元编程 - 如何在使用 __class__ 时从模板生成 class？

Question

我创建了这样的 class 来解决签名问题 feature_names:

import copy
from sklearn.feature_selection import VarianceTreshold


class VarianceThresholdN(VarianceThreshold):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self.feature_names = None

    #hack from     
    def get_params(self, deep=True): 
        params = super().get_params(deep)
        cp = copy.copy(self)
        cp.__class__ = VarianceThreshold
        params.update(cp.__class__.get_params(cp, deep))
        return params

    def fit(self, X, y=None):
        self.feature_names = list(X.columns)
        return super().fit(X, y)

不幸的是，我需要创建很多这样的 classes，所以需要大量复制粘贴和替换两件事： class VarianceThresholdN(VarianceThreshold): 到 class DifferentClassN(DifferentClass): 和 cp.__class__ = VarianceThreshold 到 cp.__class__ = DifferentClass。

所以有一个清晰的模板，但是由于cp.__class__ = ...我不能使用mix-ins。

可能这段代码可以用 jinja 模板生成，但是有什么方法可以避免它，使用元编程中的一些 pythonic 技巧吗？

Answer 1

我真的不明白那应该做什么，据我所知，你几乎只是调用了 super() 两次，而第二个版本明确地这样做了。

Probably this code could be generated with jinja templates, but is there any way to avoid it, with some pythonic trick from meta-programming?

如果您的模式是您总是希望为其父级 "swap" self.__class__，您可以使用 __bases__ 或 mro()[1]:[=19 访问它=]

• cls.__bases__ 是 cls 的所有 super类 的元组，它正是你放在括号中的内容（不包括 kwargs）
• cls.mro() 是 "method resolution order"，它适用于这种特定（完全线性）的情况：它是处理属性或方法时要经过的所有 类 的序列调用，从 cls（包括）开始到 object 结束（这是所有 Python 类 的原始祖先）。