python rfm模型构建与实现 python的模型

Python作为一种多范式语言，它的很多语言特性都能从其他语言上找到参照，但是Python依然形成了一套自己的“Python 风格”（Pythonic）。这种Pythonic风格完全体现在 Python 的数据模型上，而数据模型中的元接口（指那些名字以两个下划线开头，以两个下划线结尾的特殊方法，例如 __getitem__），就是编写地道的Python代码的秘密所在。这种基于元接口实现的设计模式，也叫鸭子类型（duck typing）。

鸭子类型指的是对象的类型无关紧要，只要实现了特定的接口即可。忽略对象的真正类型，转而关注对象有没有实现所需的方法、签名和语义。Python的数据模型都支持鸭子类型，鸭子类型也是地道Python编程鼓励的风格，所以如果觉得自己想创建新的抽象基类，先试着通过常规的鸭子类型来解决问题。

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，这些模块包括类、函数、序列、迭代器、上下文管理器等。

类

得益于 Python 数据模型，自定义类的行为可以像内置类型那样自然。实现如此自然的行为，靠的不是继承，而是元接口。Python给类设计了大量的元接口，具体请参看Python 语言参考手册中的“Data Model”章节。下面是一些类的元接口的展示。

""">>> v1 = Vector2d(3, 4)
通过元接口__iter__支持拆包
>>> x, y = v1
>>> x, y
(3.0, 4.0)
通过元接口__repr__支持字面量表示和repr函数
>>> v1
Vector2d(3.0, 4.0)
>>> v1_clone = eval（repr(v1))
>>> v1 == v1_clone
True
通过元接口__str__支持print函数
>>> print(v1)
(3.0, 4.0)
通过元接口__bytes__支持bytes函数
>>> octets = bytes(v1)
>>> octets
b'd\\x00\\x00\\x00\\x00\\x00\\x00\\x08@\\x00\\x00\\x00\\x00\\x00\\x00\\x10@'
通过元接口__abs__支持abs函数
>>> abs(v1)
5.0
通过元接口__bool__支持bool函数
>>> bool(v1), bool(Vector2d(0, 0))
(True, False)
通过property支持可读属性
>>> v1.x, v1.y
(3.0, 4.0)
>>> v1.x = 123
Traceback (most recent call last):
...
AttributeError: can't set attribute
通过__hash__支持对象可散列，支持dict、set等函数
>>> hash(v1)
7
>>> set(v1)
{3.0, 4.0}
>>> {v1: 'point1'}
{Vector2d(3.0, 4.0): 'point1'}"""
from array importarrayimportmathclassVector2d:
typecode= 'd'
def __init__(self, x, y):
self.__x =float(x)
self.__y =float(y)
@propertydefx(self):return self.__x@propertydefy(self):return self.__y
def __iter__(self):return (i for i in(self.x, self.y))def __repr__(self):
class_name= type(self).__name__
return '{}({!r}, {!r})'.format(class_name, *self)def __str__(self):returnstr(tuple(self))def __bytes__(self):return (bytes([ord(self.typecode)]) +bytes(array(self.typecode, self)))def __eq__(self, other):return tuple(self) ==tuple(other)def __hash__(self):return hash(self.x) ^hash(self.y)def __abs__(self):returnmath.hypot(self.x, self.y)def __bool__(self):return bool(abs(self))
函数
Python中一切皆对象，函数也不例外，而且Python中的函数还是一等对象。函数可以理解为一种可调用对象语法糖。
可调用对象的元接口是__call__。如果一个类定义了 __call__ 方法，那么它的实例可以作为函数调用。示例如下。
""">>> pickcard = Cards(range(52))
>>> pickcard()
51
>>> pickcard()
50
>>> callable(pickcard)
True"""
classCards:def __init__(self, items):
self._items=list(items)def __call__(self):return self._items.pop()
序列
Python 的序列数据模型的元接口很多，但是对象只需要实现 __len__ 和 __getitem__ 两个方法，就能用在绝大部分期待序列的地方，如迭代，[]运算符、切片、for i in 等操作。示例如下：
""">>> poker = Poker()
支持len运算
>>> len(poker)
52
支持[]运算
>>> poker[0]
Card(rank='2', suit='spades')
>>> poker[-1]
Card(rank='A', suit='hearts')
支持切片运算
>>> poker[12::13]
[Card(rank='A', suit='spades'), Card(rank='A', suit='diamonds'), Card(rank='A', suit='clubs'), Card(rank='A', suit='hearts')]
支持 for i in 运算
>>> for card in poker: print(card) # doctest: +ELLIPSIS
...
Card(rank='2', suit='spades')
Card(rank='3', suit='spades')
Card(rank='4', suit='spades')
...
支持 in 运算
>>> Card('7', 'hearts') in poker
True"""
importcollections
Card= collections.namedtuple('Card', ['rank', 'suit'])classPoker:
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 inself.suitsfor rank inself.ranks]def __len__(self):returnlen(self._cards)def __getitem__(self, position):return self._cards[position]

