京公网安备 11010802034615号
经营许可证编号:京B2-20210330
来源:麦叔编程
作者:麦叔
面向对象是所有高级语言(Python,Java,C++等)的基石,是重中之重。
这个文章系列的目的是通过简单易懂的例子,深入浅出,让Python学习者牢固地掌握Python面向对象的概念和方法。
本系列包括:
看这张图:
动物界具有天然的继承关系,人类也是,我们一代代继承下来。继承了前辈们的属性和能力,又发展了自己独特的属性和能力。
在图中的例子,我们如何在程序中表示普通的狗,牧羊犬,警犬等呢?
我们可以把detect(), protect()等函数和属性直接加在Dog里面,但这并不合理,因为并不是所有的狗可以侦查,并不是所有的狗都可以保护养。
正确的做法是创建新的类,这些新的类继承Dog类:
在这里Dog被称为父类,SheepDog等被称为子类。
子类会自动拥有父类的属性和方法,自己也可以添加自己的独特属性和方法。
现在来定义SheepDog。先看看我们原来的Dog类:
#类是一个模板 class Dog: num_of_dogs = 0 # 类属性 police_height = 60 #构造方法 - 添加实例属性,做其他的初始化工作 def __init__(self, name, height, power):
self.name = name
self.height = height
self.power = power
self.blood = 10 print(f"{self.name}出生了,汪汪!")
Dog.num_of_dogs += 1
#狗叫 def bark(self):
print(f'我是{self.name},汪汪汪!')
class SheepDog(Dog): '''牧羊犬,包括名字,高度,攻击力和能看护的养的个数''' def __init__(self, name, height, power, num_of_sheeps): super().__init__(name, height, power)
self.num_of_sheeps = num_of_sheeps
仔细阅读上面的代码,观察它的特点:
SheepDog(Dog) 这种写法:括号中的Dog表示Dog是SheepDog的父类。
我们定义Dog的时候没有括号,表示它没有父类(实际上它默认继承了Object类)。
子类的使用和父类是一样的:
sd1 = SheepDog('大黄', 67, 88, 10)
print(f'名字:{sd1.name}')
print(f'血量:{sd1.blood}')
print(f'高度:{sd1.power}')
sd1.bark()
我们给SheepDog添加它的独特方法protect():
class SheepDog(Dog): '''牧羊犬,包括名字,高度,攻击力和能看护的养的个数''' def __init__(self, name, height, power, num_of_sheeps): super().__init__(name, height, power)
self.num_of_sheeps = num_of_sheeps
def protect(self): print('我开始保护小羊啦!')
调用一下试试看:
sd1 = SheepDog('大黄', 67, 88, 10) sd1.protect()
因为继承的关系,SheepDog直接就有bark()方法,这是从父类继承过来的。
假设牧羊犬的叫声和普通叫声是不一样的,我们在子类中覆盖父类中的方法:
class SheepDog(Dog): '''牧羊犬,包括名字,高度,攻击力和能看护的养的个数''' def __init__(self, name, height, power, num_of_sheeps): super().__init__(name, height, power)
self.num_of_sheeps = num_of_sheeps
def protect(self): print('我开始保护小羊啦!')
def bark(self): print('我是牧羊犬,我骄傲!')
这时候再调用bark()方法就会使用子类中定义的方法:
sd1 = SheepDog('大黄', 67, 88, 10) sd1.bark()
打印的结果是:
我是牧羊犬,我骄傲!
类的继承和对父类方法的覆盖在代码设计中很有用。假设有个程序的界面是这样的:
按钮就是一个类,比如叫做Button。
为了实现不同的皮肤,我们可以写一个类继承Button类,假设就叫做MyButton吧,子类自动拥有了父类的属性和函数,但是我们可以覆盖某些函数,让他拥有不同的皮肤,甚至不同的行为。
面向对象的核心知识到这里就更新完了,最后奉上Dog版本的吃鸡游戏。这个游戏包含两个类:
dog.py
#2种狗具有不同的攻击力和防御能力。攻击强的防御弱;反之亦然; import random class Dog: dogs = [] #保存所有活着的Dog def __init__(self, name):
self.name = name
self.blood = 100 self.attack_power = 5 self.defense_power = 3 #攻击! def attack(self, dog2):
print(f'{self.name}攻击{dog2.name},攻击力:{self.attack_power},防御力:{dog2.defense_power}')
point = self.attack_power - dog2.defense_power
if(dog2.blood > point):
dog2.blood -= point
print(f'{dog2.name}受到攻击,奋力自救,血量减少为{dog2.blood}')
else: dog2.blood = 0 print(f'{dog2.name}受到攻击,失血过多,死亡!')
Dog.dogs.remove(dog2)
#判定狗的类型 def dog_type(self):
if(isinstance(self, SheepDog)):
return '牧羊犬' elif(isinstance(self, PoliceDog)):
return '警犬' else: return '普通犬' #牧羊犬 class SheepDog(Dog): def __init__(self, name):
super().__init__(name)
self.attack_power = random.randint(5, 10)
self.defense_power = random.randint(3,5)
print('牧羊犬{self.name}问世!')
self.dogs.append(self) #警犬 class PoliceDog(Dog): def __init__(self, name):
super().__init__(name)
self.attack_power = random.randint(8, 13)
self.defense_power = random.randint(1,3)
print('♀️警犬{self.name}问世!')
self.dogs.append(self)
game.py
#1. 首先创建100个Dog, 50个SheepDog, 50个PoliceDog #2. 每一轮游戏,随机选出2个Dog #3. dog1先攻击dog2,然后dog2攻击dog1 #3. 任何一方血量变为0就表明死亡!死亡的Dog退出游戏。 #4. 最后只有一个Dog了,游戏结束,胜利者可以吃鸡。 from dog import * import random #产生随机数字 import time #时间模块 #1.创建100条狗 for i in range(100):
if(i%2==0):
SheepDog(i+1) #创建1个牧羊犬 else:
PoliceDog(i+1) #创建1个警犬 #2. 开始游戏循环 while(True):
#判断是否只有1个Dog if(len(Dog.dogs) == 1):
winner = Dog.dogs[0]
print('')
print('大吉大利,今晚吃鸡!')
print(f'赢家是:{winner.dog_type()} {winner.name}')
print('')
break dog1, dog2 = random.sample(Dog.dogs, 2)
dog1.attack(dog2)
dog2.attack(dog1)
time.sleep(0.02)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24