有没有一种网站做拍卖厂的京东短链接生成器
知识点回顾
- 类的装饰器
- 装饰器思想的进一步理解：外部修改、动态
- 类方法的定义：内部定义和外部定义
既然函数可以复用，有了类和装饰器，那么类还能进一步封装么？可以的，类也有装饰器
回顾一下，函数的装饰器是 ：接收一个函数，返回一个修改后的函数。我们之前是用复用的思想来看装饰器的，换一个角度理解，当你想修改一个函数的时候，可以通过装饰器方法来修改而无需重新定义这个函数。
类也有修饰器，他的逻辑类似：接收一个类，返回一个修改后的类。例如
1. 添加新的方法或属性（如示例中的 log 方法）。
2. 修改原有方法（如替换 __init__ 方法，添加日志）。
3. 甚至可以返回一个全新的类（继承或组合原类）。
通过类装饰器，可以在不修改类内部代码的情况下，为多个类统一添加功能（如日志、统计）
# 定义类装饰器：为类添加日志功能
def class_logger(cls):# 保存原始的 __init__ 方法original_init = cls.__init__def new_init(self, *args, **kwargs):# 新增实例化日志print(f"[LOG] 实例化对象: {cls.__name__}")original_init(self, *args, **kwargs) # 调用原始构造方法# 将类的 __init__ 方法替换为新方法cls.__init__ = new_init# 为类添加一个日志方法（示例）def log_message(self, message):print(f"[LOG] {message}")cls.log = log_message # 将方法绑定到类，这是一种将外部函数添加为类的属性的方法return cls# 定义简单打印类，应用装饰器
# 同样是语法糖的写法
@class_logger
class SimplePrinter:def __init__(self, name):self.name = name # 构造方法：初始化名称def print_text(self, text):"""简单打印方法"""print(f"{self.name}: {text}")# 使用示例
printer = SimplePrinter("Alice") # 实例化时触发装饰器的日志
printer.print_text("Hello, World!") # 调用普通方法
printer.log("这是装饰器添加的日志方法") # 调用装饰器新增的方法[LOG] 实例化对象: SimplePrinter
Alice: Hello, World!
[LOG] 这是装饰器添加的日志方法
注意到其中的cls.log = log_message 这行代码，他把外部的函数赋值给了类的新定义的属性，这里我们介绍这种写法
实际上，定义类的方法，有2类写法
1. 在类定义内部直接写方法，这是静态方法，一般定义类都这么完成。
2. 在类定义外部定义方法，然后把方法赋值给类的属性---这是一种动态方法，常在装饰器中使用，可以再外部修改类的方法。
两种方式的本质都是将函数对象绑定到类的属性上，只是语法和应用场景不同。装饰器中常用外部赋值，是为了在不修改原类代码的情况下增强类的功能。
之前无论是函数还是类的装饰器，我们都发现是先有装饰器，再有类。那既然我们说了装饰器除了让原本的代码更加清晰可读可复用，还具有修改函数or类的功能。那如何修改之前已经写好的类or函数呢？
所以你还是需要理解 装饰器本质就是一个语法糖，对类而言：@decorator 语法只是 MyClass = decorator(MyClass) 的简写，即使类已定义，仍可手动调用装饰器函数修改它。
总结：装饰器的核心是动态修改类 / 函数，而不改变原代码。通过外部赋值，可以在不修改类定义的前提下，为类添加新方法或修改已有方法。---理解动态的含义
作业
复习类和函数的知识点，写下自己过去29天的学习心得，如对函数和类的理解，对python这门工具的理解等，未来再过几个专题部分我们即将开启深度学习部分。
1. 函数（Function）
本质：封装特定功能的代码块，接收输入（参数）并返回输出（结果）。
特点：
无状态：每次调用独立，不保留数据（除非用全局变量或闭包）。
即用即抛：像一次性工具，用完即释放内存。
常见场景：计算、数据处理、工具函数（如 len(), print()）。
2. 类（Class）
本质：创建对象的蓝图，包含数据（属性）和操作数据的方法（函数）。
特点：
有状态：对象实例可以保存数据（如神经网络的权重）。
继承和多态：支持面向对象编程的三大特性（封装、继承、多态）。
常见场景：构建复杂系统（如深度学习模型、游戏角色）。
总结：代码是思想的映射
- 函数是动词：描述“做什么”（如
calculate_loss）。 - 类是名词：描述“是什么”（如
NeuralNetwork）。 - Python是笔：用它清晰地表达逻辑，而非炫耀语法技巧。
经历了一个月的学习，对于传统机器学习和python代码基础有了一定的了解和掌握，也在kaggle数据平台做了实战演练，虽很粗糙但也是自己所学。拿到数据先认识数据，对数据预处理（清洗异常值，填补空值，数据类型转换，独热/标签编码，特征缩放：标准/归一化），处理数据集不平衡，特征筛选/降维，划分数据集，代入模型预训练，调优/寻找最优超参数，混淆矩阵打印预测结果对比，shap可解释性分析。也学会一些聚类增加特征的方法。期待下面深度学习的学习时光。
@浙大疏锦行-CSDN博客