Python从入门到精通_第4课_面向对象基础_笔记

谁借莪１个温暖的怀抱￠ 2021-11-17 23:22 276阅读 0赞

### 文章目录 ###

*  类和实例
 *  访问限制
 *  在Python中展现面向对象三大特性：
 *   *  封装
     *   *  通过对象直接调用
         *  通过self间接调用
     *  继承
     *   *  问题来了，如果我想多认个干爹呢？
 *  多态
 *  获取对象信息
 *   *  用type()
     *  用isinstance()
     *  使用dir()
 *  实例属性和类属性
 *  模块和包
 *   *  模块
     *  导入模块
     *  使用from-import语句导入模块的属性
     *  自定义导入模块名称
     *  包
     *  实战

GitHub: [https://github.com/RealEmperor/Basic-Introductory-Python-Course][https_github.com_RealEmperor_Basic-Introductory-Python-Course]

# 类和实例 #

**类(Class)**：用来描述具有相同的属性和方法的对象的集合。它定义了该集合中每个对象所共有的属性和方法。对象是类的实例。

**对象**：通过类定义的数据结构实例。对象包括两个数据成员（类变量和实例变量）和方法。

**类变量**：类变量在整个实例化的对象中是公用的。类变量定义在类中且在函数体之外。类变量通常不作为实例变量使用。

**实例变量**：定义在方法中的变量，只作用于当前实例的类。

对“类”和“对象”的使用：

类就是一个模板，模板里可以包含多个函数，函数里实现一些功能。

对象则是根据模板创建的实例，通过实例对象可以执行类中的函数。

# 创建类
    class Foo:
        # 类中的函数
        def bar(self):
            # 功能阐述
            pass
    
    
    # =====完毕========
    
    # 根据Foo创建对象obj
    obj = Foo()
    # 创建对象的时候 记得后面加个括号

注意，按照Python通用规则，Class用驼峰式表示(HelloWorld)

而其他的obj等等，都用‘\_’隔开(this\_is\_object)

类中的函数第一个参数必须是self，类中定义的函数叫做“方法”。

# 创建类
    class Foo:
    
        def bar(self):
            print('Bar')
    
        def hello(self, name):
            print('i am %s' % name)
    
    
    # 根据Foo创建的对象
    obj = Foo()
    obj.Bar()  # 执行Bar方法
    obj.Hello('july')  # 执行Hello方法

---------------------------------------------------------------------------
    
    AttributeError                            Traceback (most recent call last)
    
    <ipython-input-2-d2c525f2bacd> in <module>()
         11 # 根据Foo创建的对象
         12 obj = Foo()
    ---> 13 obj.Bar()  # 执行Bar方法
         14 obj.Hello('july')  # 执行Hello方法
    
    
    AttributeError: 'Foo' object has no attribute 'Bar'

self 是个什么鬼呢？它是为了指代它所存在的类Class之中。

比如我们如果有好几个不同的obj被创建成同一个类，

那么有了self，我们的class Foo就能很好的知道哪个指的是自己，不会乱

# 创建类
    class Foo:
        # 这里我们可以创建一个类级别的变量
        # 它不会随着由此类创建的变量而变化
        name = 'Jan'
    
        def bar(self):
            print('Bar')
    
        def hello(self, name):
            print('you are %s' % self.name)
            print('I am %s' % name)
            print('\n')
    
    
    # 根据Foo创建的对象
    obj1 = Foo()
    obj2 = Foo()
    obj1.hello('August')
    obj2.hello('July')

you are Jan
    I am August
    
    
    you are Jan
    I am July

所以说，这个 self 就是个代指。代指了自己所在的class。你可以由 self 点进所指class本身的函数。由此可见，self 本身作为一个代词，并不一定要叫self。你也可以用个其他什么来代替。只不过，必须得是这个类的所有子方法的第一个参数：

# 创建类
    class Foo:
        # 这里我们可以创建一个类级别的变量
        # 它不会随着由此类创建的变量而变化
        name = 'Jan'
        
        def bar(july):
            print('Bar')
     
        def hello(july, name): # 我这里把self改成了july，
            # 但是只要它作为第一参数的位置没变，它依旧是Foo Class的自我指代
            print('you are %s' %july.name)
            print('I am %s' %name)
            print('\n')
    
