P2-8.6 补充学习：初识类与对象¶

Section ID: P2-8.6 Version: v2026.09.15

text.lower() 将字符串转为小写，scores.append(91) 则向列表添加值。点号（.）前是目标对象，后是方法名称。可用操作取决于对象类型。

对象与类型¶

Python 对象具有标识、类型和值。数字、字符串、列表、字典也都是对象。代码依次输出 <class 'int'>、<class 'str'>、<class 'list'>、<class 'dict'>。

score = 82
text = "AI"
scores = [82, 75, 91]
student = {"name": "Kim", "score": 82}

print(type(score))
print(type(text))
print(type(scores))
print(type(student))

字符串提供 strip() 和 lower()。分别用于 " AI is Useful " 时，输出 AI is Useful 和保留首尾空格的 ai is useful。

text = " AI is Useful "

print(text.strip())
print(text.lower())

这两个方法返回处理后的字符串，不修改原 text。列表的 append() 则改变原列表：向 [82, 75] 添加 91 后输出 [82, 75, 91]。

scores = [82, 75]

scores.append(91)

print(scores)

text.append(91) 请求字符串不提供的方法，因此引发 AttributeError。

类与实例¶

类（class）定义一类对象可以拥有的数据与行为，由该类创建的个体对象称为实例（instance）。

对象示例	类	方法示例
`"AI"`	`str`	`.lower()`、`.strip()`
`[1, 2, 3]`	`list`	`.append()`、`.extend()`
`{"a": 1}`	`dict`	`.get()`、`.items()`

可以通过自定义的 Sample 类创建带文本和标签的对象。代码输出 AI is useful、positive。

class Sample:
    def __init__(self, text, label):
        self.text = text
        self.label = label

sample = Sample("AI is useful", "positive")

print(sample.text)
print(sample.label)

Sample 是类，sample 是指向所创建实例的名称。sample.text 和 sample.label 读取该对象的属性。

初始化新实例时调用 __init__()。它把传入的 text、label 保存到 self.text、self.label，成为对象自身的数据。

self 与各对象的状态¶

self 是指代方法执行目标实例的惯用形参名称。调用 sample.method() 时，目标对象自动传入，调用者无需另写 self。

同一类创建的两个对象也能拥有不同值。代码只把第一个对象的标签改为 positive，依次输出 positive、None。

class Sample:
    def __init__(self, text, label):
        self.text = text
        self.label = label

first = Sample("good product", None)
second = Sample("new review", None)
first.label = "positive"

print(first.label)
print(second.label)

初始化第一个对象时，self 指向第一个对象；初始化第二个时，则指向第二个。外部的 first.label 在该对象的方法内部就是 self.label。

字典的键与对象的属性¶

文本与标签也可以用字典表示。通过键读取两值，输出 AI is useful、positive。

sample = {
    "text": "AI is useful",
    "label": "positive",
}

print(sample["text"])
print(sample["label"])

前面的 Sample 对象用 sample.text 读取，字典用 sample["text"]。字典也是对象，但键与属性的访问方式不同。

方面	字典	自定义 Sample 实例
访问	`sample["text"]`	`sample.text`
存储	将值与键关联	把值保存在属性中
处理	可与独立函数配合	可在类中定义方法
用途示例	配置、从 JSON 读取的数据	具有数据和专用行为的样本

类名能表达对象含义，但不会仅凭名称就自动验证属性类型或值。

状态与方法¶

状态是对象当前持有的数据，行为是读取或修改它的处理。TextSample 保存文本与标签，用 is_labeled() 检查标签是否为 None。输出为 AI is useful、True。

class TextSample:
    def __init__(self, text, label):
        self.text = text
        self.label = label

    def is_labeled(self):
        return self.label is not None

sample = TextSample("AI is useful", "positive")

print(sample.text)
print(sample.is_labeled())

把 sample.label 改为 None 后再次调用 sample.is_labeled()，得到 False。该方法只检查标签是否不为 None，空字符串 "" 也得到 True，并不验证标签内容是否合适。

函数与字典也能表达相同检查。下面检查字典标签 "positive"，输出 True。

def is_labeled(sample):
    return sample["label"] is not None

sample = {"text": "AI is useful", "label": "positive"}

print(is_labeled(sample))

is_labeled(sample) 把样本传给函数，sample.is_labeled() 则调用样本对象的方法。按键查数据可用字典，需要一起定义状态与专用行为时可用类。

