为什么在使用之前创建一个类的实例？

Question

原问题

我几乎在所有示例中都看到人们首先创建一个类的实例： ss = StandardScaler() 之后才使用实例中的方法：ss.fit_transform(df)，而不是在类本身上调用方法：StandardScaler().fit_transform(df)。

这是因为：

1. 在某些情况下，否则会引发错误。
2. 有些情况不会引发错误，但会产生不同的结果（可怕！）
3. 防止代码重复（但没关系，如果它只使用一次。）
4. 最好在一行代码中只做一件事。
5. 美学和观点。
6. 还有其他原因，请告诉我！

到目前为止的一些答案

感谢您提出许多澄清问题的答案，以下是我理解的一些问题。如果我错了，请纠正我。

我建议先创建实例的潜在原因：

有些情况会抛出错误。

• Thomas Weller 在下面的回答指出不应该存在，因为在类上调用该方法会创建一个临时实例 - 它只是不会存储在变量中。

有些情况不会抛出错误，但会产生不同的结果（可怕！）

• Thomas Weller 在下面的回答指出不应该，因为在类上调用该方法会创建一个临时实例。

如果只使用一次，可以调用类本身。

• 这似乎是真的，因为没有理由将实例存储在变量中，重复也不成问题。

最好在一行代码中只做一件事。

• 可读性比每行只做一件事更重要。在我看来，这两个版本都一样清晰易读。

审美与观点

• 其中也涉及到其中一些。

还有其他原因，请告诉我！

• 当然，面向对象编程在很多方面都很有用，但我的问题只涉及单独使用一个类和其他人已经为我编程的方法。
• 我的问题不在于您是否可以将参数放入类或方法中 - 我的示例实际上是这样做的：np.random.default_rng(0).integers(10, size=(4,5))

代码示例

import numpy as np
from sklearn.preprocessing import StandardScaler

# Here I'm using .interegs() without making an instance first
int_array1 = np.random.default_rng(0).integers(10, size=(4,5))

# Here I'm using .interegs() without making an instance first
int_array2 = StandardScaler().fit_transform(int_array1)

# This time instantiating before using for comparison
rng = np.random.default_rng(0)
int_array3 = rng.integers(10, size=(4,5))
ss = StandardScaler()
int_array4 = ss.fit_transform(int_array3)

print(int_array1)
print(int_array2)
print(int_array3)
print(int_array4)

无论实例化如何，输出都具有相同的结果。

[[8 6 5 2 3]
 [0 0 0 1 8]
 [6 9 5 6 9]
 [7 6 5 5 9]]
[[ 0.88354126  0.22941573  0.57735027 -0.72760688 -1.70856429]
 [-1.68676059 -1.60591014 -1.73205081 -1.21267813  0.30151134]
 [ 0.2409658   1.14707867  0.57735027  1.21267813  0.70352647]
 [ 0.56225353  0.22941573  0.57735027  0.72760688  0.70352647]]
[[8 6 5 2 3]
 [0 0 0 1 8]
 [6 9 5 6 9]
 [7 6 5 5 9]]
[[ 0.88354126  0.22941573  0.57735027 -0.72760688 -1.70856429]
 [-1.68676059 -1.60591014 -1.73205081 -1.21267813  0.30151134]
 [ 0.2409658   1.14707867  0.57735027  1.21267813  0.70352647]
 [ 0.56225353  0.22941573  0.57735027  0.72760688  0.70352647]]

Answer 1

这个答案将更多地从角度来看，因为它更多的是通用问题。我认为您的问题与您发布的代码没有任何关系。

想想你有一个需要用于不同目的的函数定义的实例，如果你没有类，你就无法实现它。 类有助于实现 init 的目的以及变量的作用域。

这不仅是一种良好的设计方式，还有助于调试

Answer 2

只有在那之后才使用它的方法：ss.fit_transform(df)。

有两种类型的方法：类方法和（普通，实例）方法。

只有类方法可以在没有实例（该类的对象）的情况下被调用。

即使这 - ss = StandardScaler() - 在您看来是空的，但不是，它只是使用参数的默认值。但它是可定制的，您可以拥有多个 Scaler，它们的作用略有不同。

在对象的情况下，可以在调用之间存储一些东西，这也是这里的情况 - 例如Scaler 存储它看到的样本数量，并在partial_fit (click for StandardScaler.partial_fit source code) 中返回self（可能允许方法链接？）

Answer 3

你有误会。您的两个版本的代码都会创建一个实例：

ss = StandardScaler()
ss.fit_transform(df)

还有

StandardScaler().fit_transform(df)

变量名（ss）与创建实例无关。类名后面的大括号（()）负责创建实例。

没有创建实例的代码看起来像

StandardScaler.fit_transform(df)
#             ^^ note the missing braces

我们称这些方法为静态。

还有其他原因，请告诉我！

如果对象保持状态，您希望对象的寿命更长，即对象中的内容会随着时间而变化。

您发布的示例非常适合证明这一点，只是您做得不对：

import numpy as np
# No variable assignment
print(np.random.default_rng(0).integers(10, size=(1, 5)))
print(np.random.default_rng(0).integers(10, size=(1, 5)))
print("-"*10)
# Variable assignment
rng = np.random.default_rng(0)
print(rng.integers(10, size=(1, 5)))
print(rng.integers(10, size=(1, 5)))

这样您就可以证明随机数生成器具有状态。该状态确保它在下一次调用时生成新的随机数。

可能的输出：

[[8 6 5 2 3]]
[[8 6 5 2 3]]
----------
[[8 6 5 2 3]]
[[0 0 0 1 8]]

在某些情况下，否则会引发错误。

这不应该发生。代码

ClassName().method()

也创建了一个实例，它只是没有分配变量名。这就像在做

temp = ClassName()
temp.method()
del temp            # the variable is gone here

有些情况不会引发错误，但会产生不同的结果（可怕！）

由于与以前相同的原因，不应发生这种情况。

防止代码重复（但没关系，如果只使用一次。）

正如您所说：构造函数在您分配变量时运行一次。如果您更频繁地需要该变量并且您不分配变量，这可能会导致构造函数运行多次。

当一遍又一遍地调用同一个构造函数时，DRY（干净的代码原则“不要重复自己”）成为一个原因，是的。

最好在一行代码中只做一件事。

我不认为有这样的规则。列表推导通常是相反的。

美学和观点。

总是:-)