Python中__getitem__的奇妙应用

更多资料获取

📚 个人网站：ipengtao.com

理解 __getitem__ 方法

1 基本概念

在Python中，__getitem__ 是一个重要的魔法方法，用于实现对象的索引访问。当使用类似 obj[index] 的方式访问对象时，Python 解释器会自动调用对象的 __getitem__ 方法。

2 用法示例

从一个简单的示例开始，创建一个自定义的列表类 MyList，并实现其 __getitem__ 方法：

class MyList:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        return self.data[index]

# 创建自定义列表对象
my_list = MyList([1, 2, 3, 4, 5])

# 使用 __getitem__ 获取元素
print(my_list[2])  # 输出: 3

实现切片操作

1 支持正向切片

可以通过 __getitem__ 实现对自定义类的实例进行正向切片操作：

class MyList:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        if isinstance(index, slice):
            # 支持正向切片
            return self.data[index.start:index.stop:index.step]
        return self.data[index]

# 创建自定义列表对象
my_list = MyList([1, 2, 3, 4, 5])

# 使用 __getitem__ 进行切片
print(my_list[1:4])  # 输出: [2, 3, 4]

2 支持反向切片

同样，可以支持反向切片操作，使得类更加灵活：

class MyList:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        if isinstance(index, slice):
            # 支持反向切片
            return self.data[index][::-1]
        return self.data[index]

# 创建自定义列表对象
my_list = MyList([1, 2, 3, 4, 5])

# 使用 __getitem__ 进行反向切片
print(my_list[::-1])  # 输出: [5, 4, 3, 2, 1]

处理键值对的情况

1 实现字典-like 的访问方式

可以借助 __getitem__ 方法实现类似字典的键值对访问：

class MyDict:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, key):
        return self.data[key]

# 创建自定义字典对象
my_dict = MyDict({'name': 'John', 'age': 25, 'city': 'New York'})

# 使用 __getitem__ 获取值
print(my_dict['age'])  # 输出: 25

2 处理默认值

还可以在 __getitem__ 中处理默认值，使得访问不存在的键时不会引发异常：

class DefaultDict:
    def __init__(self, data, default_value=None):
        self.data = data
        self.default_value = default_value

    def __getitem__(self, key):
        return self.data.get(key, self.default_value)

# 创建自定义字典对象
my_dict = DefaultDict({'apple': 3, 'banana': 5, 'cherry': 7}, default_value=0)

# 使用 __getitem__ 获取值，处理默认值
print(my_dict['pear'])  # 输出: 0

实现多维数组

可以通过 __getitem__ 方法实现多维数组的访问：

class MultiArray:
    def __init__(self, rows, cols):
        self.rows = rows
        self.cols = cols
        self.data = [[0] * cols for _ in range(rows)]

    def __getitem__(self, index):
        return self.data[index]

# 创建自定义多维数组对象
multi_array = MultiArray(3, 4)

# 使用 __getitem__ 获取元素
print(multi_array[1][2])  # 输出: 0

异常处理

在 __getitem__ 中可以处理越界访问等异常情况，使得类更加健壮：

class SafeList:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        try:
            return self.data[index]
        except IndexError:
            print(f"Index {index} out of range")
            return None

# 创建自定义安全列表对象
safe_list = SafeList([1, 2, 3, 4, 5])

# 使用 __getitem__ 处理越界访问
print(safe_list[10])  # 输出: Index 10 out of range

高级用法

1 实现链式访问

可以通过在 __getitem__ 方法中返回对象本身，实现链式访问，提高代码的可读性：

class ChainAccess:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, key):
        # 返回对象本身，实现链式访问
        if key in self.data:
            return ChainAccess(self.data[key])
        else:
            raise KeyError(f"Key {key} not found")

# 创建自定义链式访问对象
data = {'user': {'name': 'John', 'age': 25, 'city': 'New York'}}
chain_obj = ChainAccess(data)

# 链式访问
print(chain_obj['user']['age'])  # 输出: 25

2 实现动态属性访问

通过 __getitem__ 方法，可以在类中实现对动态属性的访问，从而使得对象的属性可以按需生成：

class DynamicAttributes:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, key):
        # 实现动态属性访问
        if key not in self.data:
            self.data[key] = f"Dynamic Value for {key}"
        return self.data[key]

