千里之行 | 面向对象(3)

本文深入探讨面向对象编程的六大核心概念:继承、方法重写、super()、多重继承、多态及属性和方法的详细解释。理解这些概念对于掌握面向对象编程至关重要。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一. 继承简介

  • 继承是面向对象三大特性之一;
  • 通过继承可以使一个类获取到其他类中的属性和方法;
  • 在定义类时,可以在类名后面的括号中指定当前类的父类(超类、基类);
  • 继承提高了类的复用性。让类与类之间产生了关系。有了这个关系,才有了多态的特性;

二. 方法重写

  • 如果在子类中有和父类同名的方法,则通过子类实例去调用方法时,会调用子类的方法而不是父类的方法,这个特点我们称之为方法的重写(覆盖);
  • 当我们调用一个对象的方法时:
    ♦ 会优先去当前对象中寻找是否有该方法,如果有则直接调用;
    ♦ 如果没有,则去当前对象的父类中寻找,如果父类中有则直接调用父类中的方法;
    ♦ 如果还是没有,则去父类的父类寻找,以此类推,直到找到object,如果依然没有就会发生报错;

三. super()

  • super()可以获得当前类的父类;
  • 并且通过super()返回对象调用父类方法时,不需要传递self;

四. 多重继承

  • 在Python中是支持多重继承的。也就是我们可以为一个类同时制定多个父类;
  • 可以在类名的()后边添加多个类,来实现多重继承;
  • 多重继承,会使子类同时拥有多个父类,并且会获取到所有父类中的方法;
  • 在开发中没有特殊情况,应该尽量避免使用多重继承。因为多重继承会让我们的代码更加复杂;
  • 如果多个父类中有同名的方法,则会先在第一 个父类中寻找,然后找第二个,第三个。。。(前面的会覆盖后面的)

五. 多态

  • 多态是面向对象的三大特性之一。从字面的理解就是多种形态;
  • 一个对象可以用不同的形态 去呈现
  • 面向对象的三大特性:
    ♦ 封装:确保对象中数据的安全
    ♦ 继承:保证了对象的扩展性
    ♦ 多态:保证了程序的灵活性

六. 属性和方法

  • 属性
    ♦ 类属性,直接在类中定义的属性是类属性;
    ♦ 类属性可以通过类或类的实例访问到。但是类属性只能通过类对象来修改,无法通过实例对象修改;
    ♦ 实例属性,通过实例对象添加的属性属于实例属性
    ♦ 实例属性只能通过实例对象来访问和修改,类对象无法访问修改
  • 方法
    ♦ 在类中定义,以self为第一个参数的方法都是实例方法;
    ♦ 实例方法在调用时,Python会将调用对象以self传入;
    ♦ 实例方法可以通过类实例和类去调用;
    ♦ 当通过实例调用时,会自动将当前调用对象作为self传入;
    ♦ 当通过类调用时,不会自动传递self,我们必须手动传递self;
    ♦ 类方法,类的内容是以@clsaamethod来修饰的方法属于类方法;
    ♦ 类方法第一个参数是cls也会自动被传递。cls就是当前的类对象;
    ♦ 类方法和实例方法的区别,实例方法的第一个参数是self,类方法的第一个参数是cls;
    ♦ 类方法可以通过类去调用,也可以通过实例调用;
  • 静态方法
    ♦ 在类中用@staticmethod来修饰的方法属于静态方法
    ♦ 静态方法不需要指定任何的默认参数,静态方法可以通过类和实例调用;
    ♦ 静态方法,基本上是一个和当前类无关的方法,它只是一个保存到当前类中的函数;
    ♦ 静态方法一般都是些工具方法,和当前类无关;
分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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