将基类转换为派生类python（或扩展类的更多pythonic方法）
我需要扩展Networkx python包，并为我的特殊需要添加一些Graph类的方法
我想这样做的方法是简化派生一个新的类NewGraph ，并添加所需的方法。
然而networkx中还有其他一些函数可以创build和返回Graph对象（例如生成一个随机图）。 我现在需要将这些Graph对象变成NewGraph对象，以便我可以使用我的新方法。
这样做的最好方法是什么？ 还是应该以完全不同的方式来解决问题呢？
如果您只是添加行为，而不依赖于其他实例值，则可以分配给该对象的__class__ ：
from math import pi class Circle(object): def __init__(self, radius): self.radius = radius def area(self): return pi * self.radius**2 class CirclePlus(Circle): def diameter(self): return self.radius*2 def circumference(self): return self.radius*2*pi c = Circle(10) print c.radius print c.area() print repr(c) c.__class__ = CirclePlus print c.diameter() print c.circumference() print repr(c)
打印：
10 314.159265359 <__main__.Circle object at 0x00A0E270> 20 62.8318530718 <__main__.CirclePlus object at 0x00A0E270>
这与Python中的“cast”非常接近，并且像在C中进行投射一样，在没有考虑到这个问题的情况下就不要这样做。 我已经发布了一个相当有限的例子，但是如果你能保持约束（只是添加行为，没有新的实例variables），那么这可能有助于解决你的问题。
以下是如何“神奇地”用一个定制的子类replace一个模块中的类，而不用触摸模块。 这只是正常子类化过程中的一些额外的行，因此可以提供（几乎）所有子类的强大function和灵活性。 例如，如果你愿意，这可以让你添加新的属性。
import networkx as nx class NewGraph(nx.Graph): def __getattribute__(self, attr): "This is just to show off, not needed" print "getattribute %s" % (attr,) return nx.Graph.__getattribute__(self, attr) def __setattr__(self, attr, value): "More showing off." print " setattr %s = %r" % (attr, value) return nx.Graph.__setattr__(self, attr, value) def plot(self): "A convenience method" import matplotlib.pyplot as plt nx.draw(self) plt.show()
到目前为止，这完全像正常的子类。 现在我们需要把这个子类挂接到networkx模块中，以便networkx所有实例nx.Graph一个NewGraph对象。 下面是当你用nx.Graph()实例化一个nx.Graph对象时通常发生的事情
1. nx.Graph .__ new __（nx.Graph）被调用 2.如果返回的对象是nx.Graph的子类， 在对象上调用__init__ 3.该对象作为实例返回
我们将取代nx.Graph.__new__并使其返回NewGraph 。 在这里，我们调用object的__new__方法，而不是__new__方法，因为后者只是调用我们要replace的方法的另一种方法，因此会导致无穷recursion。
def __new__(cls): if cls == nx.Graph: return object.__new__(NewGraph) return object.__new__(cls) # We substitute the __new__ method of the nx.Graph class # with our own. nx.Graph.__new__ = staticmethod(__new__) # Test if it works graph = nx.generators.random_graphs.fast_gnp_random_graph(7, 0.6) graph.plot()
在大多数情况下，这是所有你需要知道的，但有一个问题。 我们重写__new__方法只影响nx.Graph ，而不是它的子类。 例如，如果您调用返回nx.gn_graph的实例的nx.DiGraph ，它将没有我们的奇特扩展。 你需要nx.Graph你希望使用的nx.Graph每个子类，并添加你需要的方法和属性。 使用混合可能会更容易一致地扩展子类，同时遵守DRY原则。
虽然这个例子可能看起来很直截了当，但是这种钩入模块的方法很难概括，涵盖了所有可能出现的小问题。 我相信只是针对手头的问题量身订做就更容易了。 例如，如果你正在钩入的类定义了自己的自定义__new__方法，则需要在replace之前存储它，并调用此方法而不是object.__new__ 。
如果一个函数创buildGraph对象，则不能将它们转换为NewGraph对象。
另一个select是为NewGraph是有一个graphics，而不是一个graphics。 您可以将Graph方法委托给Graph对象，并且可以将任何Graph对象包装到新的NewGraph对象中：
class NewGraph: def __init__(self, graph): self.graph = graph def some_graph_method(self, *args, **kwargs): return self.graph.some_graph_method(*args, **kwargs) #.. do this for the other Graph methods you need def my_newgraph_method(self): ....
对于你的简单情况，你也可以像这样写你的子类__init__ ，并将Graph数据结构中的指针分配给你的子类数据。
from networkx import Graph class MyGraph(Graph): def __init__(self, graph=None, **attr): if graph is not None: self.graph = graph.graph # graph attributes self.node = graph.node # node attributes self.adj = graph.adj # adjacency dict else: self.graph = {} # empty graph attr dict self.node = {} # empty node attr dict self.adj = {} # empty adjacency dict self.edge = self.adj # alias self.graph.update(attr) # update any command line attributes if __name__=='__main__': import networkx as nx R=nx.gnp_random_graph(10,0.4) G=MyGraph(R)
你也可以在作业中使用copy（）或deepcopy（），但如果你这样做，你也可以使用它
G=MyGraph() G.add_nodes_from(R) G.add_edges_from(R.edges())
加载你的graphics数据。
您可以简单地创build一个从Graph对象派生的新的NewGraph ，并在定义自己的属性之前，将__init__函数包括像self.__dict__.update(vars(incoming_graph))作为第一行。 通过这种方式，您基本上可以将Graph所有属性复制到一个从Graph派生的新对象上，但是使用特殊的酱料。
class NewGraph(Graph): def __init__(self, incoming_graph): self.__dict__.update(vars(incoming_graph)) # rest of my __init__ code, including properties and such
用法：
graph = function_that_returns_graph() new_graph = NewGraph(graph) cool_result = function_that_takes_new_graph(new_graph)
你们有没有试过[Python]将基类投射到派生类
我已经testing过了，似乎有效。 另外我觉得这个方法比下面的方法好一点，因为下面的方法不执行派生函数的init函数。
c.__class__ = CirclePlus
