【python基础知识】Day29 类的装饰器

知识点回顾

1. 类的装饰器
2. 装饰器思想的进一步理解：外部修改、动态
3. 类方法的定义：内部定义和外部定义

类修改器的逻辑：接收一个类，返回一个修改后的类。修改内柔如下：

1. 添加新的方法或属性（如示例中的 log 方法）。
2. 修改原有方法（如替换 init 方法，添加日志）。
3. 甚至可以返回一个全新的类（继承或组合原类）

# 定义类装饰器
def add_method(cls):
    # 动态添加一个方法
    def new_method(self):
        return f"这是动态添加的方法，来自 {self.__class__.__name__}"
    cls.dynamic_method = new_method
    return cls
 
# 使用装饰器修饰类
@add_method
class MyClass:
    # 3. 类内部定义的方法
    def __init__(self, name):
        self.name = name
    
    def greet(self):
        return f"你好，我是 {self.name}"
 
# 类外部定义
def external_method(self):
    return f"这是外部定义的方法，访问属性: {self.name}"
 
# 将外部方法绑定到类
MyClass.external_method = external_method
 
 
obj = MyClass("示例对象")
print(obj.greet())
print(obj.dynamic_method())
print(obj.external_method())

29天总结

1. Python基础语法
-数据类型：列表、字典、集合、元组的使用
- 循环语句 ： for 循环（如累加1-100）、 while 循环
- 条件语句 ： if-elif-else 结构（如温度预警判断）
- 函数定义 ： def 关键字定义函数（如 debug_example() 函数）

- 类的定义：class   
- 字符串格式化 ：f-string的使用（如 print(f"平均分数: {average_score:.3f}") ）

机器学习

2. 数据处理与分析  （Pandas库） 

预处理基础操作
  - 数据读取（ pd.read_csv() ）
  - 数据类型筛选（ select_dtypes() ）
  - 缺失值处理（ fillna() ）
  - 独热编码（ pd.get_dummies() ）
  - 列重命名（ rename() ）

预处理进阶操作
  - 标签编码（ .map() ）
  - 标准化（ StandardScaler ）
  - 缺失值填充（ SimpleImputer ）
- Numpy基础 ：数组操作、数值计算（如 np.bincount() ）
3. 数据可视化
- matplotlib ：图形绘制、字体设置（ plt.rcParams ）
- seaborn ：高级统计图形绘制

4. 模型训练与评估
（1）模型训练 ：
  - 随机森林（ RandomForestClassifier ）
  - 交叉验证（ StratifiedKFold ）
  - 超参数调优（ GridSearchCV ）
（2）评估指标 ：
  - 分类报告（ classification_report ）
  - 混淆矩阵（ confusion_matrix ）
  - 精确率/召回率/F1值（ precision_score 等）

5. 不平衡数据处理
- 过采样技术 ：
  - 随机过采样（ RandomOverSampler ）
  - SMOTE过采样（ SMOTE ）
- 代价敏感学习 ：
  - 类别权重调整（ class_weight='balanced' ）
  - 阈值调整

6.SHAP可解释性分析
- SHAP值计算 ： shap.TreeExplainer 解释模型预测
- 特征重要性分析 ：通过SHAP值可视化特征影响

7. 机器学习流水线
- Pipeline构建 ：
  - 有序特征处理（ OrdinalEncoder ）
  - 标称特征处理（ OneHotEncoder ）
  - 连续特征处理（ StandardScaler ）
- 特征组合 ：通过 ColumnTransformer 组合不同预处理步骤

8. 系统与文件操作
- OS模块 ：（主要用于云服务器操作）
  - 环境变量操作（ os.environ ）
  - 文件路径处理
- 时间处理 ： time 模块用于计算耗时（如 time.time() 记录训练时间）

python通识

9. 调试与错误处理
- 异常捕获 ： try-except 块处理常见错误（如 NameError 、 IndexError ）
- 警告控制 ： warnings.filterwarnings("ignore")
10. 代码组织与工程化
- 模块化设计 ：将数据预处理、模型训练、评估等步骤分离
- 交叉验证 ：使用 cross_validate 实现自动化评估
- 参数化配置 ：通过字典和列表管理超参数