Study Python Day04

本文深入讲解了面向对象编程的基本概念,包括类与对象的关系、类的定义与实例化、私有变量的使用、属性装饰器的功能,以及静态方法和类方法的区别与应用场景。

类和对象

类是对象的蓝图和模板,而对象是类的实例

定义类

class class_name(object):
		def __init__(self):
				pass
if __name__=='__main__':
		

案例1:

#打印进度条
import time
class Rose(object):
	def  __init__(self):
			pass
	def main(self):
		for i in range(1,101):
			time.sleep(0.1)
			print('#'*(i),'%d %%'%i)
if __name__=="__main__":
		rose=Rose()
		rose.main()

案例2:

#打印20个进度条,总共100%
import time
class Rose(object):
    def  __init__(self):
        self.count=1
    def main(self):
        for i in range(1,101):
            time.sleep(0.1)
            res ='#'*self.count
            print('%s %d %%'%(res,(i+5)))
            self.count+=1
if __name__=="__main__":
    rose=Rose()
    rose.main()

私有变量,变量名前面加"__"
如果非要使用私有变量,那么可以使用dir(class())去查看它真正的名字.
私有变量/函数,在类内部可以直接调用.
如果你想体现一个变量/函数特别重要你可以使用"_"

案例
在这里插入图片描述

#输出文档中大写个数
class gxr(object):
    def __init__(self,path):
        self.path=path
        self.count=0
    def read(self):
        with open(self.path,mode='r') as f:
            lines =f.readlines()
            for line in lines:
                new_line=line.strip('\n')
                for i in new_line:
                    if i.isupper():
                        self.count+=1
        print('The Upper word is %d'%self.count)

if __name__=='__main__':
    path='/Users/郭香如/test.txt'
    gxr=gxr(path)
    gxr.read()


结果:The Upper word is 19

面向对象进阶

@property装饰器
如果想访问属性可以通过属性的getter(访问器)和setter(修改器)方法进行对应的操作,考虑使用@property包装器来包装getter和setter方法

class Person(object):

    def __init__(self, name, age):
        self._name = name
        self._age = age

    # 访问器 - getter方法
    @property
    def name(self):
        return self._name

    # 访问器 - getter方法
    @property
    def age(self):
        return self._age

    # 修改器 - setter方法
    @age.setter
    def age(self, age):
        self._age = age

    def play(self):
        if self._age <= 16:
            print('%s正在玩飞行棋.' % self._name)
        else:
            print('%s正在玩斗地主.' % self._name)


def main():
    person = Person('王大锤', 12)
    person.play()
    person.age = 22
    person.play()

if __name__ == '__main__':
    main()

静态方法和类方法

静态方法:
在开发中,我们常常需要定义一些方法,这些方法跟类有关,但在实现时并不需要引用类或者实例,Python 使用装饰器@staticmethod来定义一个静态方法
实例:

from math import sqrt
class Triangle(object):
    def __init__(self, a, b, c):
        self.a = a
        self.b = b
        self.c = c

    @staticmethod
    def is_valid(a, b, c):
        return a + b > c and b + c > a and a + c > b

    def perimeter(self):
        return self.a + self.b + self.c

    def area(self):
        half = self.perimeter() / 2
        return sqrt(half * (half - self._a) *
                    (half - self._b) * (half - self._c))

def main():
    a, b, c = 3, 4, 5
    # 静态方法和类方法都是通过给类发消息来调用的
    if Triangle.is_valid(a, b, c):
        t = Triangle(a, b, c)
        print(t.perimeter())
        # 也可以通过给类发消息来调用对象方法但是要传入接收消息的对象作为参数
        # print(Triangle.perimeter(t))
        print(t.area())
        # print(Triangle.area(t))
    else:
        print('无法构成三角形.')


if __name__ == '__main__':
    main()

结果:
12
6.0

类方法
Python 的类方法采用装饰器@classmethod来定义,(类本身也是一个对象,有的地方也称之为类的元数据对象)

