举例讲解Python面相对象编程中对象的属性与类的方法
python 对象的属性
进入正题,来看一个实例来了解python中类,对象中公有属性,私有属性及局部变量,全局变量的区别.
root@10.1.6.200:~# cat object.py
#!/usr/bin/env python #coding:utf8 class Dave(): var1 = "class atribute,public atrribute var1" #类属性,公有属性var1 __var2 = "class self atribute __var2" #类的私有属性__var2 def fun(self): self.var2 = "object public atrribute var2" #对象的公有属性var2 self.__var3 = "object self atrribute __var3" #对象的私有属性__var3 var4 = "Function of the local variable var4" #函数fun的局部变量 def other(self): print self.__var3
根据上面代码后面加入以下代码可以实例化一个对象及获取类公有属性.
he = Dave() #实例化一个对象he print he.var1 #从实例中获取类的公有属性 print Dave.var1 #直接从类中获取公有属性
root@10.1.6.200:~# ./object.py
class atribute,public atrribute var1 class atribute,public atrribute var1
类的私有属性不能被类或对象直接调用
he = Dave() print Dave.__var2 print he.__var2
root@10.1.6.200:~# ./object.py
Traceback (most recent call last): File "./object.py", line 19, in <module> print Dave.__var2 AttributeError: class Dave has no attribute '__var2'
但可以通过方法间接调用.
class Dave(): var1 = "class atribute,public atrribute var1" #类属性,公有属性var1 __var2 = "class self atribute __var2" #类的私有属性__var2 def other(self): print Dave.__var2 he = Dave() he.other()
root@10.1.6.200:~# ./object.py
class self atribute __var2
获取类方法中的对象的公有属性,需要先通过对象执行类中的方法.并通过对象调用该属性.
he = Dave() liu = Dave() he.fun() print he.var2 print liu.var2
root@10.1.6.200:~# ./object.py
object public atrribute var2 Traceback (most recent call last): <span></span> #对象liu由于没有调用fun方法所有就没有该属性. File "./object.py", line 20, in <module> print liu.var2 AttributeError: Dave instance has no attribute 'var2'
对象的私有属性和类的私有属性类似,也不能被类或对象直接调用
he = Dave() he.fun() print he.__var3
root@10.1.6.200:~# ./object.py
Traceback (most recent call last): File "./object.py", line 18, in <module> print he.__var3 AttributeError: Dave instance has no attribute '__var3'
局部变量也不能被对象直接调用,可以在函数内部使用.
he = Dave() he.fun() print he.var4
root@10.1.6.200:~# ./object.py
Traceback (most recent call last): File "./object.py", line 18, in <module> print he.var4 AttributeError: Dave instance has no attribute 'var4'
def fun(self): self.var2 = "object public atrribute var2" #对象的公有属性var2 self.__var3 = "object self atrribute __var3" #对象的私有属性__var3 var4 = "Function of the local variable var4" #函数fun的局部变量 print var4 #可以在函数内部直接打印,只在该函数内有用 print self.__var3 he = Dave() he.fun()
root@10.1.6.200:~# ./object.py
Function of the local variable var4 object self atrribute __var3
那么var4和self._var3有什么区别呢.目前看2个都在外部使用不了.下面在定义一个函数other调用.
def fun(self): self.var2 = "object public atrribute var2" #对象的公有属性var2 self.__var3 = "object self atrribute __var3" #对象的私有属性__var3 var4 = "Function of the local variable var4" #函数fun的局部变量 print var4 #一个函数的局部变量在另外一个函数是访问不到的 print self.__var3 def other(self): print var4 print self.__var3 he = Dave() he.fun() print "#"*100 he.other()
root@10.1.6.200:~# ./object.py
Function of the local variable var4 object self atrribute __var3 #################################################################################################### Traceback (most recent call last): #会认为var4是全局变量打印.定义全局变量可在class 头加入 var4 = "global" File "./object.py", line 22, in <module> he.other() File "./object.py", line 16, in other print var4 NameError: global name 'var4' is not defined
#!/usr/bin/env python #coding:utf8 var4 = "global" #定义var4为全局变量 class Dave(): var1 = "class atribute,public atrribute var1" #类属性,公有属性var1 __var2 = "class self atribute __var2" #类的私有属性__var2 def fun(self): self.var2 = "object public atrribute var2" #对象的公有属性var2 self.__var3 = "object self atrribute __var3" #对象的私有属性__var3 var4 = "Function of the local variable var4" #函数fun的局部变量 print var4 print self.__var3 def other(self): print var4 print self.__var3 #可调用私有属性,前提是先调用fun he = Dave() he.fun() print "#"*100 he.other()
root@10.1.6.200:~# ./object.py
Function of the local variable var4 object self atrribute __var3 #################################################################################################### global object self atrribute __var3
python 类的方法
python类中的方法:公有方法,私有方法,类方法,静态方法.
下面通过一个实例了解它们之间的区别:
#!/usr/bin/env python #coding:utf8 class Dave(): name = "python" def fun1(self): #定义公有方法 print self.name print "i am public method" def __fun2(self): #定义私有方法 print self.name print "i am self method"
先来看公有方法和私有方法,加入以下代码输出
root@10.1.6.200:~# ./method.py #直接调用对象公有方法没有问题
python i am public method
私有方法和私有属性一样是被保护起来,不能直接调用对象的私有方法,但可以间接调用.
#!/usr/bin/env python #coding:utf8 class Dave(): name = "python" def fun1(self): #定义公有方法 print self.name print "i am public method" self.__fun2() def __fun2(self): #定义私有方法 print self.name print "i am self method" he = Dave() he.fun1()
root@10.1.6.200:~# ./method.py
python i am public method python i am self method
公有属性是可以被类调用,但是公有方法是不可以被类直接调用.需要实例化对象调用.如果想一个方法被类直接调用的话,就需要转换,变成一个类方法.变成类方法有2种,比较简单的可以加装饰器.
@classmethod def classFun(self): #定义类方法 print self.name print "i am class method" Dave.classFun()
root@10.1.6.200:~# ./method.py
python i am class method
另一个方法比较麻烦,需要定义一个新的函数,以及使用classmethod方法转换函数为类方法.当然调用也需要使用新的该函数名字.
def classFun(self): #定义类方法 print self.name print "i am class method" classnewFun = classmethod(classFun) Dave.classnewFun() #被转换后的是一个类方法,原来classfun还是一个普通方法
root@10.1.6.200:~# ./method.py
python i am class method
静态方法在使用中和类方法一样,也是为了让类中直接调用,区别定义时不加self.
@staticmethod def staticFun(): #d定义静态方法 print Dave.name #注意不加self,直接打name也不行,会认为调用全局变量,需要使用类型加属性. print "i am static method" Dave.staticFun()
oot@10.1.6.200:~# ./method.py
python i am static method
同样也可以通过一个函数调用
def staticfun(): #定义静态方法 print Dave.name print "i am static method" staticnewFun = staticmethod(staticFun) Dave.staticnewFun()
root@10.1.6.200:~# ./method.py
python i am static method

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











MySQL에는 무료 커뮤니티 버전과 유료 엔터프라이즈 버전이 있습니다. 커뮤니티 버전은 무료로 사용 및 수정할 수 있지만 지원은 제한되어 있으며 안정성이 낮은 응용 프로그램에 적합하며 기술 기능이 강합니다. Enterprise Edition은 안정적이고 신뢰할 수있는 고성능 데이터베이스가 필요하고 지원 비용을 기꺼이 지불하는 응용 프로그램에 대한 포괄적 인 상업적 지원을 제공합니다. 버전을 선택할 때 고려 된 요소에는 응용 프로그램 중요도, 예산 책정 및 기술 기술이 포함됩니다. 완벽한 옵션은없고 가장 적합한 옵션 만 있으므로 특정 상황에 따라 신중하게 선택해야합니다.

HADIDB : 가볍고 높은 수준의 확장 가능한 Python 데이터베이스 HadIDB (HADIDB)는 파이썬으로 작성된 경량 데이터베이스이며 확장 수준이 높습니다. PIP 설치를 사용하여 HADIDB 설치 : PIPINSTALLHADIDB 사용자 관리 사용자 만들기 사용자 : createUser () 메소드를 작성하여 새 사용자를 만듭니다. Authentication () 메소드는 사용자의 신원을 인증합니다. Fromhadidb.operationimportuseruser_obj = user ( "admin", "admin") user_obj.