    
    # 根据Foo创建的对象
    obj1 = Foo()
    obj2 = Foo()
    obj1.hello('August')
    obj2.hello('July')

you are Jan
    I am August
    
    
    you are Jan
    I am July

**构造函数**：构造函数，是一种特殊的方法。主要用来在创建对象时初始化对象， 即为对象成员变量赋初始值。

跟所有OOP语言一样，python也是有构造函数的，默认为:

# 创建类
    class Foo:
    
        def __init__(self):  # 这就是构造函数，它的职责是在模型创建的初期，就完成一些动作
            # 简单的说就是，自定义的初始化步骤：
            # 同样，它需要self来指代本身这个class
            self.name = 'Jan'
    
        def hello(self, name):
            print('you are %s' % self.name)
            print('I am %s' % name)
            print('\n')
    
    
    # ==== 完毕 =====
    
    # 当你创建一个Foo类的时候，init会被自动跑一遍：
    obj = Foo()
    # 在我们的例子中，我们默认给self自己的name变量，赋值为’JAN‘
    # 此刻，当我们调用Foo的hello()方法时，hello自己的name变量，被赋值为'July'
    obj.hello('July')

you are Jan
    I am July

init是可以带更多的参数的，用以初始化我们的class本身。

比如说，你要初始化一个类的时候要用到一些外部参数:

# 创建类
    class Foo:
    
        def __init__(self, name2):  # 你可以在这里附加上一些参数
            # 这些参数将是你创建一个Foo类时的必要条件
            self.name = name2
    
        def hello(self, name):
            print('you are %s' % self.name)
            print('I am %s' % name)
            print('\n')
    
    
    # ==== 完毕 =====
    
    # 当你创建一个Foo类的时候，init会被自动跑一遍：
    # 此刻，你不可以直接跑Foo(),你需要填入一个参数：name2
    obj = Foo('Feb')
    # 然后再调用hello, 并赋值July
    obj.hello('July')

you are Feb
    I am July

由楼上这些例子，我们大概可以知道整个Python的OOP概念了：

Class(类)就是一个把一堆Object(对象？)集合起来的地方。

在这里，无论是变量还是方法，他们享有基本一样的层级概念。只不过,方法要做一点事儿，而变量直接就是一个值。

# 访问限制 #

我们刚刚看到，在调用obj的时候，可以直接调出name或者使用hello()。那么我们怎么知道什么时候可以调用他们，什么时候不可以呢？

在Class内部，可以有属性和方法，而外部代码可以通过直接调用实例变量的方法来操作数据，这样，就隐藏了内部的复杂逻辑。如果要让内部属性不被外部访问，可以把属性的名称前加上两个下划线、\_\_，在Python中，实例的变量名如果以\_\_开头，就变成了一个私有变量（private），只有内部可以访问，外部不能访问  
举个学生的例子，我们可以用一个学生类来存储学生的信息，但是我们在外部可以接触到name，那么其实我们就是可以直接修改name的，这是不安全的

class Student:
        
        def __init__(self, name, age):
            self.name = name
            self.age = age  
        
        def detail(self):
            print(self.name)
            print(self.age)
    
    LiLei = Student('LiLei', 12)
    LiLei.age = 20
    LiLei.detail()

LiLei
    20

为了防止这种篡改年龄的事情发生，为了维护世界的和平，我们需要把关键的信息给做好隐藏：

class Student:
    
        def __init__(self, name, age):
            self.__name = name
            self.__age = age
    
        def detail(self):
            print(self.__name)
            print(self.__age)
    
    
    LiLei = Student('LiLei', 12)
    LiLei.__age = 20
    LiLei.detail()

LiLei
    12

看，如此一来，年龄就不会被更改了。

那么如何既保证安全，又能被外部修改呢？

我们使用OOP家族传统理念：**Getter+Setter**

class Student(object):
        ...
    
        def get_name(self):
            return self.__name
    
        def get_age(self):
            return self.__age

class Student(object):
        ...
    
        def set_age(self, age):
            self.__age = age

至此，我们应该学会使用Class来定义我们自己的类了

接下来，我们来看看：

# 在Python中展现面向对象三大特性： #

面向对象的三大特性是指：封装、继承和多态。

## 封装 ##

指的就是把内容封装到某个地方，用于日后调用

它需要：

把内容封装在某处

从另一处调用被封装的内容

### 通过对象直接调用 ###

我们可以在存完一个内容以后，在类以外的地方，通过这个类的对象，来直接“点”调用

class Student:
        # 假定我们初始化一个Student类的时候要做的就是，记录下每个学生的名字和年龄
        def __init__(self, name, age):
            self.name = name
            self.age = age  
        # 至此，我们用self指代student本身，并用name和age存下了他们的年龄和名字
    