统计类Gxr实例的个数,因此定义了一个类变量count来存放实例个数。通过装饰器@classmethod的使用,方法B被定义成一个类方法。在调用类方法时,Python 会将类(class Gxr)传递给self,这样在B内部就可以引用类变量count。

class Gxr(object):
    count= 0

    def __init__(self):
        Gxr.count += 1

    @classmethod
    def B(self):
        return self.count

def main():
    ik1 = Gxr()
    ik2 = Gxr()
    print(ik1.B())
    print (Gxr.B())

if __name__ == '__main__':
    main()


结果:
2
2
标题基于Python的汽车之家网站舆情分析系统研究AI更换标题第1章引言阐述汽车之家网站舆情分析的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义说明汽车之家网站舆情分析对汽车行业及消费者的重要性。1.2国内外研究现状概述国内外在汽车舆情分析领域的研究进展与成果。1.3论文方法及创新点介绍本文采用的研究方法及相较于前人的创新之处。第2章相关理论总结和评述舆情分析、Python编程及网络爬虫相关理论。2.1舆情分析理论阐述舆情分析的基本概念、流程及关键技术。2.2Python编程基础介绍Python语言特点及其在数据分析中的应用。2.3网络爬虫技术说明网络爬虫的原理及在舆情数据收集中的应用。第3章系统设计详细描述基于Python的汽车之家网站舆情分析系统的设计方案。3.1系统架构设计给出系统的整体架构,包括数据收集、处理、分析及展示模块。3.2数据收集模块设计介绍如何利用网络爬虫技术收集汽车之家网站的舆情数据。3.3数据处理与分析模块设计阐述数据处理流程及舆情分析算法的选择与实现。第4章系统实现与测试介绍系统的实现过程及测试方法,确保系统稳定可靠。4.1系统实现环境列出系统实现所需的软件、硬件环境及开发工具。4.2系统实现过程详细描述系统各模块的实现步骤及代码实现细节。4.3系统测试方法介绍系统测试的方法、测试用例及测试结果分析。第5章研究结果与分析呈现系统运行结果,分析舆情数据,提出见解。5.1舆情数据可视化展示通过图表等形式展示舆情数据的分布、趋势等特征。5.2舆情分析结果解读对舆情分析结果进行解读,提出对汽车行业的见解。5.3对比方法分析将本系统与其他舆情分析系统进行对比,分析优劣。第6章结论与展望总结研究成果,提出未来研究方向。6.1研究结论概括本文的主要研究成果及对汽车之家网站舆情分析的贡献。6.2展望指出系统存在的不足及未来改进方向,展望舆情
【磁场】扩展卡尔曼滤波器用于利用高斯过程回归进行磁场SLAM研究(Matlab代码实现)内容概要:本文介绍了利用扩展卡尔曼滤波器(EKF)结合高斯过程回归(GPR)进行磁场辅助的SLAM(同步定位与地图构建)研究,并提供了完整的Matlab代码实现。该方法通过高斯过程回归对磁场空间进行建模,有效捕捉磁场分布的非线性特征,同时利用扩展卡尔曼滤波器融合传感器数据,实现移动机器人在复杂环境中的精确定位与地图构建。研究重点在于提升室内等无GPS环境下定位系统的精度与鲁棒性,尤其适用于磁场特征明显的场景。文中详细阐述了算法原理、数学模型构建、状态估计流程及仿真实验设计。; 适合人群:具备一定Matlab编程基础,熟悉机器人感知、导航或状态估计相关理论的研究生、科研人员及从事SLAM算法开发的工程师。; 使用场景及目标:①应用于室内机器人、AGV等在缺乏GPS信号环境下的高精度定位与地图构建;②为磁场SLAM系统的设计与优化提供算法参考和技术验证平台;③帮助研究人员深入理解EKF与GPR在非线性系统中的融合机制及实际应用方法。; 阅读建议:建议读者结合Matlab代码逐模块分析算法实现细节,重点关注高斯过程回归的训练与预测过程以及EKF的状态更新逻辑,可通过替换实际磁场数据进行实验验证,进一步拓展至多源传感器融合场景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值