__format__("abc") 。这对定义你自己的数值或字符串类型
•是十分有意义的，你可能会给出一些特殊的格式化选项。
•__hash__(self)
•定义当 hash()被你的一个类的实例调用时所要产生的行为。它必须返回一个整数，用来在字典中进行快速比较。
•请注意，实现__hash__时通常也要实现__eq__。有下面这样的规则：a == b 暗示着 hash(a) == hash(b) 。也就是说两个魔法方法的返回值最好一致。
•这里引入一个‘可哈希对象'的概念，首先一个可哈希对象的哈希值在其生命周期内应该是不变的，而要得到哈希值就意味要实现__hash__方法。而哈希对象之间是可以比较的，这意味着要实现__eq__或
•者__cmp__方法，而哈希对象相等必须其哈希值相等，要实现这个特性就意味着__eq__的返回值必须和__hash__一样。
•可哈希对象可以作为字典的键和集合的成员，因为这些数据结构内部使用的就是哈希值。python中所有内置的不变的对象都是可哈希的，例如元组、字符串、数字等；而可变对象则不能哈希，例如列表、
•字典等。
•用户定义的类的实例默认是可哈希的，且除了它们本身以外谁也不相等，因为其哈希值来自于 id 函数。但这并不代表 hash(a) == id(a)，要注意这个特性。
•__nonzero__(self)
•定义当 bool() 被你的一个类的实例调用时所要产生的行为。本方法应该返回True或者False，取决于你想让它返回的值。(python3.x中改为__bool__)
•__dir__(self)
•定义当 dir() 被你的一个类的实例调用时所要产生的行为。该方法应该返回一个属性的列表给用户。
•__sizeof__(self)
•定义当 sys.getsizeof() 被你的一个类的实例调用时所要产生的行为。该方法应该以字节为单位，返回你的对象的大小。这通常对于以C扩展的形式实现的Python类更加有意义，其有助于理解这些扩展。
这里并没有什么特别难以理解的地方，所以代码例子就略去了。
以上这篇python魔法方法-属性转换和类的表示详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
PHP et Python: exemples de code et comparaison
Apr 15, 2025 am 12:07 AM
PHP et Python ont leurs propres avantages et inconvénients, et le choix dépend des besoins du projet et des préférences personnelles. 1.Php convient au développement rapide et à la maintenance des applications Web à grande échelle. 2. Python domine le domaine de la science des données et de l'apprentissage automatique.
Python vs JavaScript: communauté, bibliothèques et ressources
Apr 15, 2025 am 12:16 AM
Python et JavaScript ont leurs propres avantages et inconvénients en termes de communauté, de bibliothèques et de ressources. 1) La communauté Python est amicale et adaptée aux débutants, mais les ressources de développement frontal ne sont pas aussi riches que JavaScript. 2) Python est puissant dans les bibliothèques de science des données et d'apprentissage automatique, tandis que JavaScript est meilleur dans les bibliothèques et les cadres de développement frontaux. 3) Les deux ont des ressources d'apprentissage riches, mais Python convient pour commencer par des documents officiels, tandis que JavaScript est meilleur avec MDNWEBDOCS. Le choix doit être basé sur les besoins du projet et les intérêts personnels.
