Python面向对象:多层数据结构构建技巧
编程并不是一个机械性的工作,而是需要有思考,有创新的工作,语法是固定的,但解决问题的思路则是依靠人的思维,这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《Python面向对象:构建多层数据结构技巧》,文章讲解的知识点主要包括,如果你对文章方面的知识点感兴趣,就不要错过golang学习网,在这可以对大家的知识积累有所帮助,助力开发能力的提升。

本文探讨了在Python中如何优雅地设计具有多层级、可变子对象结构的类。通过引入对象组合(Object Composition)模式,我们展示了如何创建独立的子实体类,并将其作为集合嵌入到主实体类中,从而实现灵活管理动态数量的关联属性,避免了传统扁平化设计中可能出现的冗余和复杂性,提升了代码的可读性和可维护性。
在构建复杂的应用程序时,我们经常会遇到需要设计具有嵌套或关联属性的类结构。特别是在处理数据模型中存在“一对多”关系时,如何有效地组织这些数据,使其既灵活又易于维护,是一个常见的挑战。例如,一个“站点”可能拥有多个“校区”,而校区的数量是不固定的,甚至有些站点根本没有校区。
面临的问题:扁平化类设计的局限性
传统的做法可能是在一个类中直接定义所有可能的属性,例如:
class Site: name = "" # 站点名称 siteID = "" # 站点ID key = "" # API Key url = "" # URL campusCount = "" # 校区数量 XCampusName = "" # 校区"X"的名称 XCampusApprover = "" # 校区"X"的负责人 collectionName = "" # 集合名称 approvalName = "" # 审批名称
这种扁平化的设计在以下几个方面存在问题:
- 冗余和复杂性: 如果一个站点有多个校区,就需要定义 Campus1Name, Campus1Approver, Campus2Name, Campus2Approver 等一系列属性,这不仅使得类定义冗长,而且难以管理。
- 灵活性差: 当校区数量不固定时,这种设计无法动态适应。如果校区数量超过预设的最大值,就需要修改类结构;如果校区数量少于预设值,则会留下大量空属性。
- 可读性与可维护性差: 随着属性的增多,代码变得难以阅读和理解,后期维护也变得困难。
解决方案:利用对象组合构建多层级结构
为了解决上述问题,我们可以采用对象组合(Object Composition)的设计模式。其核心思想是将复杂的实体分解为更小的、独立的实体,并通过引用将它们关联起来。对于“站点”和“校区”的关系,我们可以:
- 定义独立的子实体类: 创建一个专门表示“校区”的类。
- 在主实体类中引用子实体集合: 在“站点”类中,不直接定义校区的具体属性,而是持有一个校区对象的集合(例如列表)。
1. 定义子实体类:Campus
首先,我们定义一个 Campus 类,它封装了校区特有的属性,如名称和负责人。
class Campus:
"""
表示一个校区及其相关信息。
"""
def __init__(self, name: str, approver: str):
"""
初始化一个Campus实例。
Args:
name (str): 校区名称。
approver (str): 校区设备的返回审批人。
"""
self.name = name
self.approver = approver
def __str__(self):
"""
返回校区的字符串表示,便于打印。
"""
return self.name
def __repr__(self):
"""
返回校区的官方字符串表示,用于调试。
"""
return f"Campus(name='{self.name}', approver='{self.approver}')"2. 定义主实体类:Site
接下来,我们定义 Site 类。它包含站点的核心属性,并且最重要的变化是,它不再直接拥有校区的属性,而是通过一个列表 self.campuses 来存储 Campus 类的实例。
class Site:
"""
表示一个站点及其相关配置信息,可以包含多个校区。
"""
def __init__(self, name: str, site_id: str, key: str, url: str,
collection_name: str, approval_name: str):
"""
初始化一个Site实例。
Args:
name (str): 站点名称。
site_id (str): 站点ID。
key (str): 帮助台API密钥。
url (str): 帮助台URL。
collection_name (str): 帮助台中集合状态的名称。
approval_name (str): 帮助台中审批状态的名称。
"""
self.name = name
self.site_id = site_id
self.key = key
self.url = url
self.collection_name = collection_name
self.approval_name = approval_name
# 使用列表来存储Campus对象,实现一对多关系
self.campuses = []
def add_campus(self, campus: Campus):
"""
向当前站点添加一个校区。
Args:
campus (Campus): 要添加的Campus实例。
"""
if not isinstance(campus, Campus):
raise TypeError("只能添加Campus类的实例。")
self.campuses.append(campus)
print(f"校区 '{campus.name}' 已添加到站点 '{self.name}'。")
def get_campuses_count(self) -> int:
"""
获取当前站点的校区数量。
Returns:
int: 校区数量。
"""
return len(self.campuses)
def get_campus_by_name(self, name: str) -> Campus | None:
"""
根据名称查找并返回一个校区。
Args:
name (str): 要查找的校区名称。
Returns:
Campus | None: 找到的Campus实例,如果未找到则返回None。
"""
for campus in self.campuses:
if campus.name == name:
return campus
return None
def __str__(self):
"""
返回站点的字符串表示。
"""
return f"Site(name='{self.name}', ID='{self.site_id}', Campuses={self.get_campuses_count()})"3. 示例代码与使用
现在,我们可以创建 Site 实例,并根据需要动态地添加 Campus 实例。
# 1. 创建一个Site实例
site1 = Site(
name="总部站点",
site_id="HQ001",
key="API_KEY_HQ",
url="https://helpdesk.hq.com",
collection_name="ReadyForCollection",
approval_name="ApprovedForReturn"
)
# 2. 创建Campus实例
campus_main = Campus("主校区", "张三")