        # === 完毕 ===
    
    #此时，我们新建一个学生
    obj1 = Student('July', 18)
    print(obj1.name)    # 直接调用obj1对象的name属性
    print(obj1.age)   # 直接调用obj1对象的age属性
    obj2 = Student('Aug', 73)
    print(obj2.name)    # 直接调用obj2对象的name属性
    print(obj2.age)     # 直接调用obj2对象的age属性

July
    18
    Aug
    73

### 通过self间接调用 ###

执行类中某一个方法时，通过self来调用了类自己的变量

class Student:
    
        def __init__(self, name, age):
            self.name = name
            self.age = age
    
        def detail(self):
            print(self.name)
            print(self.age)
    
        # === 完毕 ===
    
    
    # 此时，我们新建一个学生
    obj1 = Student('July', 18)
    obj1.detail()  # Python默认将obj1传给self，所以其实我们做的是obj1.detail(obj1)
    # 那么，detail()内部的样貌其实就是：
    # print(obj1.name)
    # print(obj1.age)
    obj2 = Student('Aug', 73)
    obj2.detail()

July
    18
    Aug
    73

综上所述，对于面向对象的封装来说，其实就是使用构造方法将内容封装到 对象 中，然后通过对象直接或者self间接获取被封装的内容。

## 继承 ##

继承，面向对象中的继承和现实生活中的继承相同，即：子可以继承父的内容（爸爸有的儿子都有）。

例如，每个学生都有名字和年龄，木有问题。我们可以把这个作为我们的父亲类。

但是，每个学生自己，可能有自己不同的“方法”，比如，每个人有每个人不同的外号，不同的口号，不同的饮食习惯，不同的……

# 我们首先创建一个学生类，这个类是所有学生的爸爸
    class Student:
    
        def __init__(self, name, age):
            self.name = name
            self.age = age
    
        def detail(self):
            print(self.name)
            print(self.age)
    
    
    # 然后，我们创建一个小学生类，小学生特点是，LOL sala无敌
    class PrimaryStudent(Student):  # 因为是继承于学生类，所以我们写在括号内
        # 这里我们可以不写构造函数，于是我们就是直接沿用Student类的构造函数
        def lol(self):  # 我们有一些新的独有的方法，会被叠加起来
            print('不服sala！')
    
    
    # 接下来，我们创建一个大学生类，大学生特点是，额，每个人都有个妹子。。
    class CollegeStudent(Student):
        def __init__(self, name, age, gf):  # 这里，我们改写一下构造函数
            # 于是爸爸的init会被直接overwrite
            self.name = name
            self.age = age
            self.gf = gf
    
        def gf_detail(self):
            print(self.gf)
    
    
    # 来，我们来创建一下
    obj1 = PrimaryStudent('小王', 7)
    obj1.lol()  # 独有的方法
    obj1.detail()  # 继承与爸爸的方法
    
    obj2 = CollegeStudent('王思聪', 29, '张雨馨')
    obj2.detail()
    obj2.gf_detail()

所以，对于面向对象的继承来说，其实就是将多个类共有的方法提取到父类中，子类仅需继承父类而不必一一实现每个方法。

这样可以极大的提高效率，减少代码的重复。

### 问题来了，如果我想多认个干爹呢？ ###

Python和Java/C\#的不同就是，Python可以多类继承，也就是，可以认很多干爹

但是干爹多了，就出了问题了。继承的时候，从谁先开始？

有两种方式，分别是深度优先和广度优先

>  *  当本身的类是经典类的时候，就按照深度优先方式查找继承的方法 （即，找到一个爸爸，继续找这个爸爸的爸爸，爸爸的爸爸的爸爸。。。）
>  *  当本身的类是新式类的时候，就按照广度优先的方式查找 （即，找到一个爸爸，再找下一个爸爸，再找下一个爸爸，平辈之间查找）

