python关于类的一点思考

本文通过两个具体的Python类实例展示了类变量与实例变量的区别,以及类方法间的调用方式。首先,通过一个简单的类说明了类变量如何被外部访问及修改,同时演示了不同方法返回值的特点。其次,介绍了一个更复杂的Car类,该类包含多个属性,并定义了获取完整车辆信息的方法。
class get1():
    url1 = '类变量' # 类变量,如果外部重新定义了,会被改变,如get1.url1 = '更改类变量'
    def __init__(self):
        url2 = 'nbsy' # init内部的变量是自己内部使用的
        self.abcd = [10000]
        self.abcd.append(url2)
    def get2(self):
        self.abcd.append(9)
        return self.abcd
    def get3(self):
        return self.abcd # 返回的是init里整个运行过后的结果的self.abcd
    def get4(self):
        return get1().url1 # 可直接使用自己的类变量get1().url1或self.url1
    def get5(self):
        return self.url1 # 同上,没有init也可以内部引用,因为是类变量
print get1().get2(),get1().get3()
print get1().get4(),'——————',get1().get5()
print get1.url1,get1().url1 # 加不加括号都可以
get1.url1 = '更改类变量' # 用get1.url1在外部赋值会改变类变量url1的值,get1().url1则不会
print '================================================='
print get1().get2(),get1().get3()
print get1().get4(),'——————',get1().get5()
print get1.url1,get1().url1
print '===================下一个类======================='
class Car():
    def __init__(self,make,model,year):
        self.make = make
        self.model = model
        self.year = year
    def get_long_name(self):
        long_name = str(self.year) + ' ' + self.make + ' ' + self.model
        return long_name.title() # 首字母大写
    def get_abc(self):
        return self.get_long_name() + '调用上一个方法' # 类方法之间的调用
my_new_car = Car('audi', 'a4', '2016')
print my_new_car.get_long_name()
print my_new_car.get_abc()
# 去除引号有json.loads()/eval()/compile()方法
[10000, 'nbsy', 9] [10000, 'nbsy']
类变量 —————— 类变量
类变量 类变量
=================================================
[10000, 'nbsy', 9] [10000, 'nbsy']
更改类变量 —————— 更改类变量
更改类变量 更改类变量
===================下一个类=======================
2016 Audi A4
2016 Audi A4调用上一个方法
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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