Question

我正在编写一个简单的类来检索以恒定采样率x数字化的信号Fs。数字化始于t0。给定信号长度N = len(x)，采样率和初始时间，信号的时基是唯一确定的。我很少需要访问时基，但我希望在需要时能够轻松实现这一目标。下面，我使用property()装饰器实现了我所需的时基功能的最小工作示例：

import numpy as np


class Signal(object):
    def __init__(self, x, Fs, t0):
        self.x = x
        self.Fs = Fs
        self.t0 = t0
        return

    @property
    def t(self):
        return self.t0 + (np.arange(len(self.x)) / self.Fs)

我想了解创作和＆＃34;持久性＆＃34;时基属性Signal.t。以下面的示例用例为例：

    x = np.arange(10)
    Fs = 1.
    t0 = 0.

    sig = Signal(x, Fs, t0)
    print sig.t

什么时候生成时基阵列t？在初始化期间或动态调用print sig.t时？如果sig.t属性是动态计算的，那么它持久会超出print命令吗？（即已分配内存以将时基存储为对象属性？）。

虽然以上是一个简单的例子，但我的典型信号非常大，而我不想要为每个信号创建和存储时基的内存开销。但是，我想要一种根据需要动态生成时基的简单方法;时间基准不在其一次性使用后作为对象属性持久存在（例如，用于创建原始信号的图）。

如果property()装饰器没有提供所需的功能（即最小的内存开销，根据需要易于使用），我应该使用什么？只是一种类方法？或者是否有不同的，更优化的解决方案？谢谢！

Answer 1

每次访问sig.t时，都会（重新）运行您使用t修饰的@property函数，并将结果用作sig.t的值。这意味着数组是按需创建的，并且永远不会存储在t对象上。

你似乎想要这个，但我对此很谨慎。通常预计物业通道便宜，而且这个属性不是。考虑改为使用普通方法。

Answer 2

什么时候生成时基数组？

使用时。即当你写print sig.t

时

如果动态计算sig.t属性，它是否会超出print命令？（即已分配内存以将时基存储为对象属性？）。

不。下次代码引用sig.t时，将创建一个新对象。

如果property（）装饰器不提供所需的功能（即最小的内存开销，根据需要易用），我应该使用什么？只是一种类方法？或者是否有不同的，更优化的解决方案？谢谢！

我怀疑有不同的意见......你可以修改代码，以便缓存值并在每次调用时返回相同的内容：

class Signal(object):
    def __init__(self, x, Fs, t0):
        self.x = x
        self.Fs = Fs
        self.t0 = t0
        self._t = None
        return

    @property
    def t(self):
        if self._t is not None:
            return self._t
        self._t = self.t0 + (np.arange(len(self.x)) / self.Fs) 
        return self._t

但是在这里你无法告诉班级t应该重新计算，除非你做了一个制定者......

如果t在初始化后不会改变，那为什么不把它变成公共财产呢？

class Signal(object):
    def __init__(self, x, Fs, t0):
        self.x = x
        self.Fs = Fs
        self.t0 = t0
        self.t = self.t0 + (np.arange(len(self.x)) / self.Fs)

Answer 3

在您的示例中，每次访问属性Signal.t时都会动态生成t值，因为您实际上是在调用Signal.t（）来访问它。所以，您没有存储值得回报它。

每当在一个类周围使用 @property 装饰器时，该功能通常充当＆＃34; getter＆＃34;对于＆＃34;私有＆＃34;（不是真正的）变量，有时会有一个＆＃34; setter＆＃34;对于那个＆＃34;私人＆＃34;变量

当我的意思是＆＃34;私人＆＃34;我的意思是指为了反映不应直接访问这些属性的属性。但是，在python中你可以访问任何属性，所以没有任何私有变量，因为python对象可以很容易地改变。

如果您想存储您的值，那么您应该这样做。

    import numpy as np


    class Signal(object):
        def __init__(self, x, Fs, t0):
            self.x = x
            self.Fs = Fs
            self.t0 = t0
            self._t = None
            return

        @property
        def t(self):
            if self._t is None:
                self._t = self.t0 + (np.arange(len(self.x)) / self.Fs)
            return self._t

        @t.setter
        def t(self,value):
            self._t = value

上面的示例，只计算一次并将其存储在_t内，但您明白了。当使用 @property 装饰器时，通常会有一个用于检索和存储值的基础变量。有帮助的希望

在Python

3 个答案: