Python中魔术方法(16)

本文深入探讨Python的魔术方法,如__del__, __call__, __repr__, __new__, is与==的区别,__hash__及类的常用函数。同时解析反射方法如getattr, hasattr和setattr的使用,并对比不同对象的哈希值。

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

del()方法

销毁魔术方法

class A():
    num=0#类属性也叫静态属性
    def __init__(self,name):
        A.num+=1
        self.name=name
    def __del__(self):
        A.num-=1
        print(self.name,"被删除,还剩{}个对象".format(A.num))
a=A("张三")
b=A("李四")
c=A("王五")
print(A.num)
#自动调用
del a
del b
del c

call()方法

对象后面加(),触发执行

class A():
    def __init__(self,num):
        self.num=num
    def __call__(self, n):
        return self.num*n
a=A(7)
b=a(9)
print(b)#63

class Fib():
    def __init__(self):
        pass
    def __call__(self, month):
        lst=[]
        a,b=1,1
        n=1
        while n<=month:
            lst.append(a)
            a,b=b,a+b
            n+=1
        return  lst
f=Fib()
for i in range(1,10):
    print(f(i))

repr()方法

此方法是__str__()的备胎

class Per():
    def __init__(self,name,age):
        self.name=name
        self.age=age
    def __repr__(self):

        return "我叫{},年龄{}".format(self.name,self.age)
    def __str__(self):
        return "年龄{},我叫{}".format(self.age,self.name)
a=Per("张三",19)
print(str(a))
print("我说:%r"%(a))#%r调用的是 __repr__()方法
print("我是:%s"%(a))
print(repr(a))#repr()调用 __repr__()方法

new()方法

class Stu():
    #实例化的时候触发,实际是在创建一个新的对象
    def __new__(cls, *args, **kwargs):
        print("111111")
        return object.__new__(cls)#用object类,去创建一个此类的对象实体cls,代表的是本类
    def __init__(self,name,age):#初始化的时候触发
        print('2222')
        self.name=name
        self.age=age
zs=Stu("zh",19)
"""
111111
2222
"""

is 和==区别

is:比较两个对象的id值是否相等,是否指向同一个内存地址

==:比较的是两个对象的内容是否相等,即内存地址可以不一样,内容一样就可以了。

a=[1,2,3]
b=[1,2,3]
print(id(a))
print(id(b))



a=[1,2,3]
b=[1,2,3]

print(a==b)#True
print(a is b)#False
print(id(a))#56859400
print(id(b))#39507912

class Stu():
    def __init__(self,name,age):
        self.name=name
        self.age=age
    # def __eq__(self, other):#equal
    #     return self.__dict__==other.__dict__#比较的是字典内容
a=Stu("张三",19)
b=Stu("张三",19)
print(a==b)#False


class Stu():
    def __init__(self,name,age):
        self.name=name
        self.age=age
    def __eq__(self, other):#equal
        return self.__dict__==other.__dict__#比较的是字典内容
a=Stu("张三",19)
b=Stu("张三",19)
print(a==b)#True
c=Stu("李四",20)
print(a==c)#False
print(a is b)#False
d=[]
d.append(a)
if b not in d:#in就是通过==来判断的,用eq去判断,b和d是相等的,所以这里是False,所以b就没有加进去,这里面只有一个a
    d.append(b)
print(d)#[<__main__.Stu object at 0x00000000022576D8>]
class Stu():
    def __init__(self,name,age):
        self.name=name
        self.age=age
    def __eq__(self, other):#equal
        print("self",self.__dict__)#self {'name': '张三', 'age': 19}
        print("othrer",other.__dict__)#othrer {'name': '张三', 'age': 19}
        b=self.__dict__==other.__dict__
        return b
a=Stu("张三",19)
b=Stu("张三",19)
print(a==b)#True

hash()方法

在python中有内置的哈希函数hash(),返回一个对象(数字、字符串,不能直接用于list、set、dictionary)的哈希值。

# 列表是不可哈希的
a={"a",'b',[1,2,3]}
print(a)#TypeError: unhashable type: 'list'

hash()默认调用Object类的__hash__()方法。Hash值是对象的id值/16

class Stu():
    def __init__(self,name):
        self.name=name
a=Stu("张三")
b=Stu("李四")
c=Stu("王五")
print(hash(a))
print(id(a)/16)
'''
2444587
2444587.0

'''
class Stu():
    def __init__(self,name):
        self.name=name
    def __eq__(self, other):
        return self.name==other.name
    def __hash__(self):
        return hash(self.name)

a=Stu("张三")
b=Stu("李四")
c=Stu("张三")

print(hex(id(a)))
print(hex(id(b)))
print(hex(id(c)))
d={a,b,c}
print(d)#这里只有两个值,因为调用eq,a和c是相等的,去重了
a={"name":5}
a.keys()
"""
0x25ad2b0
0x25a2e10
0x25b7710
{<__main__.Stu object at 0x00000000025AD2B0>, <__main__.Stu object at 0x00000000025A2E10>}
"""

类的常用函数

class A():
    pass
class B(A):
    pass
print(issubclass(B,A))#看一下B是A的子类吗

class C():
    pass
a=A()
b=isinstance(a,A)#是实例吗,检查是某个类的对象吗
print(b)
b=isinstance(a,C)
print(b)
"""
True
True
False
"""

反射方法

'''
getattr():获取对象/类中的成员值
hasattr():检测对象/类是否具有某个成员
'''

class A():
    xiaogou=10
    @staticmethod
    def hehe(num):
        print("我的数是",num)
# delattr(A,"xiaogou")
# b=hasattr(A,"xiaogou")#A有xiaogou的属性吗
# print(b)
#
# c=getattr(A,"xiaogou")#获取对象/类成员的值
# print(c)

a=A()
f=getattr(A,"hehe")
f(9)
'''
我的数是 9
'''
# print(f(99))
class A():
    def f1(self):
        print("我是f1")
    def f2(self):
        print("我是f2")
    def f3(self):
        print("我是f3")
print(A.__dict__)
a=A()
while True:
    f=input("输入你想调用的方法")
    if hasattr(A,f):
        fc=A.__dict__.get(f)
        print("A类有:",f)
        fc(a)#给fc里传入一个对象

    else:
        print("A类没有;",f)
#setattr()设置或者添加对象/类中的成员
class A():
    xiaogou=199
print(A.__dict__)
setattr(A,"zhutou",200)
print(A.__dict__)
a=A()
print(a.__dict__)
setattr(a,"haha",1999)
print(a.__dict__)
a.hehe=2022
print(a.__dict__)

t1.py
d="周二"
def func(name):
    print("ni号shihan数",name)
class A():
    def __init__(self,name):
        self.name=name

t2.py
import  t1
x=getattr(t1,"d")
print(x)

f=getattr(t1,"func")
f("zhang")

lei=getattr(t1,"A")
a=lei("张三")
print(a.name)
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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