如何根据内部状态在两组属性值之间切换？

Question

我有一个班级持有一些科学数据。根据内部状态，此类的值可以显示为规范化（即无单位）或非规范化。这些值始终按规范化存储，但如果对象设置为非规范化状态，用户可访问的属性（和方法）将给出非规范化值。这样类就显示为非规范化，而无需复制存储的值。

现在我使用 getter 实现了这一点。虽然它有效，但它提供了很多重复结构，我想知道是否有一种更 Pythonic 的方式来管理它而不会使事情过于复杂。

我这样做对吗？有没有更优雅的方式以相似的方式在两组数据之间切换？

class CoolPhysicsData(object):
    def __init__(self, lambda0, *args, normed=False):
        self.lambda0 = lambda0     # some normalization factor (wavelength of some wave)
        self.normalized = normed      # user can change this state as he pleases
        self._normed_tmin, self._normed_tmax, self._normed_r = self.calculate_stuffs(*args)
        ...

    @property
    def tmin(self):
        if self.normalized:
            return self._normed_tmin
        else:
            return denormalize(self.lambda0, self._normed_tmin, unit_type="time")

    @property
    def tmax(self):
        if self.normalized:
            return self._normed_tmax
        else:
            return denormalize(self.lambda0, self._normed_tmax, unit_type="time")

    @property
    def r(self):
        if self.normalized:
            return self._normed_r
        else:
            return denormalize(self.lambda0, self._normed_r, unit_type="len")

    ...  # about 15 getters alike these

Answer 1

一种方法是避免使用属性，并实现__getattr__、__setattr__ 和__delattr__。由于您需要知道要反规范化的数量，因此实际上无法逃避定义：这些必须在某处手动编码。我会这样做：

class CoolPhysicsData:
    def _get_normalization_params(self, value):
        # set up how individual properties should be denormalized..
        params = {
            # 'property_name' : (norm_factor, norm_value, 'unit_type')
            'tmin': (self.lambda0, self._normed_tmin, 'time'),
            'tmax': (self.lambda0,  self._normed_tmax, 'time'),
            'r': (self.lambda0, self._normed_r, 'len'),
        }
        return params[value]

我会像这样实现__getattr__：

...
    def __getattr__(self, value):
        # extract the parameters needed
        norm_factor, normed_value, unit_type = self._get_normalization_params(f'{value}')
        if self.normed:
            return normed_value
        else:
            return self.denormalize(norm_factor, normed_value, unit_type)
...

请注意，您可能还想写 __setattr__ 和 __delattr__。

---

一点补充：dataclasses 可能对您有用。我不确定您的 __init__ 函数中的 *args 是否是确切的签名，或者您只是为了示例而简化了。如果您知道参数（没有可变参数），则可以轻松地将其转换为 dataclass。

from dataclasses import dataclass, field

@dataclass
class CoolPhysicsData:
    lambda0: float
    normed: bool = field(default=False)
    
    def __post_init__(self):
        # set up some test values for simplicity
        # of course you can run custom calculations here..
        self._normed_tmin = 1
        self._normed_tmax = 2
        self._normed_r = 3

    def __getattr__(self, value):
        norm_factor, normed_value, unit_type = self._get_normalization_params(f'{value}')
        if self.normed:
            return normed_value
        else:
            return self.denormalize(norm_factor, normed_value, unit_type)

#     you may want to implement the following methods too:

#     def __setattr__(self, name, value):
#         # your custom logic here
#         ...
        
#     def __delattr__(self, name):
#         # your custom logic here
#         ...
  
    def denormalize(self, v1, v2, v3):
        # just for simplicity
        return 5
        
    def _get_normalization_params(self, value):
        # setup how individual properties should be denormalized..
        params = {
            # 'property_name' : (norm_factor, norm_value, 'unit_type')
            'tmin': (self.lambda0, self._normed_tmin, 'time'),
            'tmax': (self.lambda0,  self._normed_tmax, 'time'),
            'r': (self.lambda0, self._normed_r, 'len'),
        }
        return params[value]

它更pythonic吗？由您决定。它肯定会消除一些重复，但你会引入更多的复杂性，而且 - 在我看来 - 它更容易出现错误。