# 创建自定义动态属性访问对象
dynamic_obj = DynamicAttributes({'name': 'John', 'age': 25})

# 动态属性访问
print(dynamic_obj['city'])  # 输出: Dynamic Value for city
print(dynamic_obj['city'])  # 输出: Dynamic Value for city

性能考虑

在利用 __getitem__ 方法时，性能是需要谨慎考虑的关键因素。尽管 __getitem__ 提供了灵活的对象访问方式，但在大规模数据操作中，不当的使用可能导致性能下降。以下是一些建议，帮助你优化代码并提高访问效率。

1 避免不必要的计算

在 __getitem__ 中执行不必要的计算可能导致性能损失。确保只在需要时进行计算，避免在每次访问时都执行昂贵的操作。

class ExampleClass:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        # 避免不必要的计算
        if index % 2 == 0:
            return self.data[index]
        else:
            return 0

# 创建自定义类对象
example_obj = ExampleClass([1, 2, 3, 4, 5])

# 避免在每次访问时都执行昂贵的计算
print(example_obj[2])  # 输出: 3

2 考虑缓存机制

如果 __getitem__ 涉及计算密集型操作，可以考虑引入缓存机制，避免重复计算相同的值。这对于大规模数据集的性能提升可能非常显著。

class CachedCalculation:
    def __init__(self, data):
        self.data = data
        self.cache = {}

    def __getitem__(self, index):
        # 使用缓存机制避免重复计算
        if index not in self.cache:
            result = self.calculate(index)
            self.cache[index] = result
            return result
        else:
            return self.cache[index]

    def calculate(self, index):
        # 模拟计算密集型操作
        return self.data[index] * 2

# 创建自定义类对象
cached_obj = CachedCalculation([1, 2, 3, 4, 5])

# 使用缓存机制提高性能
print(cached_obj[2])  # 输出: 6

3 避免数据遍历

在 __getitem__ 中避免不必要的数据遍历，特别是当涉及到大规模数据结构时。尽量使用直接索引访问，以减少时间复杂度。

class AvoidDataTraversal:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        # 避免数据遍历，直接索引访问
        return self.data[index]

# 创建自定义类对象
avoid_traversal_obj = AvoidDataTraversal(list(range(1000000)))

# 避免不必要的数据遍历
print(avoid_traversal_obj[500000])  # 输出: 500000

4 基准测试

最终，对于性能关键的应用场景，建议进行基准测试，评估不同实现方式的性能。这有助于确定最优解决方案，以满足特定需求。

import timeit

# 基准测试不同实现方式的性能
time1 = timeit.timeit(lambda: example_obj[2], number=100000)
time2 = timeit.timeit(lambda: cached_obj[2], number=100000)

print(f"Without Cache: {time1:.6f} seconds")
print(f"With Cache: {time2:.6f} seconds")

总结

在本文中，深入探讨了Python中的神奇魔法方法之一——__getitem__，并展示了它在自定义类中的强大应用。通过实例代码，演示了如何使自定义类支持像列表、字典一样的索引访问、切片操作，甚至实现了链式访问和动态属性访问。强调了性能的重要性，提供了一些建议，如避免不必要的计算、考虑缓存机制、避免数据遍历等，以保证在大规模数据操作时获得良好的性能表现。最后，鼓励进行基准测试，以确定最佳实现方式。

通过全面理解和善用__getitem__，大家能够更好地运用这一神奇魔法方法，使自定义类在实际应用中更具灵活性和性能优势。在Python的世界中，掌握这些技巧将为开发者打开更多可能性，使其代码更加优雅、高效。

Python学习路线

在这里插入图片描述

更多资料获取

📚 个人网站：ipengtao.com

如果还想要领取更多更丰富的资料，可以点击文章下方名片，回复【优质资料】，即可获取 全方位学习资料包。

在这里插入图片描述
点击文章下方链接卡片，回复【优质资料】，可直接领取资料大礼包。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/263740.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

C#线程Thread的使用

C#线程Thread的使用

引言 在C#编程语言中，线程是一种并发执行的机制，可以实现多个任务同时执行，提高程序的效率和响应能力。C#提供了Thread类来处理线程相关的操作。本文将详细介绍C#中Thread类的使用方法和注意事项。 目录 引言线程的基本概念线程（…
阅读更多...
SoapUI、Jmeter、Postman三种接口测试工具的比较分析！

SoapUI、Jmeter、Postman三种接口测试工具的比较分析！

前段时间忙于接口测试，也看了几款接口测试工具，简单从几个角度做了个比较，拿出来与诸位分享一下。本文从多个方面对接口测试的三款常用工具进行比较分析，以便于在特定的情况下选择最合适的工具，或者使用自己编写的工具…
阅读更多...
Selenium Web自动化实践案例，跟着敲代码真香

Selenium Web自动化实践案例，跟着敲代码真香

1 项目背景 https://passport.csdn.net/login CSDN登录页面 2 功能实现 自动运行用例 自动生成测试报告 自动断言与截图 自动将最新测试报告发送到指定邮箱 数据，页面元素分离 PageObjectUnittestddt数据驱动用例 执行日志、分布式执行 3 项目架构…
阅读更多...
多线程同步之：QWaitCondition

多线程同步之：QWaitCondition

一、 QWaitCondition 不是通过 强制执行互斥，而是通过提供 条件变量 来同步线程。 1.1 使用 互斥量 和 QReadWriteLock，存在的一个问题 1.2 QWaitConditionQMutex 1.3 1.4 消费者线程先启动 2个线程启动的先后顺序不应调换：用先启动thread…
阅读更多...
从零开发短视频电商 在AWS上用SageMaker部署自定义模型

从零开发短视频电商 在AWS上用SageMaker部署自定义模型

文章目录 简介使用model.tar.gz1.从huggingface上下载模型2.自定义代码3.打包为tar 文件4.上传model.tar.gz到S35.部署推理 使用hub1.在sagemaker上新建个jupyterlab2.上传官方示例ipynb文件3.指定HF_MODEL_ID和HF_TASK进行部署和推理 inference.py官方示例 简介 原始链接&…
阅读更多...
【RocketMQ每日一问】rocketmq事务消息原理？

【RocketMQ每日一问】rocketmq事务消息原理？

rocketmq事务消息原理？ RocketMQ的事务消息主要由三部分组成：半消息（Half Message）、执行本地事务和事务补偿机制。下面详细介绍这三部分： 半消息（Half Message）用户向RocketMQ发送半消息&…
阅读更多...
基于ssm的星巴克咖啡店管理系统论文

基于ssm的星巴克咖啡店管理系统论文

基于ssm的星巴克咖啡店管理系统 摘要 当下，正处于信息化的时代，许多行业顺应时代的变化，结合使用计算机技术向数字化、信息化建设迈进。以前星巴克咖啡店对于咖啡信息的管理和控制，采用人工登记的方式保存相关数据，这…
阅读更多...
【AI提示词艺术】第11期 家居几种类型图处理和人像生成的技巧

【AI提示词艺术】第11期 家居几种类型图处理和人像生成的技巧

家居处理和人像生成的技巧 AI处理家居图像具有以下优势： 自动化处理：AI可以自动处理大量的家居图像，无需人工干预。这大大提高了处理效率，节省了时间和人力成本。 快速识别和分类：AI可以快速准确地识别和分类家居图…
阅读更多...
LSTM和GRU vs 普通的循环神经网络RNN

LSTM和GRU vs 普通的循环神经网络RNN

1、考虑下列三种情况下，对比一下普通RNN的表现和LSTM和GRU表现： （1）早期观测值对预测未来观测者具有非常重要的意义。 考虑一个极端情况，其中第一个观测值包含一个校验和， 目标是在序列的末尾辨别校验和是…
阅读更多...
常见的弧形导轨有哪些

常见的弧形导轨有哪些

弧形导轨又叫圆弧导轨、滚轮圆弧导轨，是通过v形滚轮在圆弧v型导轨表面滚动，作圆周运动，运用广泛：数控机床、包装机械、输送设备、医疗器械、航空航天等设备；弧形导轨也分几种，常见的弧形导轨有以下几种&…
阅读更多...
关于时区处理策略

关于时区处理策略

前端会通过 App-Id 请求头附带 客户端时区 信息 前端传入的如果是 字符串，会自动根据 请求的客户端时区 解析为对应的 日期 如果前端传入的是时间戳，则无需额外解析转换 如果是 商户后台、管理后台 都统一基于 商户所在国家的时区（总台目前…
阅读更多...
机器视觉：AI赋能缺陷检测，铸就芯片产品的大算力与高能效