Comment est la prise en charge du GPU pour Pytorch sur Centos
Apr 14, 2025 pm 06:48 PM
Activer l'accélération du GPU Pytorch sur le système CentOS nécessite l'installation de versions CUDA, CUDNN et GPU de Pytorch. Les étapes suivantes vous guideront tout au long du processus: CUDA et CUDNN Installation détermineront la compatibilité de la version CUDA: utilisez la commande NVIDIA-SMI pour afficher la version CUDA prise en charge par votre carte graphique NVIDIA. Par exemple, votre carte graphique MX450 peut prendre en charge CUDA11.1 ou plus. Téléchargez et installez Cudatoolkit: visitez le site officiel de Nvidiacudatoolkit et téléchargez et installez la version correspondante selon la version CUDA la plus élevée prise en charge par votre carte graphique. Installez la bibliothèque CUDNN:
Explication détaillée du principe docker
Apr 14, 2025 pm 11:57 PM
Docker utilise les fonctionnalités du noyau Linux pour fournir un environnement de fonctionnement d'application efficace et isolé. Son principe de travail est le suivant: 1. Le miroir est utilisé comme modèle en lecture seule, qui contient tout ce dont vous avez besoin pour exécuter l'application; 2. Le Système de fichiers Union (UnionFS) empile plusieurs systèmes de fichiers, ne stockant que les différences, l'économie d'espace et l'accélération; 3. Le démon gère les miroirs et les conteneurs, et le client les utilise pour l'interaction; 4. Les espaces de noms et les CGROUP implémentent l'isolement des conteneurs et les limitations de ressources; 5. Modes de réseau multiples prennent en charge l'interconnexion du conteneur. Ce n'est qu'en comprenant ces concepts principaux que vous pouvez mieux utiliser Docker.
Miniopen Centos Compatibilité
Apr 14, 2025 pm 05:45 PM
Minio Object Storage: Déploiement haute performance dans le système Centos System Minio est un système de stockage d'objets distribué haute performance développé sur la base du langage Go, compatible avec Amazons3. Il prend en charge une variété de langages clients, notamment Java, Python, JavaScript et GO. Cet article introduira brièvement l'installation et la compatibilité de Minio sur les systèmes CentOS. Compatibilité de la version CentOS Minio a été vérifiée sur plusieurs versions CentOS, y compris, mais sans s'y limiter: CentOS7.9: fournit un guide d'installation complet couvrant la configuration du cluster, la préparation de l'environnement, les paramètres de fichiers de configuration, le partitionnement du disque et la mini
Comment faire fonctionner la formation distribuée de Pytorch sur CentOS
Apr 14, 2025 pm 06:36 PM
La formation distribuée par Pytorch sur le système CentOS nécessite les étapes suivantes: Installation de Pytorch: La prémisse est que Python et PIP sont installés dans le système CentOS. Selon votre version CUDA, obtenez la commande d'installation appropriée sur le site officiel de Pytorch. Pour la formation du processeur uniquement, vous pouvez utiliser la commande suivante: pipinstalltorchtorchVisionTorChaudio Si vous avez besoin d'une prise en charge du GPU, assurez-vous que la version correspondante de CUDA et CUDNN est installée et utilise la version Pytorch correspondante pour l'installation. Configuration de l'environnement distribué: la formation distribuée nécessite généralement plusieurs machines ou des GPU multiples uniques. Lieu
Comment choisir la version Pytorch sur Centos
Apr 14, 2025 pm 06:51 PM
Lors de l'installation de Pytorch sur le système CentOS, vous devez sélectionner soigneusement la version appropriée et considérer les facteurs clés suivants: 1. Compatibilité de l'environnement du système: Système d'exploitation: Il est recommandé d'utiliser CentOS7 ou plus. CUDA et CUDNN: La version Pytorch et la version CUDA sont étroitement liées. Par exemple, Pytorch1.9.0 nécessite CUDA11.1, tandis que Pytorch2.0.1 nécessite CUDA11.3. La version CUDNN doit également correspondre à la version CUDA. Avant de sélectionner la version Pytorch, assurez-vous de confirmer que des versions compatibles CUDA et CUDNN ont été installées. Version Python: branche officielle de Pytorch
Comment exécuter des programmes dans Terminal Vscode
Apr 15, 2025 pm 06:42 PM
Dans VS Code, vous pouvez exécuter le programme dans le terminal via les étapes suivantes: Préparez le code et ouvrez le terminal intégré pour vous assurer que le répertoire de code est cohérent avec le répertoire de travail du terminal. Sélectionnez la commande Run en fonction du langage de programmation (tel que Python de Python your_file_name.py) pour vérifier s'il s'exécute avec succès et résoudre les erreurs. Utilisez le débogueur pour améliorer l'efficacité du débogage.
