Python数据模型

引言

像大多数人一样，我在对一直传统的面向过程语言C一知半解之后，走进了面向对象的世界，尽管对OOP一无所知，还好Python还保留有函数式编程，这使得我才不那么抵触，直到现在，习惯了面向对象之后，也习惯了接口这些叫法，而不是函数。

在看到len(collection)与collection.len(),也越来越习惯后者，他所代表的强大的思想，（其实是调用的collection对象的内部__len__方法），这种设计思想完全体现在 Python 的数据模型上，而数据模型所描述的 API，为使用最地道的语言特性来构建你自己的

对象提供了工具。数据模型其实是对 Python 框架的描述，它规范了这门语言自身构建模块的接口，这些模块包括但不限于序列、迭代器、函数、类等。

一、私有和被保护的属性

类的私有属性：

__private_attrs：两个下划线开头，声明该属性为私有，不能在类地外部被使用或直接访问。
在类内部的方法中使用时  self.__private_attrs。

类的方法:

在类地内部，使用def关键字可以为类定义一个方法，与一般函数定义不同，类方法必须包含参数self,且为第一个参数

类的私有方法 :

__private_method：两个下划线开头，声明该方法为私有方法，不能在类地外部调用。
在类的内部调用 self.__private_methods

默认情况下，Python中的成员函数和成员变量都是公开的(public),在python中没有类似public,private等关键词来修饰成员函数和成员变量。
在python中定义私有变量只需要在变量名或函数名前加上 ”__“两个下划线，那么这个函数或变量就是私有的了。
在内部，python使用一种 name mangling 技术，将 __membername替换成 _classname__membername，也就是说，类的内部定义中,
所有以双下划线开始的名字都被"翻译"成前面加上单下划线和类名的形式。

例如：为了保证不能在class之外访问私有变量，Python会在类的内部自动的把我们定义的__spam私有变量的名字替换成为
_classname__spam(注意，classname前面是一个下划线，spam前是两个下划线)，因此，用户在外部访问__spam的时候就会
提示找不到相应的变量。   python中的私有变量和私有方法仍然是可以访问的；访问方法如下：

私有变量:实例._类名__变量名
私有方法:实例._类名__方法名()

 class people():
     __place = "nanjing"
     _age1 = 20
 
     def __init__(self, name):
         self.name = name
 
     def __sayhello(self):
         print("%s say hello" % self.name)
 
 class teacher(people):
     pass
 
 t1 = teacher("cmz")
 print(t1._people__place)  # 访问私有变量
 t1._people__sayhello()    # 访问私有方法
 
 结果是
 nanjing
 cmz say hello
 
 python私有属性和方法案例

其实，Python并没有真正的私有化支持，但可用下划线得到伪私有。   尽量避免定义以下划线开头的变量！

（1）_xxx      "单下划线" 开始的成员变量叫做保护变量，意思是只有类实例和子类实例能访问到这些变量，
               需通过类提供的接口进行访问；不能用'from module import *'导入
（2）__xxx    类中的私有变量/方法名 （Python的函数也是对象，所以成员方法称为成员变量也行得通。）,
              " 双下划线 " 开始的是私有成员，意思是只有类对象自己能访问，连子类对象也不能访问到这个数据。
（3）__xxx__ 系统定义名字，前后均有一个“双下划线” 代表python里特殊方法专用的标识，如 __init__（）代表类的构造函数。

 class people():
     __place = "nanjing"
     _age = 20
 
     def __init__(self, name):
         self.name = name
 
     def _test(self):
         print("from people test")
 
     def __sayhello(self):
         print("%s say hello" % self.name)
 
 class teacher(people):
     pass
 
 t1 = teacher("cmz")
 print(t1._age)
 print(people._age)
 t1._test()
 people._test(t1) # 传入对象t1
 
 结果是
 20
 20
 from people test
 from people test

 class people():
     __place = "nanjing"
     _age = 20
 
     def __init__(self, name):
         self.name = name
 
     def __sayhello(self):
         print("%s say hello" % self.name)
 
 class teacher(people):
     pass
 
 t1 = teacher("cmz")
 print(t1._people__place)
 t1._people__sayhello()
 
 结果是
 nanjing
 cmz say hello

二、搭建一摞pythonic的纸牌

python的另一强大之处就是丰富的标准库，还有许许多多的第三方库，这使得不用重复造轮子

import collections
Card = collections.namedtuple('Card', ['rank', 'suit'])
class FrenchDeck:
　　ranks = [str(n) for n in range(2, 11)] + list('JQKA')
　　suits = 'spades diamonds clubs hearts'.split()
　　def __init__(self):
　　　　self._cards = [Card(rank, suit) for suit in self.suits
　　　　　　　　　　　　　　for rank in self.ranks]
　　def __len__(self):
　　　　return len(self._cards)
　　def __getitem__(self, position):
　　　　return self._cards[position]

deck = FrenchDeck()
for i in deck[:10]:  # 其实这里调用的是deck这个可迭代对象背后其实用的是 iter(x)，而这个函数的背后则是 x.__iter__() 方法

　　print(i)

#打印十张纸牌

Card(rank='2', suit='spades')
Card(rank='3', suit='spades')
Card(rank='4', suit='spades')
Card(rank='5', suit='spades')
Card(rank='6', suit='spades')
Card(rank='7', suit='spades')
Card(rank='8', suit='spades')
Card(rank='9', suit='spades')
Card(rank='10', suit='spades')
Card(rank='J', suit='spades')