campus_south = Campus("南校区", "李四")
campus_east = Campus("东校区", "王五")
# 3. 将Campus实例添加到Site中
site1.add_campus(campus_main)
site1.add_campus(campus_south)
# 4. 访问站点信息和校区信息
print(f"\n站点名称: {site1.name}")
print(f"站点ID: {site1.site_id}")
print(f"站点校区数量: {site1.get_campuses_count()}")
# 访问第一个校区的信息
if site1.campuses:
first_campus = site1.campuses[0]
print(f"第一个校区名称: {first_campus.name}")
print(f"第一个校区审批人: {first_campus.approver}")
# 通过名称查找校区
found_campus = site1.get_campus_by_name("南校区")
if found_campus:
print(f"找到校区: {found_campus.name}, 审批人: {found_campus.approver}")
# 5. 创建一个没有校区的站点
site2 = Site(
name="分部站点A",
site_id="BR001",
key="API_KEY_BR1",
url="https://helpdesk.br1.com",
collection_name="Collection",
approval_name="Approval"
)
print(f"\n站点名称: {site2.name}")
print(f"站点校区数量: {site2.get_campuses_count()}") # 输出 0,没有任何冗余属性优点与注意事项
优点
- 灵活性和可扩展性: Site 类可以容纳任意数量的 Campus 对象,无需修改 Site 类的定义,完美适应校区数量可变的需求。
- 清晰的职责分离: Campus 类只负责管理校区自身的属性和行为,Site 类负责管理站点的核心属性以及其关联的校区集合,使得每个类的职责更加单一和清晰。
- 避免冗余数据: 对于没有校区的站点,self.campuses 列表将为空,不会有任何多余的属性占用内存或导致数据混乱。
- 提高可读性和可维护性: 代码结构更加模块化,易于理解和调试。
注意事项
- 数据持久化: 如果需要将这些对象保存到文件(如INI文件、JSON文件或数据库)中,需要考虑如何序列化和反序列化这种嵌套结构。INI文件本身并不直接支持复杂的嵌套结构,可能需要自定义解析逻辑,例如为每个校区创建一个独立的INI节(section),并通过某种约定(如[SiteName_CampusName])进行关联。
- 数据验证: 在 add_campus 等方法中加入类型检查和数据验证,确保数据的完整性和正确性。
- 性能考量: 对于非常大量的子对象,列表的查找性能可能不是最优,可以考虑使用字典(例如,以校区ID或名称为键)来存储子对象,以实现更快的查找速度。
总结
通过采用对象组合模式,将复杂的实体分解为独立的、职责单一的类,并利用集合(如列表)来管理它们之间的“一对多”关系,我们可以构建出更加灵活、可扩展且易于维护的Python类结构。这种设计模式不仅解决了处理可变子属性的难题,也提升了面向对象设计的整体质量。
今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
水龙头漏水怎么修自检方法与维修技巧
- 上一篇
- 水龙头漏水怎么修自检方法与维修技巧
- 下一篇
- Grid三列等高布局技巧
-
- 文章 · python教程 | 1小时前 | 并发控制 · Python教程 · asyncio · 虚假唤醒 wait_for Python asyncio asyncio.Condition 异步同步
- Python asyncio.Condition.wait_for 如何处理虚假唤醒
- 478浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python ExceptionGroup 派生新组时如何保留异常元数据
- 417浏览 收藏
-
- 文章 · python教程 | 5小时前 | 异常处理 · 并发编程 · Python教程 · asyncio · asyncio 结构化并发 ExceptionGroup except* Python TaskGroup
- Python TaskGroup 如何汇总多个子任务异常
- 208浏览 收藏
-
- 文章 · python教程 | 8小时前 | 并发编程 · 工程实践 · Python教程 · 多进程日志 QueueListener multiprocessing.Queue RotatingFileHandler Python QueueHandler
- Python 日志 QueueHandler 解决多进程写入争用
- 186浏览 收藏
-
- 文章 · python教程 | 11小时前 | 数据校验 · python · Pydantic 部分更新 exclude_unset model_fields_set 显式空值 model_dump
- Pydantic 模型更新时区分未提供字段与显式空值
- 399浏览 收藏
-
- 文章 · python教程 | 13小时前 |
- pytest Fixture 作用域如何影响测试隔离与速度
- 341浏览 收藏
-
- 文章 · python教程 | 15小时前 | Python教程 · pathlib · 路径安全 Python pathlib Path.resolve 目录穿越 relative_to
- Pathlib 安全拼接用户路径:解析后再验证根目录
- 463浏览 收藏
-
- 文章 · python教程 | 17小时前 | 性能优化 · Python教程 · Python 进程间通信 pickle multiprocessing SharedMemory
- multiprocessing 传输大对象为何变慢,如何减少序列化
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python import很慢 -X importtime 模块级副作用 延迟导入 Python启动优化
- Python import 很慢怎么分析:模块级副作用与延迟导入
- 292浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 异步编程 · Python asyncio contextvars request_id
- contextvars 在异步请求链中传递追踪信息
- 393浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 384次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 460次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 472次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 410次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 237次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

