我身边有搞机器学习的，也有数据科学家，Python 是他们的首选语言。然而，他们并非每个都是经验丰富的 Python 开发人员，他们也不太可能掌握 Python 提供的所有优秀功能。这当然是可以理解的，但同时也是不幸的。为什么?因为了解语言的细节需要编写代码......
这就是为什么我想为提升 Python 技能的人提供一些帮助，这样你就可以编写更多出色的代码，也许会给您的伙伴或同事留下深刻印象，并从中获得更多乐趣!具体来说，在这篇文章中，我想谈谈如何使用 Python 中的魔术方法，写出令人惊叹的 class，让我们开始吧。
魔术方法首先是方法，是属于类的函数。它们既可以是实例方法，也可以是类方法。你可以轻松识别它们，因为它们都以双下划线开头和结尾，即它们都看起来像 __actual_name__。
重要的是，魔术方法不可以直接调用!当然，你可以这样做并写一些类似 YourClass().__actual_name__() 的东西，但请不要直接调用。
那么魔术方法是如何调用的呢?它们会在适当的时候被调用，比如，调用 str(YourClass()) 将调用魔术方法 __str__ 或 YourClass() + YourClass() 将调用 __add__，如果你已经实现了这两个魔术方法。
那么，魔法方法有什么用?它让我们能够编写可与 python 内置方法一起使用的类，这样写出的代码更易读和更少的冗余。
为了强调魔术方法的有用性，并了解在进行机器学习或数据科学时如何从使用它们中受益，让我们举一个具体的例子。
下面的代码展示了如何使用魔术方法编写类似于内置 range 函数的 DateTimeRange 类，代码如下：
复制
![[[437155]]](https://s2.51cto.com/oss/202111/29/11fd36049882153dbd561e1444dd1e01.jpg){kind=link}
from datetime import datetime, timedelta from typing import Iterable from math import ceil class DateTimeRange: def __init__(self, start: datetime, end_:datetime, step:timedelta = timedelta(seconds=1)): self._start = start self._end = end_ self._step = step def __iter__(self) -> Iterable[datetime]: point = self._start while point < self._end: yield point point += self._step def __len__(self) -> int: return ceil((self._end - self._start) / self._step) def __contains__(self, item: datetime) -> bool: mod = divmod(item - self._start, self._step) # divmod return the tuple (x//y, x%y). Invariant: div*y + mod == x. return item >= self._start and item < self._end and mod[1] == timedelta(0) def __getitem__(self, item: int) -> datetime: n_steps = item if item >= 0 else len(self) + item return_value = self._start + n_steps * self._step if return_value not in self: raise IndexError() return return_value def __str__(self): return f"Datetime Range [{self._start}, {self._end}) with step {self._step}" def main(): my_range = DateTimeRange(datetime(2021,1,1), datetime(2021,12,1), timedelta(days=12)) print(my_range) print(f"{len(my_range) == len(list(my_range)) = }") print(f"{my_range[-2] in my_range = }") print(f"{my_range[2] + timedelta(seconds=12) in my_range = }") for r in my_range: print(r) #do_something(r) if __name__ == '__main__': main()
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
先看下运行结果：
看到运行结果，你也许可以更快的理解类 DateTimeRange 的作用，代码有点多，不过别担心，我会解释。
总的来说，上述代码实现了六种不同的魔法方法：
1、__init__ 方法。你肯定知道，此方法主要用于初始化您的类的实例属性。在这里，我们将范围类的开始和结束与步长一起传给 DateTimeRange。
2、__iter__ 方法。for 循环或 list(DateTimeRange()) 时会调用。这可能是最重要的一个，因为它生成了我们日期时间范围内的所有元素。这个函数是一个所谓的生成器函数，它一次创建一个元素，将它交给调用者，并允许调用者处理它。它会这样做，直到到达范围的末尾。在查看 yield 关键字时，您可以轻松识别生成器函数。此语句暂停函数保存其所有状态，然后在连续调用时从那里继续。这允许您一次使用一个元素并使用它，而无需您将每个元素都放在内存中。
当范围比较大时，将所有内容都放在内存中会变得非常占用内存。例如，执行 list(DateTimeRange(datetime(1900,1,1), datetime(2000,1,1)) 时会将 3184617600 个日期时间放入内存。太大了，然而 ，使用生成器您可以轻松地一一处理这些元素。
3、现在你已经看到它不是列表或元组。然而，为了处理这个 DateTimeRange 类，就像它是一个列表或元组一样，我添加了另外三个神奇的方法，即 __len__ 、 __contains__ 和 __getitem__ 。
使用 __len__ ，您可以通过调用 len(my_range) 找出属于您的范围的元素数量。例如，当迭代所有元素并想知道已经从所有可用元素中处理了多少元素时，这会变得非常有用。它也可能告诉你，嘿，我要处理很多数据，请喝杯咖啡。
使用 __contains__，您可以使用 my_range 中的内置语法元素检查某个元素是否属于您的范围。给定实现的好处在于，这是使用纯数学完成的，无需将给定元素与范围内的所有元素进行比较。这意味着检查元素是否在您的范围内是一个恒定时间操作，不依赖于实际范围实例的大小。同样，这对于我们在处理数据时经常看到的大范围会变得很方便。
使用 __getitem__ 您可以使用索引语法从对象中检索条目。因此，可以通过 my_range[-1] 获取我们范围的最后一个元素。一般来说，使用 __getitem__ 可以编写非常干净和可读的界面。
4、__str__ 方法的作用是将类的实例转换为字符串。将实例转换为字符串时自动调用该方法，例如调用 print(my_range) 或 str(my_range) 时就会调用__str__。
本文分享了如何通过魔法方法编写一个非常优雅的类，魔术方法可在 Python 内置的函数或操作中自动调用，可以让我们编写出可读性、易用性更好的类，就像本文中的 DateTimeRange。
本文转载自微信公众号「Python七号」，可以通过以下二维码关注。转载本文请联系Python七号公众号。