# 对纸牌进行排序
 
suit_values = dict(spades=3, hearts=2, diamonds=1, clubs=0)
def spades_high(card):
    rank_value = FrenchDeck.ranks.index(card.rank)
    return rank_value * len(suit_values) + suit_values[card.suit]
 
 for card in sorted(deck, key=spades_high):
     print(card)
 
Card(rank='2', suit='clubs')
Card(rank='2', suit='diamonds')
Card(rank='2', suit='hearts')
... (46 cards ommitted)
Card(rank='A', suit='diamonds')
Card(rank='A', suit='hearts')
Card(rank='A', suit='spades')

　　

三、特殊方法

下面来看看特殊方法

beer_card = Card('', 'diamonds')
>>> beer_card
Card(rank='', suit='diamonds')

len()方法与特殊方法__len__，

特殊方法的存在是为了被 Python 解释器调用的，你自己并不需要调用它们。也就是说没有 my_object.__len__() 这种写法，而应该使用 len(my_object)。在执行 len(my_object) 的时候，如果my_object 是一个自定义类的对象，那么 Python 会自己去调用其中由

你实现的 __len__ 方法。abs也是同理，

如果是 Python 内置的类型，比如列表（list）、字符串（str）、字节序列（bytearray）等，那么 CPython 会抄个近路，__len__ 实际上会直接返回 PyVarObject 里的 ob_size 属性。PyVarObject 是表示内存中长度可变的内置对象的 C 语言结构体。直接读取这

个值比调用一个方法要快很多。

>>> deck = FrenchDeck()
>>> len(deck)
52

从一叠牌中抽取特定的一张纸牌，比如说第一张或最后一张，是很容易的：deck[0] 或 deck[-1]。这都是由 __getitem__ 方法提供的

字典中也有这种用法，类似dic[k], 其背后也是__getitem__在默默支持，不过这里返回的值而是键k所对应的值value

>>> deck[0]
Card(rank='', suit='spades')
>>> deck[-1]
Card(rank='A', suit='hearts'

3.1、运算符重载

说到特殊方法来看一下运算符重载，运算符重载只是意味着在类方法中拦截内置的操作——当类的实例出现在内置操作中，Python自动调用你的方法，并且你的方法的返回值变成了相应操作的结果。

# Number类提供了一个方法来拦截实例的构造函数(__init__)，此外还有一个方法捕捉减法表达式(__sub__)。这种特殊的方法是钩子，可与内置运算绑定。
>>> class Number:
    def __init__(self,start):
        self.data = start
    def __sub__(self,other):
        return Number(self.data - other)
 
>>> X = Number(5)
>>> X.data
5
>>> Y = X - 2
>>> Y.data
3

3.2、 方法重载

overloading method：是在一个类里面，方法名字相同，而参数不同。返回类型呢？可以相同也可以不同。重载是让类以统一的方式处理不同类型数据的一种手段。
函数重载主要是为了解决两个问题。
1.可变参数类型。
2.可变参数个数。

另外，一个基本的设计原则是，仅仅当两个函数除了参数类型和参数个数不同以外，其功能是完全相同的，此时才使用函数重载，如果两个函数的功能其实不同，那么不应当使用重载，而应当使用一个名字不同的函数。

 

对于情况 1 ，函数功能相同，但是参数类型不同，python 如何处理？答案是根本不需要处理，因为 python 可以接受任何类型的参数，如果函数的功能相同，那么不同的参数类型在 python 中很可能是相同的代码，没有必要做成两个不同函数。

对于情况 2 ，函数功能相同，但参数个数不同，python 如何处理？大家知道，答案就是缺省参数。对那些缺少的参数设定为缺省参数即可解决问题。因为你假设函数功能相同，那么那些缺少的参数终归是需要用的。

鉴于情况 1 跟 情况 2 都有了解决方案，python 自然就不需要函数重载了。

子类不想原封不动地继承父类的方法，而是想作一定的修改，这就需要采用方法的重写。方法重写（overriding method）又称方法覆盖。

 

3.3、常见的特殊方法

当然也可以使用dir内置函数来查看常见并比较的数据结构的特殊方法，如list，dict等。

dir(list)
['__add__',
 '__class__',
 '__contains__',
 '__delattr__',
 '__delitem__',
 '__dir__',
 '__doc__',
 '__eq__',
 '__format__',
 '__ge__',
 '__getattribute__',
 '__getitem__',
 '__gt__',
 '__hash__',
 '__iadd__',
 '__imul__',
 '__init__',
 '__iter__',
 '__le__',
 '__len__',
 '__lt__',
 '__mul__',
 '__ne__',
 '__new__',
 '__reduce__',
 '__reduce_ex__',
 '__repr__',
 '__reversed__',
 '__rmul__',
 '__setattr__',
 '__setitem__',
 '__sizeof__',
 '__str__',
 '__subclasshook__',
 'append',
 'clear',
 'copy',
 'count',
 'extend',
 'index',
 'insert',
 'pop',
 'remove',
 'reverse',
 'sort']

dir(tuple)
['__add__',
 '__class__',
 '__contains__',
 '__delattr__',
 '__dir__',
 '__doc__',
 '__eq__',
 '__format__',
 '__ge__',
 '__getattribute__',
 '__getitem__',
 '__getnewargs__',
 '__gt__',
 '__hash__',
 '__init__',
 '__iter__',
 '__le__',
 '__len__',
 '__lt__',
 '__mul__',
 '__ne__',
 '__new__',
 '__reduce__',
 '__reduce_ex__',
 '__repr__',
 '__rmul__',
 '__setattr__',
 '__sizeof__',
 '__str__',
 '__subclasshook__',
 'count',
 'index']