해시 값으로 저장되기 때문에 MongoDB 비밀번호를 Navicat을 통해 직접 보는 것은 불가능합니다. 분실 된 비밀번호 검색 방법 : 1. 비밀번호 재설정; 2. 구성 파일 확인 (해시 값이 포함될 수 있음); 3. 코드를 점검하십시오 (암호 하드 코드 메일).

MySQL은 기본 데이터 저장 및 관리를위한 네트워크 연결없이 실행할 수 있습니다. 그러나 다른 시스템과의 상호 작용, 원격 액세스 또는 복제 및 클러스터링과 같은 고급 기능을 사용하려면 네트워크 연결이 필요합니다. 또한 보안 측정 (예 : 방화벽), 성능 최적화 (올바른 네트워크 연결 선택) 및 데이터 백업은 인터넷에 연결하는 데 중요합니다.

MySQL 연결은 다음과 같은 이유로 인한 것일 수 있습니다. MySQL 서비스가 시작되지 않았고 방화벽이 연결을 가로 채고 포트 번호가 올바르지 않으며 사용자 이름 또는 비밀번호가 올바르지 않으며 My.cnf의 청취 주소가 부적절하게 구성되어 있습니다. 1. MySQL 서비스가 실행 중인지 확인합니다. 2. MySQL이 포트 3306을들을 수 있도록 방화벽 설정을 조정하십시오. 3. 포트 번호가 실제 포트 번호와 일치하는지 확인하십시오. 4. 사용자 이름과 암호가 올바른지 확인하십시오. 5. my.cnf의 바인드 아드 드레스 설정이 올바른지 확인하십시오.

MySQL Workbench는 구성이 올바른 경우 MariadB에 연결할 수 있습니다. 먼저 커넥터 유형으로 "mariadb"를 선택하십시오. 연결 구성에서 호스트, 포트, 사용자, 비밀번호 및 데이터베이스를 올바르게 설정하십시오. 연결을 테스트 할 때는 마리아드 브 서비스가 시작되었는지, 사용자 이름과 비밀번호가 올바른지, 포트 번호가 올바른지, 방화벽이 연결을 허용하는지 및 데이터베이스가 존재하는지 여부를 확인하십시오. 고급 사용에서 연결 풀링 기술을 사용하여 성능을 최적화하십시오. 일반적인 오류에는 불충분 한 권한, 네트워크 연결 문제 등이 포함됩니다. 오류를 디버깅 할 때 오류 정보를 신중하게 분석하고 디버깅 도구를 사용하십시오. 네트워크 구성을 최적화하면 성능이 향상 될 수 있습니다

MySQL 데이터베이스 성능 최적화 안내서 리소스 집약적 응용 프로그램에서 MySQL 데이터베이스는 중요한 역할을 수행하며 대규모 트랜잭션 관리를 담당합니다. 그러나 응용 프로그램 규모가 확장됨에 따라 데이터베이스 성능 병목 현상은 종종 제약이됩니다. 이 기사는 일련의 효과적인 MySQL 성능 최적화 전략을 탐색하여 응용 프로그램이 고 부하에서 효율적이고 반응이 유지되도록합니다. 실제 사례를 결합하여 인덱싱, 쿼리 최적화, 데이터베이스 설계 및 캐싱과 같은 심층적 인 주요 기술을 설명합니다. 1. 데이터베이스 아키텍처 설계 및 최적화 된 데이터베이스 아키텍처는 MySQL 성능 최적화의 초석입니다. 몇 가지 핵심 원칙은 다음과 같습니다. 올바른 데이터 유형을 선택하고 요구 사항을 충족하는 가장 작은 데이터 유형을 선택하면 저장 공간을 절약 할 수있을뿐만 아니라 데이터 처리 속도를 향상시킬 수 있습니다.

데이터 전문가는 다양한 소스에서 많은 양의 데이터를 처리해야합니다. 이것은 데이터 관리 및 분석에 어려움을 겪을 수 있습니다. 다행히도 AWS Glue와 Amazon Athena의 두 가지 AWS 서비스가 도움이 될 수 있습니다.