那么为什么有经典类和新类之分呢？

这是个历史遗留问题，新类 统一了类(class)和类型(type)，所以其实也是社区推荐的写法，只不过。。很多程序员都很懒。。

在2.2之前，比如2.1版本中，类和类型是不同的，如a是ClassA的一个实例，那么a.\_\_class\_\_返回 ‘ class \_\_main\_\_.ClassA‘ ，type(a)返回总是<type ‘instance’>。而引入新类后，比如ClassB是个新类，b是ClassB的实例，b.\_\_class\_\_和type(b)都是返回‘class ‘\_\_main\_\_.ClassB’ ，这样就统一了。  
于是乎，在新版的Python中，这个经典类和新类的区别已经不存在，都统一使用广度优先。

我们先假设我们还活在python2.2的时代：

#经典类的写法
    class c1:
        pass
    class c2(c1):
        pass
    
    #新类的写法
    class N1(object):
        pass
    class N2(N1):
        pass

可见，新类的标志就是，大家的老祖宗继承于一个系统级的类，叫Object

具体的，我们来看看：

经典类

class D:
    
        def bar(self):
            print('D.bar')
    
    
    class C(D):
    
        def bar(self):
            print('C.bar')
    
    
    class B(D):
        pass
    
    
    class A(B, C):
        pass
    
    
    a = A()
    # 执行bar方法时
    # 首先去A类中查找，如果A类中没有，则继续去B类中找，如果B类中么有，则继续去D类中找，如果D类中么有，则继续去C类中找，如果还是未找到，则报错
    # 所以，查找顺序：A --> B --> D --> C
    # 在上述查找bar方法的过程中，一旦找到，则寻找过程立即中断，便不会再继续找了
    a.bar()

C.bar

新类

class D(object):
    
        def bar(self):
            print('D.bar')
    
    
    class C(D):
    
        def bar(self):
            print('C.bar')
    
    
    class B(D):
        pass
    
    
    class A(B, C):
        pass
    
    
    a = A()
    # 执行bar方法时
    # 首先去A类中查找，如果A类中没有，则继续去B类中找，如果B类中么有，则继续去C类中找，如果C类中么有，则继续去D类中找，如果还是未找到，则报错
    # 所以，查找顺序：A --> B --> C --> D
    # 在上述查找bar方法的过程中，一旦找到，则寻找过程立即中断，便不会再继续找了
    a.bar()

C.bar

当然，对我们先现在而言，两种写法都得出C.bar ；这说明，已经木有区别了。

# 多态 #

Pyhon不支持多态并且也用不到多态，多态的概念是应用于Java和C\#这一类强类型语言中，而Python崇尚“鸭子类型（Duck Typing）”。

什么是鸭子类型？其实翻译成中文最好是叫：好猫类型。

也就是引用了小平同志的一句话，不管黑猫白猫抓到老鼠的就是好猫。

不同于强类型的语言，一个类型的obj只能一种事儿，

在Python中，只要是能“不报错运行”的类型，都可以塞进参数中去：

class F1:
        pass
    
    
    # 假设，S1是我们的正统类，它继承于根正苗红的F1，是我们的正统类
    class S1(F1):
        def show(self):
            print('S1.show')
    
    
    # S2是路人甲，是个歪瓜裂枣，但是他自己也有一个叫show的方法。
    class S2:
        def show(self):
            print('S2.show')
    
    
    # 在Java或C#中定义函数参数时，必须指定参数的类型，也即是说，我们如果用
    # Java写下面的Func，需要告知，obj是F1类还是其他什么东西。
    # 如果限定了F1，那么S2是不可以被采纳的。
    # 然而，在Python中，一切都是Obj，它不care你到底是什么类，直接塞进去就可以
    
    def Func(obj):
        """Func函数需要接收一个F1类型或者F1子类的类型"""
        obj.show()
    
    
    s1_obj = S1()
    Func(s1_obj)  # 在Func函数中传入S1类的对象 s1_obj，执行 S1 的show方法，结果：S1.show
    
    s2_obj = S2()
    Func(s2_obj)  # 在Func函数中传入Ss类的对象 ss_obj，执行 Ss 的show方法，结果：S2.show

S1.show
    S2.show

# 获取对象信息 #

当我们拿到一个对象的引用时，如何知道这个对象是什么类型、有哪些方法呢？

## 用type() ##

type(123)

int

type('str')

str

type(None)

NoneType

type(abs)

builtin_function_or_method

class a:
        def __init__(self):
            pass
    
    
    type(a)

type

type(123)==type(456)

True

type('abc')==type('123')

