如何有效地使用 Python 属性？

Question

假设我有一个类Foo 存储一些统计数据，我想使用 Python 属性封装对这些数据的访问。这特别有用，例如，当我只存储变量的方差并希望访问其标准偏差时：在这种情况下，我可以定义属性Foo.std 并使其返回方差的平方根。

这种方式的问题是，如果我需要多次访问Foo.std，每次都要计算平方根；此外，由于属性的符号与属性的符号完全相同，因此我的类的用户可能不知道每次访问属性时都在进行计算。

此示例中的一种替代方法是在每次更新方差时计算标准偏差，并将其设置为属性。但是，如果我不需要在每次更新时都访问它，那将是低效的。

我的问题是：当您需要执行昂贵的计算时，有效使用 Python 属性的最佳方法是什么？我应该在第一次调用后缓存结果并在更新时删除缓存吗？还是我应该不使用属性而改用 Foo.get_std() 方法？

Answer 1

通常你可以通过缓存来做到这一点。例如你可以写：

class Foo:

    def __int__(self, also, other, arguments):
        # ...
        self._std = None

    @property
    def std(self):
        if self._std is None:
            # ... calculate standard deviation
            self._std = ...
        return self._std

    def alter_state(self, some, arguments):
        # update state
        self._std = None

所以这里我们有一个属性std，还有一个属性_std。如果尚未计算标准差，或者您更改了对象状态以致标准差可能已更改，我们将_std 设置为None。现在如果我们访问.std，我们首先检查_std 是否为None。如果是这种情况，我们计算标准偏差并将其存储到_std 并返回。这样——如果对象没有改变——我们以后可以简单地检索它。

如果我们更改对象以致标准差可能已更改，我们将_std 设置回None，以强制重新评估以防我们再次访问.std。

如果我们在重新计算标准差之前改变Foo 对象的状态两次，我们只会重新计算一次。因此，您可以经常更改Foo 对象，而（接近）不涉及额外成本（将self._std 设置为None 除外）。因此，如果您有一个庞大的数据集并对其进行大量更新，那么您只会在实际需要时再次努力计算标准差。

此外，如果（非常）便宜，这也可以是更新统计指标的机会。例如，假设您有一个经常批量更新的对象列表。如果你用一个常数增加所有元素，那么 mean 也会随着那个常数增加。因此，更改状态以使某些指标也可以轻松更改的函数可能会更新指标，而不是制作这些None。

请注意，.std 是属性还是函数无关紧要。用户不必知道必须多久计算一次。 std() 函数将保证一旦计算，第二次检索将非常快。