从测试用例上可以看出它具有序列所有特性，即便它是 object 的子类也无妨。因为它的行为像序列，那我们就可以说它是序列。

迭代

Python中，可迭代对象的元接口是__iter__。迭代器可以从可迭代的对象中获取，__iter__和__next__是它的2个主要的元接口。__iter__ 方法使对象支持迭代，__next__ 方法返回序列中的下一个元素。如果没有元素了，那么抛出 StopIteration 异常。

迭代器可以迭代，但是可迭代的对象不是迭代器，也一定不能是自身的迭代器。也就是说，可迭代的对象必须实现 __iter__ 方法，但不能实现 __next__ 方法。

只要实现__iter__接口的对象，就是迭代鸭子类型，自然就支持所有的迭代运算。示例如下：

""">>> s = Sentence('hello world')
>>> s
Sentence('hello world')
支持迭代list运算
>>> list(s)
['hello', 'world']
获取迭代器
>>> it = iter(s)
支持迭代器next运算
>>> next(it)
'hello'
>>> next(it)
'world'
>>> next(it)
Traceback (most recent call last):
...
StopIteration
支持迭代for运算
>>> for w in s: print(w)
hello
world"""
importreimportreprlib
RE_WORD= re.compile('\w+')classSentence:def __init__(self, text):
self.text=textdef __repr__(self):return 'Sentence(%s)' %reprlib.repr(self.text)def __iter__(self):
word_iter= RE_WORD.finditer(self.text)
return SentenceIter(word_iter)
classSentenceIter():def __init__(self, word_iter):
self.word_iter= word_iter
def __next__(self):
match= next(self.word_iter)
return match.group()
def __iter__(self):return self

上面这个例子中，可迭代对象Sentence通过定义迭代器SentenceIter的方式实现。更Pythonic的做法是通过生成器yield来实现。下面是一个示例，能通过上面的所有测试用例，但代码更加精简。

RE_WORD = re.compile('\w+')classSentence:def __init__(self, text):
self.text=textdef __repr__(self):return 'Sentence(%s)' %reprlib.repr(self.text)def __iter__(self):for match inRE_WORD.finditer(self.text):yield match.group()

上下文管理器

Python的with关键字是上下文管理器语法糖，上下文管理器协议包含 __enter__ 和 __exit__ 两个方法。with 语句开始运行时，会在上下文管理器对象上调用 __enter__ 方法。with 语句运行结束后，会在上下文管理器对象上调用 __exit__ 方法，以此扮演 finally 子句的角色。可以看出，上下文管理器简化了 try/finally 模式。下面是一个示例。

"""ReversePrint对象的上下文管理，进入with块后，标准输出反序打印，
退出with块后，标准输出恢复正常状态。
>>> with ReversePrint() as what:
... print('Hello world!')
!dlrow olleH
>>> print('Hello world!')
Hello world!"""
classReversePrint:def __enter__(self):importsys
self.original_write=sys.stdout.write
sys.stdout.write=self.reverse_writereturn 'JABBERWOCKY'
defreverse_write(self, text):
self.original_write(text[::-1])def __exit__(self, exc_type, exc_value, traceback):importsys
sys.stdout.write=self.original_writeif exc_type isZeroDivisionError:print('Please DO NOT divide by zero!')return True