获取方法与调用方法¶

sample.is_labeled 获取方法，sample.is_labeled() 才执行并取得返回值。在前面的 TextSample 定义后运行以下代码，输出 False、True。

sample = TextSample("new review", None)
check = sample.is_labeled
print(check())
sample.label = "positive"
print(check())

check 是绑定到 sample 的方法。第一次调用后标签改变，因此第二次读取当前状态并返回 True。写成 if sample.is_labeled: 而漏掉括号，不会执行检查。本例方法对象本身为真，因此标签为 None 时也会通过该条件。

函数调用与方法调用¶

清理 " AI " 的函数可以在内部调用字符串方法。代码输出 function: ai、method: AI。

def clean_text(text):
    return text.strip().lower()

text = " AI "

print("function:", clean_text(text))
print("method:", text.strip())

clean_text(text) 同时去空白并转小写，text.strip() 只去空白，因此保留大写字母。

表达式	目标与操作
`clean_text(text)`	将字符串传给函数
`text.strip()`	调用字符串对象的空白清理方法
`sample.is_labeled()`	调用样本对象的标签检查方法
`model.predict(test_data)`	将数据传给模型对象的预测方法

案例：训练前后的模型状态¶

模型对象保存设置和从训练中得到的值，方法改变或使用这些状态。SimplePassModel 是教学用类，把通过分数中的最小值保存为阈值，并非实际机器学习库训练算法的实现。

[(62, False), (75, True), (83, True)] 中每对表示分数与通过状态。fit() 保存通过分数 75、83 的最小值 75，predict() 将 [70, 78] 与此阈值比较。

class SimplePassModel:
    def __init__(self):
        self.threshold = None

    def fit(self, train_data):
        # fit() 读取训练数据并在对象中保存状态。
        passed_scores = [score for score, passed in train_data if passed]
        if not passed_scores:
            raise ValueError("at least one passing score is required")
        self.threshold = min(passed_scores)

    def predict(self, test_data):
        # predict() 使用 fit() 保存的状态。
        if self.threshold is None:
            raise ValueError("请先调用 fit()。")
        return [score >= self.threshold for score in test_data]


train_data = [(62, False), (75, True), (83, True)]
test_data = [70, 78]

model = SimplePassModel()

print("before fit:", model.threshold)
model.fit(train_data)
print("after fit:", model.threshold)
predictions = model.predict(test_data)
print("predictions:", predictions)

输出如下：

1
2
3

before fit: None
after fit: 75
predictions: [False, True]

训练前 model.threshold 为 None，fit() 后变为 75。predict() 读取已保存阈值，因此应继续使用同一对象。新建对象后直接调用 predict()，会因没有阈值而引发代码定义的 ValueError。

把训练项 (75, True) 改成 (68, True) 后，阈值变为 68，预测变为 [True, True]。测试分数未变，但模型状态变化使判断改变。

本例要求至少有一个通过分数，否则 fit() 明确引发 ValueError。异常发生后应检查输入，不应继续预测。此外，未通过分数不参与阈值计算，因此不能直接把此规则用于复杂的实际分类问题。

检查清单¶

能将对象解释为 Python 值的实际载体。
能将类解释为创建对象的定义。
能将方法解释为通过对象调用的函数式操作。
能初步区分字典与基于类的对象。
能通过示例解释状态与行为的组合。
能区分 function(value) 与 value.method() 的调用目标。
能解释 self 指代实例自身。
能说明何时函数和字典已足够，无需使用类。
能从对象与方法角度读懂 model.fit()、model.predict()。
能区分获取方法与调用方法，并解释条件中省略括号为何不执行实际检查。

来源与参考资料¶

Python Software Foundation, Classes, Python 3 documentation，确认日期：2026-09-15。作为 class objects、instance objects、attribute references 和 method objects 入门说明的官方依据。
Python Software Foundation, Data model, Python 3 documentation，确认日期：2026-07-20。作为说明对象具有 identity、type、value，以及不同行为会随类型而变化的背景依据。
Python Software Foundation, Classes: Method Objects, Python 3 documentation，确认日期：2026-09-15。用于确认把 value.method() 调用读成附着在对象上的函数形式这一说明。