True

type('abc')==type(123)

False

type('abc')==str

True

type([])==list

True

## 用isinstance() ##

isinstance()可以告诉我们，一个对象是否是某种类型（包括继承关系）。

class A:
        pass
    
    
    class B(A):
        pass
    
    
    class C(B):
        pass
    
    
    k = A()
    g = B()
    y = C()
    
    isinstance(y, C)

True

isinstance(y, B)

True

同理，isinstance()也可以当type()用

isinstance('a', str)

True

## 使用dir() ##

如果要获得一个对象的所有属性和方法，可以使用dir()函数，它返回一个包含字符串的list，比如，获得一个str对象的所有属性和方法：

dir('ABC')

['__add__',
     '__class__',
     '__contains__',
     '__delattr__',
     '__dir__',
     '__doc__',
     '__eq__',
     '__format__',
     '__ge__',
     '__getattribute__',
     '__getitem__',
     '__getnewargs__',
     '__gt__',
     '__hash__',
     '__init__',
     '__init_subclass__',
     '__iter__',
     '__le__',
     '__len__',
     '__lt__',
     '__mod__',
     '__mul__',
     '__ne__',
     '__new__',
     '__reduce__',
     '__reduce_ex__',
     '__repr__',
     '__rmod__',
     '__rmul__',
     '__setattr__',
     '__sizeof__',
     '__str__',
     '__subclasshook__',
     'capitalize',
     'casefold',
     'center',
     'count',
     'encode',
     'endswith',
     'expandtabs',
     'find',
     'format',
     'format_map',
     'index',
     'isalnum',
     'isalpha',
     'isdecimal',
     'isdigit',
     'isidentifier',
     'islower',
     'isnumeric',
     'isprintable',
     'isspace',
     'istitle',
     'isupper',
     'join',
     'ljust',
     'lower',
     'lstrip',
     'maketrans',
     'partition',
     'replace',
     'rfind',
     'rindex',
     'rjust',
     'rpartition',
     'rsplit',
     'rstrip',
     'split',
     'splitlines',
     'startswith',
     'strip',
     'swapcase',
     'title',
     'translate',
     'upper',
     'zfill']

类似\_\_xxx\_\_的属性和方法在Python中都是有特殊用途的，比如\_\_len\_\_方法返回长度。在Python中，如果你调用len()函数试图获取一个对象的长度，实际上，在len()函数内部，它自动去调用该对象的\_\_len\_\_()方法，所以，下面的代码是等价的：

'ABC'.__len__()

我们自己写的类，如果也想用len(myObj)的话，就自己写一个\_\_len\_\_()方法：

class MyObject:
        def __len__(self):
            return 100
    
    
    obj = MyObject()
    len(obj)

100

仅仅把属性和方法列出来是不够的，配合getattr()、setattr()以及hasattr()，我们可以直接操作一个对象的状态：

class MyObject:
        def __init__(self):
            self.x = 9
    
        def power(self):
            return self.x * self.x
    
    
    obj = MyObject()

紧接着，可以测试该对象的属性：

hasattr(obj, 'x') #有木有属性'x'

True

obj.x

hasattr(obj, 'y') # 有属性'y'吗？

False

setattr(obj, 'y', 19) # 设置一个属性'y'

hasattr(obj, 'y') # 有属性'y'吗？

True

getattr(obj, 'y') # 获取属性'y'

obj.y # 获取属性'y'

可以传入一个default参数，如果属性不存在，就返回默认值：

getattr(obj, 'z', 404) # 获取属性'z'，如果不存在，返回默认值404

404

也可以获得对象的方法：

hasattr(obj, 'power') # 有属性'power'吗？

True

getattr(obj, 'power') # 获取属性'power'

fn = getattr(obj, 'power') # 获取属性'power'并赋值到变量fn

fn # fn指向obj.power

fn() # 调用fn()与调用obj.power()是一样的

# 实例属性和类属性 #

由于Python是动态语言，根据类创建的实例可以任意绑定属性。

给实例绑定属性的方法是通过实例变量，或者通过self变量：

class Student(object):
        def __init__(self, name):
            self.name = name
    
    s = Student('Bob')
    s.score = 90

但是，如果Student类本身需要绑定一个属性呢？可以直接在class中定义属性，这种属性是类属性，归Student类所有：

class Student(object):
        name = 'Student'

