欢迎来到专栏《Python进阶》。在这个专栏中，我们会讲述Python的各种进阶操作，包括Python对文件、数据的处理，Python各种好用的库如NumPy、Scipy、Matplotlib、Pandas的使用等等。我们的初心就是带大家更好的掌握Python这门语言，让它能为我所用。
今天是《Python进阶》专栏的第一期，在本期中，我们将主要介绍Python面向对象的基本理论、类的定义与实例化。
作者&编辑 | 汤兴旺
1 Python面向对象基本理论
在解释面向对象之前，我们先了解另外一个概念，那就是面向过程。面向过程顾名思义其核心在于过程。也就是解决一个实际问题的步骤，即先干什么，再干什么。举一个我们平时洗碗的例子，如下图所示：
从上图我们看出小明要想完成洗碗这个任务，他面对的是放水、放碗等六个步骤，他需要通过这六步才能更好的完成洗碗任务。
还是这个例子，我们看看如果是面向对象的思想会是一个怎样的过程。如下图所示：
通过上图我们可以看出如果是面向对象的思想，小明要想完成洗碗这个任务，他只要起到一个leader的作用就行，而不是去做具体的事情。即小明面向他的儿子，小明的儿子面向自动洗碗机，而自动洗碗机具体洗碗的过程就不是小明儿子关心的事情了，更不是小明关心的事情了。在这一系列的过程中，其实都是在找这个任务可以由谁来做。
通过上面的例子我相信你已经明白了什么是面向对象了。面向对象的核心就是对象，它实际上是对面向过程的一个封装，我们需要把自己当成一个leader来审视每一个具体的任务，找到对象，确定对象的属性和行为，负责好指挥和调度就行，而面向过程的话你就需要完成一个任务的每一个步骤，这样你会不会累死，哈哈！
2 面向对象-类
2.1 基本概念
从上面的介绍，我们已经理解了什么是面向过程，什么是面向对象。那么我们应该如何在编程中使用面向对象这个思想呢？或者说如何从面向过程的编程思想过渡到面向对象编程的思想呢？具体方法如下：
(1) 列举出一个任务中具体的实现步骤，也就是面向过程中的那些步骤
(2) 分离(1)中的具体步骤并划分到某一个对象中
(3) 根据(2)中的对象及对应的行为，抽象出对应的类
(4) 设计类
上面我们提到了一个概念——类。实际上类就是某一个具体对象特征的抽象，是用来描述具有相同的属性和方法的对象的集合。为了让大家更好的理解，请看下面一个例子：
小明是个具体的人，他的属性值和行为值各有三个，我们可以根据小明这个具体的人抽象出优质青年这个类，它是一个抽象化的概念，并不是指一个具体的人。
我们根据这个抽象出来的类，就可以生产具体的对象。
上面的小华、张三、李四就是一个个具体的对象。上面的整个流程如下图所示：
由一个具体的对象抽象成一个类再实例化成一个具体的对象。
2.2 类的定义与实例化
在Python中，定义类是通过class关键字完成的，具体方法如下：
class Student(object):
pass
从上面我们可以看出class后面紧接着是类名，即Student，类名通常是大写开头的单词，紧接着是(object)，表示该类是从哪个类继承下来的，通常，如果没有合适的继承类，就使用object类，这是所有类最终都会继承的类。
定义好了Student类，就可以根据Student类创建出Student的实例，创建实例是通过类名+()实现的：
Jack = Student()
我们来print(Jack)来看下结果，如下
<__main__.Student object at 0x000001B1B89BA6A0>
我们来解释下这个输出，输出里面的Student就是类，Object是对象，0x000001B1B89BA6A0这个是内存地址，也就是这个类Student实例化后的对象在内存中地址为0x000001B1B89BA6A0。
为什么print(Jack)后的结果是那样的呢？我们来看下整个流程：
实际上就是通过这个变量找到对象，然后根据对象里面的__class__值找到对应的一个类。我们可以看下Jack的__class__属性值来验证下，只需要print(Jack.__class__)即可，输出如下：
<class '__main__.Student'>
不知道你是否明白了创建对象时的底层运作，欢迎交流！
2.3 类的设计
上面我们讲解了如何定义一个类及类的实例化，现在我们讲解如何设计一个类。就以利用TensorFlow2.0对图片数据进行预处理的一个方法来讲解。具体代码如下：
import tensorflow as tf
txtfile=r"D://Learning//tensorflow_2.0//smile//datas//train//train.txt"
batch_size = 64
num_classes = 2
image_size = (48,48)
class ImageData:
def read_txt_file(self):
self.img_paths = []
self.labels = []
for line in open(self.txt_file, 'r'):
items = line.split(' ')
self.img_paths.append(items[0])
self.labels.append(int(items[1]))
def __init__(self, txt_file, batch_size, num_classes,
image_size, buffer_scale=100):
self.image_size = image_size
