Cara menggunakan deskriptor dalam Python
Ikhtisar
Deskriptor ialah objek Python yang mentakrifkan operasi yang akan dilakukan apabila mengakses sifat objek lain. Melalui deskriptor, anda boleh melaksanakan pelbagai gelagat berbeza, seperti mengira sifat, menyimpan nilai harta benda dan mengawal akses harta benda. Gunakan deskriptor untuk menyesuaikan gelagat akses harta benda dan elakkan menulis kod pendua untuk setiap penggunaan harta benda.
Sebarang atribut kelas, termasuk atribut instance, atribut kelas dan atribut statik, boleh menggunakan deskriptor. Deskriptor dalam pengaturcaraan Python ialah ciri lanjutan yang sangat berguna untuk pengaturcara dengan pemahaman mendalam tentang bahasa Python dan kemahiran pengaturcaraan lanjutan.
Pelaksanaan
Deskriptor Python ditakrifkan dengan melaksanakan protokol deskriptor. Protokol deskriptor ialah sejenis protokol objek Python, yang mentakrifkan tiga kaedah: __get__()
, __set__()
dan __delete__()
.
Apabila penterjemah Python mengakses atribut sesuatu objek, ia akan terlebih dahulu menyemak sama ada atribut itu ialah deskriptor. Jika atribut ialah deskriptor, panggil kaedah __get__() untuk mendapatkan nilai atribut. Jika atribut bukan deskriptor, nilai atribut dikembalikan secara langsung.
Jika kita ingin menggunakan deskriptor Python untuk mengawal gelagat akses atribut, kita perlu melaksanakan sekurang-kurangnya satu daripada __get__()
, __set__()
dan __delete__()
kaedah dalam protokol deskriptor. Berikut ialah penerangan terperinci kaedah ini:
__get__(self, instance, owner)
: digunakan untuk mendapatkan nilai atribut. Jika atribut yang diakses ialah contoh, parameter contoh ialah objek contoh dan parameter pemilik ialah objek kelas. Jika atribut yang diakses ialah kelas, parameter contoh ialah Tiada dan parameter pemilik ialah objek kelas.
__set__(self, instance, value)
: digunakan untuk menetapkan nilai atribut. Jika nilai atribut ditetapkan oleh contoh, parameter contoh ialah objek contoh dan parameter nilai ialah nilai yang akan ditetapkan. Jika nilai atribut ditetapkan oleh kelas, parameter contoh ialah Tiada dan parameter nilai ialah nilai yang akan ditetapkan.
__delete__(self, instance)
: digunakan untuk memadamkan nilai atribut. Jika nilai sifat yang dipadamkan ialah contoh, parameter contoh ialah objek contoh. Jika nilai sifat sedang dipadamkan daripada kelas, parameter contoh ialah Tiada.
Cara menggunakan deskriptor Python
Senario aplikasi
Deskriptor Python boleh digunakan dalam pelbagai senario, seperti mengira atribut, menyimpan cache nilai atribut dan melaksanakan kawalan akses atribut. Berikut adalah beberapa contoh menggunakan deskriptor Python.
Harta yang dikira
Harta terkira ialah sifat yang dikira daripada sifat lain. Sebagai contoh, menggunakan deskriptor anda boleh mencipta sifat terkira yang menambah dua sifat angka. Berikut ialah contoh kod yang melaksanakan sifat yang dikira:
class SumDescriptor: def __init__(self, a, b): self.a = a self.b = b def __get__(self, instance, owner): return getattr(instance, self.a) + getattr(instance, self.b) class MyClass: def __init__(self, a, b): self.a = a self.b = b self.sum = SumDescriptor('a', 'b')
Dalam kod di atas, SumDescriptor ialah deskriptor yang menggunakan kaedah __get__() untuk mengira jumlah atribut a dan b. MyClass ialah kelas yang mengandungi sifat a dan b Ia juga mentakrifkan harta jumlah, yang merupakan contoh SumDescriptor.
Apabila kita mencipta contoh menggunakan MyClass, kita boleh mendapatkan jumlah atribut a dan b dengan mengakses atribut jumlah tanpa perlu mengiranya secara manual:
>>> obj = MyClass(1, 2) >>> obj.sum 3
Caching nilai atribut
Satu lagi kegunaan biasa ialah menyimpan nilai harta benda. Menggunakan deskriptor membolehkan anda menyimpan cache nilai atribut, dengan itu meningkatkan prestasi program, terutamanya apabila nilai atribut adalah pengiraan perlahan atau sejumlah besar data. Berikut ialah contoh kod untuk caching nilai atribut:
class CachedProperty: def __init__(self, func): self.func = func self.__name__ = func.__name__ def __get__(self, instance, owner): if instance is None: return self value = self.func(instance) setattr(instance, self.__name__, value) return value class MyClass: def __init__(self, data): self._data = data @CachedProperty def processed_data(self): # Perform some slow computation result = ... return result
Dalam kod di atas, CachedProperty
ialah deskriptor yang menggunakan kaedah __get__()
untuk cache nilai atribut. MyClass
ialah kelas yang mengandungi atribut _data
, yang mentakrifkan atribut processed_data
yang menggunakan penghias @CachedProperty
untuk melaksanakan caching. Apabila kita mengakses atribut processed_data
, jika nilai atribut sudah wujud dalam cache, nilai cache akan dikembalikan terus. Jika tidak, nilai harta dikira dan disimpan dalam cache.
Melaksanakan kawalan akses atribut
Deskriptor juga boleh digunakan untuk melaksanakan kawalan akses atribut. Sebagai contoh, kita boleh menggunakan deskriptor untuk melumpuhkan pengubahsuaian pada harta. Berikut ialah contoh kod yang melaksanakan kawalan akses atribut:
class ReadOnlyDescriptor: def __init__(self, value): self.value = value def __get__(self, instance, owner): return self.value def __set__(self, instance, value): raise AttributeError("can't set attribute") class MyClass: def __init__(self, data): self._data = ReadOnlyDescriptor(data)
Dalam kod di atas, ReadOnlyDescriptor
ialah deskriptor yang menggunakan kaedah __set__()
untuk melarang pengubahsuaian atribut. MyClass
ialah kelas yang mengandungi atribut _data
, yang mentakrifkan atribut baca sahaja. Apabila kita cuba mengubah suai atribut _data
, pengecualian AttributeError
akan dilemparkan.
Kawalan akses atribut tersuai
Selain deskriptor asas yang diperkenalkan di atas, Python turut menyediakan property
penghias, yang boleh digunakan untuk mentakrifkan kawalan akses atribut tersuai. Menggunakan penghias property
, kita boleh menukar kaedah kepada sifat baca sahaja, sifat boleh tulis atau sifat baca tulis. Berikut ialah kod sampel untuk kawalan akses atribut tersuai:
class MyClass: def __init__(self, value): self._value = value @property def value(self): return self._value @value.setter def value(self, new_value): if new_value < 0: raise ValueError("value must be non-negative") self._value = new_value
在上面的代码中,value
方法被转换为一个属性。@property
装饰器将value
方法转换为只读属性,@value.setter
装饰器将value
方法转换为可写属性。当我们尝试对value
属性进行修改时,如果新值小于0
,则引发ValueError
异常。
Atas ialah kandungan terperinci Cara menggunakan deskriptor dalam Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



