目录

1 Python中函数的输入参数类型‌：

2 python 第一个方法参数 selt cls

3 类和面向对象

4 Python 中__init__.py 作用

5 python 元类与装饰器    

元类与装饰器https://blog.csdn.net/qq_52213943/article/details/145175689?spm=1001.2014.3001.5506

6 设计模式

7  python 线程池

---

1 Python中函数的输入参数类型‌：

1. ‌位置参数（Positional Arguments）‌：这是最常见的参数类型，按照顺序传递参数。例如，在函数定义中，第一个参数是a，第二个参数是b，调用时必须按照这个顺序传递值。如果调用时少传了一个参数，程序会报错‌12。

2. ‌默认参数（Default Arguments）‌：在函数定义时可以为参数指定一个默认值。如果在调用函数时没有提供该参数的值，则使用默认值。例如，函数test(name, message='Boy')中，如果调用时没有提供message参数，则使用默认值'Boy'‌12。

3. ‌关键字参数（Keyword Arguments）‌：这种参数通过名称传递，允许在调用函数时指定参数名，这使得参数的顺序可以与声明时不同，增加了代码的可读性。例如，function(a=2, b=3)即使a和b的顺序与定义时不同，也能正确传递值‌24。

4. ‌可变位置参数（Arbitrary Positional Arguments）‌：通过在参数前加一个星号*来实现，可以接收任意数量的位置参数。例如，def function(*args): return sum(args)可以接收任意数量的位置参数‌25。

5. ‌可变关键字参数（Arbitrary Keyword Arguments）‌：通过在参数前加两个星号**来实现，可以接收任意数量的关键字参数。例如，def function(**‌kwargs): return kwargs可以接收任意数量的关键字参数‌25。

2 python 第一个方法参数 selt cls

• 类方法使用@classmethod并接收cls参数。

• 静态方法使用@staticmethod并不接收cls或self参数。

• 实例方法自动接收self参数，用于访问实例属性和方法。

3 类和面向对象

1. __init__构造方法

构造方法是一个特殊方法，用于在对象创建时自动调用，通常用于初始化实例变量。

2. __str__：定义对象的字符串表示

当使用 print() 或 str() 输出对象时，会调用 __str__ 方法，返回人类可读的字符串。

3. __eq__ 用于比较两个对象是否相等。

4 .__repr__ 返回对象的详细信息，主要用于调试。

5. 类方法 和 静态方法 是与普通方法不同的两种方法类型：类方法（@classmethod）：操作类级别的数据，接收 cls 参数表示类本身。静态方法（@staticmethod）：不依赖类或对象，只是与类相关的工具函数。

6 .__subclasses__根据父类获取所有子类

在Python中，如果你想从父类获取所有子类，可以通过使用__subclasses__()方法。这个方法会返回一个列表，其中包含了该类的所有直接子类。但是，如果你想获取所有子类，包括间接子类（即孙子类、重孙子类等），你需要递归地调用这个方法。

class Parent:
    pass
 
class Child1(Parent):
    pass
 
class Child2(Parent):
    pass
 
# 获取Parent的直接子类，注意 孙子类，还需要继续迭代
print(Parent.__subclasses__())  # 输出: [<class '__main__.Child1'>, <class '__main__.Child2'>]

4 Python 中__init__.py 作用

在 Python 中，__init__.py 文件是用于定义 包（Package） 的特殊文件。它的存在告诉 Python 解释器，该目录应被视为一个包。__init__.py 文件可以是空的，也可以包含初始化代码或定义包的属性和方法。

__init__.py 的作用
标识包：

如果一个目录中包含 __init__.py 文件，Python 会将其视为一个包。

没有 __init__.py 的目录会被视为普通目录，无法通过包的方式导入。

初始化包：

__init__.py 文件在包被导入时自动执行，可以用于初始化包或设置包级别的变量。

定义包的接口：

可以在 __init__.py 中导入模块或子包，简化用户导入包时的操作。

控制包的导入行为：

通过 __all__ 变量，可以控制使用 from package import * 时导入哪些模块。
 

5 python 元类与装饰器    

元类与装饰器https://blog.csdn.net/qq_52213943/article/details/145175689?spm=1001.2014.3001.5506

class ModelRegistry:
    _registry = {}
 
    @classmethod
    def register_model(cls, name):
        def decorator(model_cls):
            cls._registry[name] = model_cls
            return model_cls
        return decorator
 
# 使用装饰器注册模型
@ModelRegistry.register_model(name='resnet')
class ResNet:
    pass
 
@ModelRegistry.register_model(name='densenet')
class DenseNet:
    pass

6 设计模式

 23种设计模式，注解一般是用装饰器模式实现

7  python 线程池

在Python中，线程池是一种用于管理和复用线程的机制，可以有效地执行并发任务。`concurrent.futures` 模块提供了 `ThreadPoolExecutor` 类，用于创建和管理线程池。

   from concurrent.futures import ThreadPoolExecutor
   with ThreadPoolExecutor(max_workers=5) as executor:
   future = executor.submit(function, *args, **kwargs)
   #`function` 是要执行的函数，`*args` 和 `**kwargs` 是传递给函数的参数。
   result = future.result()

### 示例代码

以下是一个简单的示例，展示了如何使用 `ThreadPoolExecutor` 来并发执行多个任务：

from concurrent.futures import ThreadPoolExecutor
import time

def task(name):
    print(f"Task {name} started")
    time.sleep(2)  # 模拟耗时操作
    print(f"Task {name} finished")
    return f"Result from {name}"

# 创建线程池，最多同时运行3个线程
with ThreadPoolExecutor(max_workers=3) as executor:
    # 提交任务到线程池
    futures = [executor.submit(task, f"Task-{i}") for i in range(5)]

    # 获取任务结果
    for future in futures:
        print(future.result())

print("All tasks completed")