self.batch_size = batch_size
self.txt_file = txt_file
self.num_classes = num_classes
buffer_size = batch_size * buffer_scale
# 读取图片
self.read_txt_file()
self.dataset_size = len(self.labels)
print("num of train datas=", self.dataset_size)
# 转换成Tensor
self.img_paths = tf.convert_to_tensor(self.img_paths, dtype=tf.string)
self.labels = tf.convert_to_tensor(self.labels, dtype=tf.int32)
# 创建数据集
data = tf.data.Dataset.from_tensor_slices((self.img_paths, self.labels))
print("data type=", type(data))
data = data.map(self.parse_function)
data = data.repeat(1000)
data = data.shuffle(buffer_size=buffer_size)
# 设置self data Batch
self.data = data.batch(batch_size)
print("self.data type=", type(self.data))
def augment_dataset(self, image, size):
distorted_image = tf.image.random_brightness(image,
max_delta=63)
distorted_image = tf.image.random_contrast(distorted_image,
lower=0.2, upper=1.8)
float_image = tf.image.per_image_standardization(distorted_image)
return float_image
def parse_function(self, filename, label):
label_ = tf.one_hot(label, self.num_classes)
img = tf.io.read_file(filename)
img = tf.image.decode_jpeg(img, channels=3)
img = tf.image.convert_image_dtype(img, dtype=tf.float32)
img=tf.image.random_crop(img, [self.image_size[0], self.image_size[1], 3])
img = tf.image.random_flip_left_right(img)
img = self.augment_dataset(img, self.image_size)
return img, label_
dataset = ImageData(txtfile, batch_size, num_classes, image_size)
在上面的例子中我们定义了一个ImageData类，类中定义了四个方法分别是__init__()方法、read_txt_file()方法、parse_function()方法和augment_dataset()方法。我们首先来解释下__init__方法，其实际上可以理解为一个初始化方法，也就是在创建一个对象时会默认被调用，不需要手动调用。但是其他的方法必须要手动的调用，如上面代码黑色加粗部分。
为了加深对__init__()方法的理解，我们再来看一个简单的例子，如下：
class AiLearning():
def __init__(self):
self.a = "yousanai"
d = AiLearning()
print(d.a)
上面的输出很简单就是yousanai。那如果不是__init__方法，结果会怎样呢？
class Ai_Learning():
def Learning(self):
self.a = "yousanai"
d = Ai_Learning()
print(d.a)
这个输出程序会报错，会显示AttributeError: 'Ai_Learning' object has no attribute 'a'。即没有属性a。我们需要将代码改成下面的代码，才能正确输出，我们所做的改动就是手动调用了Learning()方法。
class Ai_Learning():
def Learning(self):
self.a = "yousanai"
return self.a
d = Ai_Learning()
print(d.Learning())
我相信通过上面的讲解你已经明白了如何来设计一个类了。
总结
本期我们介绍了Python面向对象的思想及其基本概念，也介绍了如何定义一个类、创建一个对象和设计一个类，并介绍了创建对象时的底层运作机制。希望您能更好的掌握面向对象的思想。
下期预告：Python文件操作
如果想加入我们，后台留言吧
转载文章请后台联系
侵权必究
技术交流请移步知识星球
更多请关注知乎专栏《有三AI学院》和公众号《有三AI》
网友评论