PHP dan Python mempunyai kelebihan dan kekurangan mereka sendiri, dan pilihannya bergantung kepada keperluan projek dan keutamaan peribadi. 1.PHP sesuai untuk pembangunan pesat dan penyelenggaraan aplikasi web berskala besar. 2. Python menguasai bidang sains data dan pembelajaran mesin.

Latihan yang cekap model pytorch pada sistem CentOS memerlukan langkah -langkah, dan artikel ini akan memberikan panduan terperinci. 1. Penyediaan Persekitaran: Pemasangan Python dan Ketergantungan: Sistem CentOS biasanya mempamerkan python, tetapi versi mungkin lebih tua. Adalah disyorkan untuk menggunakan YUM atau DNF untuk memasang Python 3 dan menaik taraf PIP: Sudoyumupdatepython3 (atau SudodnfupdatePython3), pip3install-upgradepip. CUDA dan CUDNN (Percepatan GPU): Jika anda menggunakan Nvidiagpu, anda perlu memasang Cudatool

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Membolehkan pecutan GPU pytorch pada sistem CentOS memerlukan pemasangan cuda, cudnn dan GPU versi pytorch. Langkah-langkah berikut akan membimbing anda melalui proses: Pemasangan CUDA dan CUDNN Tentukan keserasian versi CUDA: Gunakan perintah NVIDIA-SMI untuk melihat versi CUDA yang disokong oleh kad grafik NVIDIA anda. Sebagai contoh, kad grafik MX450 anda boleh menyokong CUDA11.1 atau lebih tinggi. Muat turun dan pasang Cudatoolkit: Lawati laman web rasmi Nvidiacudatoolkit dan muat turun dan pasang versi yang sepadan mengikut versi CUDA tertinggi yang disokong oleh kad grafik anda. Pasang Perpustakaan Cudnn:

Apabila memilih versi pytorch di bawah CentOS, faktor utama berikut perlu dipertimbangkan: 1. Keserasian versi CUDA Sokongan GPU: Jika anda mempunyai NVIDIA GPU dan ingin menggunakan pecutan GPU, anda perlu memilih pytorch yang menyokong versi CUDA yang sepadan. Anda boleh melihat versi CUDA yang disokong dengan menjalankan arahan NVIDIA-SMI. Versi CPU: Jika anda tidak mempunyai GPU atau tidak mahu menggunakan GPU, anda boleh memilih versi CPU PyTorch. 2. Pytorch versi python

Penyimpanan Objek Minio: Penyebaran berprestasi tinggi di bawah CentOS System Minio adalah prestasi tinggi, sistem penyimpanan objek yang diedarkan yang dibangunkan berdasarkan bahasa Go, serasi dengan Amazons3. Ia menyokong pelbagai bahasa pelanggan, termasuk Java, Python, JavaScript, dan GO. Artikel ini akan memperkenalkan pemasangan dan keserasian minio pada sistem CentOS. Keserasian versi CentOS Minio telah disahkan pada pelbagai versi CentOS, termasuk tetapi tidak terhad kepada: CentOS7.9: Menyediakan panduan pemasangan lengkap yang meliputi konfigurasi kluster, penyediaan persekitaran, tetapan fail konfigurasi, pembahagian cakera, dan mini

CentOS Memasang Nginx memerlukan mengikuti langkah-langkah berikut: memasang kebergantungan seperti alat pembangunan, pcre-devel, dan openssl-devel. Muat turun Pakej Kod Sumber Nginx, unzip dan menyusun dan memasangnya, dan tentukan laluan pemasangan sebagai/usr/local/nginx. Buat pengguna Nginx dan kumpulan pengguna dan tetapkan kebenaran. Ubah suai fail konfigurasi nginx.conf, dan konfigurasikan port pendengaran dan nama domain/alamat IP. Mulakan perkhidmatan Nginx. Kesalahan biasa perlu diberi perhatian, seperti isu ketergantungan, konflik pelabuhan, dan kesilapan fail konfigurasi. Pengoptimuman prestasi perlu diselaraskan mengikut keadaan tertentu, seperti menghidupkan cache dan menyesuaikan bilangan proses pekerja.
