设置属性时如何避免循环依赖？答案

【问题标题】：How to avoid circular dependencies when setting Properties?设置属性时如何避免循环依赖？
【发布时间】：2012-04-14 14:19:27
【问题描述】：

这是一个设计原则问题，适用于处理数学/物理方程的类，其中允许用户设置计算剩余部分的任何参数。在这个例子中，我希望能够同时设置频率，同时避免循环依赖。

例如：

from traits.api import HasTraits, Float, Property
from scipy.constants import c, h
class Photon(HasTraits):
    wavelength = Float # would like to do Property, but that would be circular?
    frequency = Property(depends_on = 'wavelength')
    energy = Property(depends_on = ['wavelength, frequency'])
    def _get_frequency(self):
        return c/self.wavelength
    def _get_energy(self):
        return h*self.frequency

这里我也知道一个更新触发时间问题，因为我不知道触发更新的顺序：

正在更改波长
这会触发两个相关实体的更新：频率和能量
但是能量需要更新频率，以便能量具有适合新波长的值！

（被接受的答案也应该解决这个潜在的时间问题。）

那么，解决这些相互依赖的问题的最佳设计模式是什么？最后，我希望用户能够更新波长或频率，并且频率/波长和能量应相应更新。

这类问题当然会出现在几乎所有试图处理方程式的课程中。

让比赛开始吧！ ;)

【问题讨论】：

我认为traits.api 可能对您的需求来说太过分了。是否有任何理由标准问题属性不适合您？ Traits 主要用于设置类间的依赖关系，而不是我在他们页面上看到的类内依赖关系；你正在做类内依赖。
我不同意，因为类内依赖对于设计 GUI 非常有帮助，相关的 traits.ui 库是建立在特征之上的。
即用于解决一些计算/数据分析任务的迷你图形用户界面或迷你应用程序。这些对于大型 GUI 应用程序的效果如何，我不知道，但至少对于 GUI 元素触发内容和其他内容自动更新的快速应用程序开发，这些属性非常巧妙。
但是，如果您的值是从一开始就派生出来的，那么标准问题属性就可以正常工作。您有 1 个基本价值，然后是 2 个常数。你让你的属性 getter 都从基本值计算，然后你的 setter 都转换为基本值。使用 traits.api（你甚至还没有）所得到的只是一种基本上缓存结果的方法，无论如何这都是过早的优化。

标签： python traits enthought

【解决方案1】：

感谢 Enthought 邮件列表中的 Adam Hughes 和 Warren Weckesser，我意识到我的理解中缺少什么。属性并不真正作为属性存在。我现在将它们视为类似于“虚拟”属性的东西，它完全取决于类的编写者在调用 _getter 或 _setter 时所做的工作。

因此，当我希望能够由用户设置波长和频率时，我只需要了解频率本身并不作为属性存在，而是在频率的 _setting 时间我需要更新'fundamental '属性波长，这样下次需要频率时，用新的波长重新计算！

我还需要感谢用户 sr2222，他让我想到了丢失的缓存。我意识到我使用关键字“depends_on”设置的依赖项仅在使用“cached_property”特征时才需要。如果计算成本不高或不经常执行，_getters 和 _setters 会处理需要的所有内容，并且不需要使用 'depends_on' 关键字。

这里是我正在寻找的流线型解决方案，它允许我设置波长或频率而无需循环：

class Photon(HasTraits):
    wavelength = Float 
    frequency = Property
    energy = Property

    def _wavelength_default(self):
        return 1.0
    def _get_frequency(self):
        return c/self.wavelength
    def _set_frequency(self, freq):
        self.wavelength = c/freq
    def _get_energy(self):
        return h*self.frequency

人们会像这样使用这个类：

photon = Photon(wavelength = 1064)

或

photon = Photon(frequency = 300e6)

设置初始值并立即获取能量，直接使用即可：

print(photon.energy)

请注意，_wavelength_default 方法会处理用户在未提供初始值的情况下初始化 Photon 实例的情况。仅对于波长的第一次访问，该方法将用于确定它。如果我不这样做，第一次访问频率将导致 1/0 计算。

【讨论】：

【解决方案2】：

我建议教您的应用程序可以从什么中派生出什么。例如，一个典型的情况是你有一组 n 个变量，其中任何一个都可以从其余的推导出来。（当然，您也可以为更复杂的案例建模，但在您真正遇到此类案例之前我不会这样做）。

这可以这样建模：

# variable_derivations is a dictionary: variable_id -> function
# each function produces this variable's value given all the other variables as kwargs
class SimpleDependency:
  _registry = {}
  def __init__(self, variable_derivations):
    unknown_variable_ids = variable_derivations.keys() - self._registry.keys():
      raise UnknownVariable(next(iter(unknown_variable_ids)))
    self.variable_derivations = variable_derivations

  def register_variable(self, variable, variable_id):
    if variable_id in self._registry:
      raise DuplicateVariable(variable_id)
    self._registry[variable_id] = variable

  def update(self, updated_variable_id, new_value):
    if updated_variable_id not in self.variable_ids:
      raise UnknownVariable(updated_variable_id)
    self._registry[updated_variable_id].assign(new_value)
    other_variable_ids = self.variable_ids.keys() - {updated_variable_id}
    for variable_id in other_variable_ids:
      function = self.variable_derivations[variable_id]
      arguments = {var_id : self._registry[var_id] for var_id in other_variable_ids}
      self._registry[variable_id].assign(function(**arguments))

class FloatVariable(numbers.Real):
  def __init__(self, variable_id, variable_value = 0):
    self.variable_id = variable_id
    self.value = variable_value
  def assign(self, value):
    self.value = value
  def __float__(self):
    return self.value

这只是一个草图，我没有测试或考虑所有可能的问题。

【讨论】：