4.1 类

本节介绍 class 语句以及创建新对象的方式。

面向对象编程（ OOP ）

面向对象编程是一种将代码组织成对象集合的编程技术。

一个对象包括：

• 数据。属性
• 行为。方法应用于对象的函数。

在本课程中，你已经使用了面向对象编程技术。

例如，操作列表。

>>> nums = [1, 2, 3] >>> nums.append(4) # Method >>> nums.insert(1,10) # Method >>> nums [1, 10, 2, 3, 4] # Data >>> 

nums 是列表的实例（instance）。

方法（append() 和 insert()）被绑定到实例（nums）上。

class 语句

使用 class 语句定义一个新的对象。

class Player: def __init__(self, x, y): self.x = x self.y = y self.health = 100 def move(self, dx, dy): self.x += dx self.y += dy def damage(self, pts): self.health -= pts 

简而言之，类是一组函数，对所谓的 实例（ instance ） 执行各种操作。

实例

实例是你在程序中操作的实际对象。

通过像调用函数一样调用类来创建实例。

>>> a = Player(2, 3) >>> b = Player(10, 20) >>> 

a 和 b 都是 Player 类的实例。

强调：class 语句仅仅是一个定义（它本身不执行任何操作）。类似于函数定义。

实例数据

每个实例都拥有自己的局部数据。

>>> a.x 2 >>> b.x 10 

数据通过 _init__() 方法进行初始化。

class Player: def __init__(self, x, y): # Any value stored on `self` is instance data self.x = x self.y = y self.health = 100 

对属性的总数或者类型没有限制。

实例方法

应用于对象实例的函数称为实例方法。

class Player: ... # `move` is a method def move(self, dx, dy): self.x += dx self.y += dy 

对象本身始终作为第一个参数传递。

>>> a.move(1, 2) # matches `a` to `self` # matches `1` to `dx` # matches `2` to `dy` def move(self, dx, dy): 

按照惯例，实例称为 self。但是，使用的实际名字不重要。对象始终作为第一个参数传递。将这个参数称为 self 只是 Python 的编程风格。

类作用域

类未定义名称的作用域。

class Player: ... def move(self, dx, dy): self.x += dx self.y += dy def left(self, amt): move(-amt, 0) # NO. Calls a global `move` function self.move(-amt, 0) # YES. Calls method `move` from above. 

如果想要对实例进行操作，那么你始终需要显式地引用它（如： self）。

练习

从本组练习开始，我们将对前面章节的现有代码进行一系列更改。从练习 3.18 版本的代码开始非常重要。如果你还没有这些代码，请到 Solutions/3_18 目录下查看，然后复制它。

练习 4.1：把对象当做数据结构

在第 2 和第 3 节中，我们使用了了以元组和字典表示的数据。例如，持有的股票可以用像下面这样的元组表示：

s = ('GOOG',100,490.10) 

或者使用像下面这样的字典表示：

s = { 'name' : 'GOOG', 'shares' : 100, 'price' : 490.10 } 

你甚至可以编写用于操作此类数据的函数。例如：

def cost(s): return s['shares'] * s['price'] 

但是，随着程序规模的不断扩大，你可能希望创建更好的代码组织意识（ sense ）。因此，可以定义一个类表示数据。请创建一个名为 stock.py 的文件，并定义一个名为 Stock 的类，用以表示持有的单支股票。Stock 类具有 name, shares，和 price 属性。示例：

>>> import stock >>> a = stock.Stock('GOOG',100,490.10) >>> a.name 'GOOG' >>> a.shares 100 >>> a.price 490.1 >>> 

创建更多的 Stock 对象并对其进行操作。示例：

>>> b = stock.Stock('AAPL', 50, 122.34) >>> c = stock.Stock('IBM', 75, 91.75) >>> b.shares * b.price 6117.0 >>> c.shares * c.price 6881.25 >>> stocks = [a, b, c] >>> stocks [<stock.Stock object at 0x37d0b0>, <stock.Stock object at 0x37d110>, <stock.Stock object at 0x37d050>] >>> for s in stocks: print(f'{s.name:>10s} {s.shares:>10d} {s.price:>10.2f}') ... look at the output ... >>> 

需要强调的一点是，在这里， Stock 类充当创建实例对象的工厂。基本上，你可以像调用函数一样调用类为你创建新对象。另外，必须强调的是每一个对象都是不同的它们拥有各自的数据，这些数据与以创建的其它对象是分开的。

某种程度上，通过类定义的对象与字典类似只是使用颇为不同的语法。例如，使用的是 s.name 和 s.price，而不是 s['name'] 和 s['price']。

练习 4.2：添加方法

拥有对象后，你可以添加方法到对象上。众所皆知，方法就是对存储在对象内部的数据进行操作的函数。请给 Stock 对象添加 cost() 和 sell() 方法。它们应该像下面这样工作：

>>> import stock >>> s = stock.Stock('GOOG', 100, 490.10) >>> s.cost() 49010.0 >>> s.shares 100 >>> s.sell(25) >>> s.shares 75 >>> s.cost() 36757.5 >>> 

练习 4.3：创建实例列表

尝试执行以下步骤，从列表字典中创建 Stock 的实例列表。然后计算总费用：

>>> import fileparse >>> with open('Data/portfolio.csv') as lines: ... portdicts = fileparse.parse_csv(lines, select=['name','shares','price'], types=[str,int,float]) ... >>> portfolio = [ stock.Stock(d['name'], d['shares'], d['price']) for d in portdicts] >>> portfolio [<stock.Stock object at 0x10c9e2128>, <stock.Stock object at 0x10c9e2048>, <stock.Stock object at 0x10c9e2080>, <stock.Stock object at 0x10c9e25f8>, <stock.Stock object at 0x10c9e2630>, <stock.Stock object at 0x10ca6f748>, <stock.Stock object at 0x10ca6f7b8>] >>> sum([s.cost() for s in portfolio]) 44671.15 >>> 

练习 4.4：使用类

请修改 report.py 程序里面的 read_portfolio() 函数，以便如练习 4.3 所示那样，读取股票投资组合到 Stock 的实例列表里面。修改完后，修复（ fix ）report.py 和 pcost.py 里面所有的代码，以便使用 Stock 的实例进行工作，而不是使用字典。

提示：你不必对代码进行大量更改，主要是将字典访问，如 s['shares'] 更改为 s.shares。

修改完后应该能够像之前一样运行函数：

>>> import pcost >>> pcost.portfolio_cost('Data/portfolio.csv') 44671.15 >>> import report >>> report.portfolio_report('Data/portfolio.csv', 'Data/prices.csv') Name Shares Price Change ---------- ---------- ---------- ---------- AA 100 9.22 -22.98 IBM 50 106.28 15.18 CAT 150 35.46 -47.98 MSFT 200 20.89 -30.34 GE 95 13.48 -26.89 MSFT 50 20.89 -44.21 IBM 100 106.28 35.84 >>> 

注：完整翻译见 https://github.com/codists/practical-python-zh