机器视觉：AI赋能缺陷检测，铸就芯片产品的大算力与高能效

导言：近年来，国内芯片行业快速发展，市场对芯片需求的不断增大，芯片的缺陷检测压力也越来越大。芯片产品在生产制造过程中，需要经历数道工序，每个生产环节的材料、环境、工艺参数等都有可能造成产品缺陷。不…
阅读更多...
2023最新版JavaSE教程——第13天：泛型

2023最新版JavaSE教程——第13天：泛型

目录 一、泛型概述1.1 生活中的例子1.2 泛型的引入 二、使用泛型举例2.1 集合中使用泛型2.1.1 举例2.1.2 练习 2.2 比较器中使用泛型2.2.1 举例2.2.2 练习 2.3 相关使用说明 三、自定义泛型结构3.1 泛型的基础说明3.2 自定义泛型类或泛型接口3.2.1 说明3.2.2 注意3.2.2 举例3.2…
阅读更多...
react 2

react 2

1.快速搭建开发环境 2.react渲染流程 3.1 jsx基础 概念 3.2 jsx基础 本质 3.3 jsx基础 jsx表达式 3.4 jsx基础 实现列表渲染 3.5 jsx基础 实现条件渲染 3.5 jsx基础 实现复杂的条件渲染 4. react中事件绑定 5.react组建基础使用 6.1 useState 6.2 useState修改状态的规则 7.基础…
阅读更多...
海外媒体发稿：雅虎全球发稿推广脱颖而出的10种方法-华媒舍

海外媒体发稿：雅虎全球发稿推广脱颖而出的10种方法-华媒舍

雅虎全球发稿是一项重要的推广手段，能够帮助企业和个人提升品牌知名度和曝光率。在众多的发稿中脱颖而出并不容易。本文将为您介绍10种让您的雅虎全球发稿在众多文章中脱颖而出的方法，帮助您取得更好的效果。 1. 深入研究目标受众 在撰写雅虎全球发稿前…
阅读更多...
【排序算法】C语言实现选择排序与冒泡排序

【排序算法】C语言实现选择排序与冒泡排序

文章目录 🚀前言🚀冒泡排序✈️冒泡排序的逻辑✈️冒泡排序coding 🚀选择排序✈️选择排序的逻辑✈️选择排序coding 🚀前言 这里是阿辉算法与数据结构专栏的第一篇文章，咱们就从排序算法开始讲起，排序算法…
阅读更多...
优化企业员工管理的利器——ADManager Plus

优化企业员工管理的利器——ADManager Plus

在当今数字化的商业环境中，企业员工管理是组织成功运营的关键组成部分。为了提高效率、确保安全性和满足法规合规性要求，企业需要一种强大的工具来简化和集中管理其活跃目录（Active Directory）环境。ADManager Plus作为一款功能丰…
阅读更多...
Ubuntu 常用命令之 zip 命令用法介绍

Ubuntu 常用命令之 zip 命令用法介绍

📑Linux/Ubuntu 常用命令归类整理 Ubuntu系统下的zip命令是用来压缩文件的。这个命令可以将一个或多个文件或者目录压缩成一个.zip文件，也可以将整个目录树压缩成一个.zip文件。 zip命令的基本格式 zip [选项] [压缩文件名] [要压缩的文件或目录...]z…
阅读更多...
10、基于LunarLander登陆器的Dueling DDQN强化学习（含PYTHON工程）

10、基于LunarLander登陆器的Dueling DDQN强化学习（含PYTHON工程）

10、基于LunarLander登陆器的Dueling DDQN强化学习（含PYTHON工程） LunarLander复现： 07、基于LunarLander登陆器的DQN强化学习案例（含PYTHON工程） 08、基于LunarLander登陆器的DDQN强化学习（含PYTHON工程…
阅读更多...
Mybatis的关联查询（association和collection）

Mybatis的关联查询（association和collection）

关联查询 实体间的关系（拥有 has、属于 belong） OneToOne：一对一关系（account ←→ user） OneToMany：一对多关系（user ←→ account） ManyToMany：多对多关系&#xff0…
阅读更多...
最新文章

Copyright @ 2022~2023