在 class Python 中传递 arguments 的最佳实践

Question

我是 OOP 的新手，很确定我要解决问题的方式不是最聪明的。

我正在构建自定义 K 均值算法，并希望为不同的距离函数提供选项。

我即将解决它的方法是构建 if 语句并分别计算距离。

例如：

class ExampleDist():
    def __init__(self, measure="euklid"):
        self.measure = measure
    
    def euklid_distance(x_1,x_2):
        dist = np.linalg.norm(x_1-x_2)
        return dist
    
    def abs_distance(x_1,x_2):
        dist = np.absolute(x_1-x_2)
        return dist
    
    def dist(self, x_1, x_2):
        if(self.measure == "euklid"):
            self.dist = euklid_distance(x_1,x_2)
        elif(self.measure == "abs"):
            self.dist = abs_distance(x_1,x_2)

dist1 = ExampleDist(measure = "euklid")
dist1.dist(np.array([1,1]),np.array([0,2]))

但是，在 K-Mean 算法中，我必须复制粘贴整个循环，计算数据点和质心之间的距离，并且只更改距离。

复制粘贴从来都不是一个好的解决方案，所以我希望有一个解决方案可以自动传递我想使用的距离度量。 像这样（伪代码）：

class ExampleDist():
    def __init__(self, measure="euklid"):
        self.measure = measure
    
    def euklid_distance(x_1,x_2):
        dist = np.linalg.norm(x_1-x_2)
        return dist
    
    def abs_distance(x_1,x_2):
        dist = np.absolute(x_1-x_2)
        return dist
    
    def dist(self, x_1, x_2):
        self.dist = [self.meassure]_distance(x_1,x_2)

dist1 = ExampleDist(measure = "euklid")
dist1.dist(np.array([1,1]),np.array([0,2]))

Answer 1

为什么不只创建一个dist function，例如：

class ExampleDist():
    def __init__(self, measure="euklid"):
        self.measure = measure

    def dist(self, x_1, x_2):
        if self.measure == 'euklid':
            return np.linalg.norm(x_1-x_2)
        elif self.measure == 'absolute':
            return np.absolute(x_1-x_2)
        else:
            return None

Answer 2

假设您将要拥有的所有距离函数都将接受相同的 arguments（ x1和x2 ），您可以在距离类型和距离 function 之间使用字典 map。

这是实现这一目标的最具扩展性和灵活性的方法之一。

class ExampleDist():
    _distance_funcs = {'euclid': np.linalg.norm,
                       'abs': np.absolute}  
                        # or implement your own wrappers as in your example

    def dist(self, x1, x2, measure):
        try:
            return self._distance_funcs[measure](x1, x2)
        except KeyError:
            raise ValueError(f"`measure` should be one of {', '.join(self._distance_funcs.keys())}")