我们来用一个例子说明一下实例与类的属性差异：

File "<ipython-input-50-186a434d98b3>", line 1
        我们来用一个例子说明一下实例与类的属性差异：
                             ^
    SyntaxError: invalid character in identifier

class Student(object):
        name = 'Student'
    
    s = Student() # 创建实例s
    print(s.name) # 打印name属性，因为实例并没有name属性，所以会继续查找class的name属性

Student

print(Student.name) # 打印类的name属性

Student

s.name = 'Michael' # 给实例绑定name属性
    print(s.name) # 由于实例属性优先级比类属性高，因此，它会屏蔽掉类的name属性

Michael

print(Student.name) # 但是类属性并未消失，用Student.name仍然可以访问

Student

del s.name # 如果删除实例的name属性

print(s.name) # 再次调用s.name，由于实例的name属性没有找到，类的name属性就显示出来了

Student

从上面的例子可以看出，在编写程序的时候，千万不要把实例属性和类属性使用相同的名字，因为相同名称的实例属性将屏蔽掉类属性，但是当你删除实例属性后，再使用相同的名称，访问到的将是类属性。

# 模块和包 #

Python的程序由包（package）、模块（module）和函数组成。包是由一系列模块组成的集合。模块是处理某一类问题的函数和类的集合。

包就是一个完成特定任务的工具箱，Python提供了许多有用的工具包，如字符串处理、图形用户接口、Web应用、图形图像处理等。这些自带的工具包和模块安装在Python的安装目录下的Lib子目录中。

注意：  
包必须至少含有一个\_\_int\_\_.py文件按，该文件的内容可以为空。\_\_int\_\_.py用于标识当前文件夹是一个包。

## 模块 ##

在python中一个文件可以被看成一个独立模块，而包对应着文件夹，模块把python代码分成一些有组织的代码段，通过导入的方式实现代码重用。

导入模块时，是按照sys.path变量的值搜索模块，sys.path的值是包含每一个独立路径的列表，包含当前目录、python安装目录、PYTHONPATH环境变量，搜索顺序按照路径在列表中的顺序（一般当前目录优先级最高）。

想看自己的Python路径，大家可以

import sys  
print(sys.path)  
如果你发现你在某个地方写的文件（包）import错误，你就可以看看这个sys.path是否囊括了你那批文件的根目录。

## 导入模块 ##

使用import语句（不管是你自己写的，还是你下载的别人的）

import module1

import module2

import module3

import module1,module2,module3

这两种方式的效果是一样的，但是第一种可读性比第二种好，推荐按照下面的顺序导入模块，并且一般在文件首部导入所有的模块

python标准库

第三方模块

应用程序自定义模块

## 使用from-import语句导入模块的属性 ##

单行导入

from module import name1,name2,name3

多行导入

from module import name1,name2,name3

导入全部属性（由于容易覆盖当前名称空间中现有的名字，所以一般不推荐使用，适合模块中变量名很长并且变量很多的情况）

from module import \*

## 自定义导入模块名称 ##

就是为了用的时候方便好记。

import simplejson as json

## 包 ##

包将有联系的模块组织在一起，有效避免模块名称冲突问题，让应用组织结构更加清晰。 一个普通的python应用程序目录结构：

app/  
\_\_init\_\_.py  
a/  
\_\_init\_\_.py  
[a.py][]  
b/  
\_\_init\_\_.py  
[b.py][]  
app是最顶层的包，a和b是它的子包，可以这样导入：

from app.a import a  
from app.b.b import test

a.test()  
test()  
上面代码表示：导入app包的子包a和子包b的属性test，然后分别调用test方法。  
每个目录下都有\_\_init\_\_.py文件，这个是初始化模块，from-import语句导入子包时需要它，可以在里面做一些初始化工作，也可以是空文件。ps：\_\_init\_\_.py定义的属性直接使用 顶层包.子包 的方式导入，如在目录a的\_\_init\_\_.py文件中定义init\_db()方法，调用如下：  
from app import a

a.init\_db()

## 实战 ##

我们现在已经完全掌握了使用包，自己定义类，组件一个可运行的程序的方法

现在我们可以专注于Machine Learning方面，来看看实战是怎么运用这些知识的。

from sklearn import svm, datasets
    
    
    class Dataset:
        # 我们创造一个dataset的类，这个类会帮我们下载相关的数据集，
        # 并给我们分类好x,y
        def __init__(self, name):
            # 告诉类，我们需要哪一个数据集
            # 我们有两个选择，一个是'iris'一个是'digits'
            self.name = name
    
        def download_data(self):
            # 从sklearn的自带集中下载我们指定的数据集
            if self.name == 'iris':
                # 这里是sklearn自带的数据集下载方法，更多信息可以参照官网
                self.downloaded_data = datasets.load_iris()
            elif self.name == 'digits':
                self.downloaded_data = datasets.load_digits()
            else:
                # 如果不是我们预想的两种数据集，则报错
                print('Dataset Error: No named datasets')
    
        def generate_xy(self):
            # 通过这个过程来把我们的数据集分为原始数据以及他们的label
            # 我们先把数据下载下来
            self.download_data()
            x = self.downloaded_data.data
            y = self.downloaded_data.target
            print('\nOriginal data looks like this: \n', x)
            print('\nLabels looks like this: \n', y)
            return x, y
    
        def get_train_test_set(self, ratio):
            # 这里，我们把所有的数据分成训练集和测试集
            # 一个参数要求我们告知，我们以多少的比例来分割训练和测试集
            # 首先，我们把XY给generate出来：
            x, y = self.generate_xy()
    
            # 有个比例，我们首先得知道 一共有多少的数据
            n_samples = len(x)
            # 于是我们知道，有多少应该是训练集，多少应该是测试集
            n_train = int(n_samples * ratio)
            # 好了，接下来我们分割数据
            X_train = x[:n_train]
            y_train = y[:n_train]
            X_test = x[n_train:]
            y_test = y[n_train:]
            # 好，我们得到了所有想要的玩意儿
            return X_train, y_train, X_test, y_test
    # ====== 我们的dataset类创造完毕=======

接下来，我们在main中code以下来调用我们自己写的类：

# 比如，我们使用digits数据集
    data = Dataset('digits')
    # 接着，我们可以用0.7的分割率把xy给分割出来
    X_train, y_train, X_test, y_test = data.get_train_test_set(0.7)

Original data looks like this: 
     [[  0.   0.   5. ...,   0.   0.   0.]
     [  0.   0.   0. ...,  10.   0.   0.]
     [  0.   0.   0. ...,  16.   9.   0.]
     ..., 
     [  0.   0.   1. ...,   6.   0.   0.]
     [  0.   0.   2. ...,  12.   0.   0.]
     [  0.   0.  10. ...,  12.   1.   0.]]
    
    Labels looks like this: 
     [0 1 2 ..., 8 9 8]

同样，我们也不一定需要自己创造类，我们可以引用第三方库里的类， 比如这里，我们用SVM作为我们的分类器，去训练我们的算法 我们就直接建造一个object，使他成为SVM类

clf = svm.SVC()

这里 clf 是 classifier的简称，SVC指的是SVM的classification版本。

因为我们的数据集都是分类问题，所以我们使用SVC()

接下来，我们fit我们的数据（也就是训练我们的数据）

显然，做fit的时候，我们只可以使用训练集

clf.fit(X_train, y_train)

SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
      decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
      max_iter=-1, probability=False, random_state=None, shrinking=True,
      tol=0.001, verbose=False)

好，现在你的clf已经训练好了，我们来看看它的表现：

我们随便取test集中的一个数据点，并对应它的真实label

test_point = X_test[12]
    y_true = y_test[12]

好，现在你的clf已经训练好了，我们来看看它的表现：

我们随便取test集中的一个数据点，并对应它的真实label

test_point = X_test[12]
    y_true = y_test[12]

我们来看看，我们的clf给出的预测是什么：

clf.predict(test_point)

C:\ProgramData\Anaconda3\lib\site-packages\sklearn\utils\validation.py:395: DeprecationWarning: Passing 1d arrays as data is deprecated in 0.17 and will raise ValueError in 0.19. Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample.
      DeprecationWarning)
    
    
    
    
    
    array([7])

再看看真正的label应该是什么:

y_true

正确！

那么这样，你们已经学会如何训练数据集并作出新的预测了。

把所有的测试集都导入clf，让他pridict，并看看跟真实的label相差多少。

参考资料：七月在线课程

[https_github.com_RealEmperor_Basic-Introductory-Python-Course]: https://github.com/RealEmperor/Basic-Introductory-Python-Course
[a.py]: http://a.py
[b.py]: http://b.py