仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
你可能不知道，Python里那些用双下划线包裹的\“魔法方法\“(Dunder方法)，其实是提升代码质量的绝佳工具。但有趣的是，很多经验丰富的开发者对这些方法也只是一知半解。
先说句公道话：这其实情有可原。因为在多数情况下，Dunder方法的作用是\“锦上添花\“——它们能让代码更简洁规范，但不用它们也能完成任务。有时候我们甚至不知不觉就在使用这些特殊方法了。
如果你符合以下任一情况：
经常用Python但不太了解这个特性
像我一样痴迷编程语言的精妙设计
想让代码既专业又优雅
那么，这篇文章就是为你准备的！我们将探索如何巧妙运用这些\“魔法方法\“来：
大幅简化代码逻辑
提升代码可读性
写出更Pythonic的优雅代码
如果说我在生活中学到了什么，那就是并非所有东西都像第一眼看上去那样，Python也不例外。
看一个看似简单的例子：
这是我们可以在Python中定义的最“空”的自定义类，因为我们没有定义属性或方法。它是如此的空，你会认为你什么也做不了。
然而，事实并非如此。例如，如果您尝试创建该类的实例，甚至比较两个实例是否相等，Python都不会抱怨：
当然，这并不是魔法。简单地说，利用标准的object接口，Python中的任何对象都继承了一些默认属性和方法，这些属性和方法可以让用户与之进行最少的交互。
虽然这些方法看起来是隐藏的，但它们并不是不可见的。要访问可用的方法，包括Python自己分配的方法，只需使用dir()内置函数。对于我们的空类，我们得到
正是这些方法可以解释我们之前观察到的行为。例如，由于该类实际上有一个__init__方法，我们就不应该对我们可以实例化一个该类的对象感到惊讶。
最后输出中显示的所有方法都属于一个特殊的群体–猜猜看–dunder方法。dunder是双下划线（doubleunderscore）的缩写，指的是这些方法名称开头和结尾的双下划线。
它们之所以特殊，有以下几个原因：
它们内置于每个对象中：每个Python对象都配备了由其类型决定的一组特定的dunder方法。
它们是隐式调用的：许多dunder方法是通过与Python本机运算符或内置函数的交互自动触发的。例如，用==比较两个对象相当于调用它们的__eq__方法。
它们是可定制的：您可以覆盖现有的dunder方法，或者为您的类定义新的方法，以便在保留隐式调用的同时赋予它们自定义的行为。
尽管是最常用的方法，init__也是最专业的dunder方法之一。它没有充分展示dunder方法的灵活性和强大功能，而这些方法可以让您重新定义对象与原生Python特性的交互方式。
定义一个类来表示商店中出售的物品，并通过指定名称和价格来创建一个实例。
如果我们尝试显示item变量的内容，会发生什么？现在，Python所能做的就是告诉我们它是什么类型的对象，以及它在内存中的分配位置：
试着得到一个信息量更大、更漂亮的输出！
要做到这一点，我们可以覆盖__repr__dunder，当在交互式Python控制台中键入一个类实例时，它的输出将完全是打印出来的，而且–只要没有覆盖另一个dunder方法__str–当试图调用print()时也是如此。
注意：通常的做法是让__repr__提供重新创建打印实例所需的语法。因此，在后一种情况下，我们希望输出Item(name=\“Milk(1L)\“,price=0. 99)。
定义对象与Python本地运算符之间的交互
假设我们想创建一个新类，即Grocery，它允许我们建立一个Item及其数量的集合。
在这种情况下，我们可以使用dunder方法来进行一些标准操作，例如
使用+运算符将特定数量的Item添加到Grocery中
使用for循环直接遍历Grocery类
使用括号[]符号从Grocery类中访问特定的Item
为了实现这一目标，我们将定义（我们已经看到泛型类默认情况下没有这些方法）dunder方法__add__,__iter__和__getitem__。
初始化一个Grocery实例，并打印其主要属性items. 的内容。
然后，我们使用+运算符添加一个新项目，并验证更改是否已生效。
既友好又明确，对吗？
通过__iter__方法，我们可以按照该方法中实现的逻辑对一个Grocery对象进行循环（即，隐式循环将遍历可遍历属性items中包含的元素）。
同样，访问元素也是通过定义__getitem__函数来处理的：
从本质上讲，我们为Grocery类分配了一些类似字典的标准行为，同时也允许进行一些该数据类型本机无法进行的操作。
增强功能：使类可调用，以实现简单性和强大功能。
最后，让我们用一个示例来结束对dunder方法的深入探讨，展示它们如何成为我们的强大工具。
想象一下，我们实现了一个函数，它可以根据特定输入执行确定性的慢速计算。为了简单起见，我们将以一个内置time. sleep为几秒的标识函数为例。
如果我们对同一输入运行两次函数，会发生什么情况？那么，现在计算将被执行两次，这意味着我们将两次获得相同的输出，在整个执行时间内等待两次（即总共10秒）。
这合理吗？为什么我们要对相同的输入进行相同的计算（导致相同的输出），尤其是在计算过程很慢的情况下？
一种可能的解决方案是将该函数的执行“封装”在类的__call__dunder方法中。
这使得类的实例可以像函数一样被调用–这意味着我们可以使用简单的语法my_class_instance(*args，**kwargs)–同时也允许我们使用属性作为缓存来减少计算时间。
通过这种方法，我们还可以灵活地创建多个进程（即类实例），每个进程都有自己的本地缓存。
不出所料，函数在第一次运行后会被缓存起来，这样就不需要进行第二次计算，从而将总时间缩短了一半。
如上所述，如果需要，我们甚至可以创建该类的独立实例，每个实例都有自己的缓存。
dunder方法是一个简单而强大的优化技巧，它不仅可以减少冗余计算，还可以通过本地特定实例缓存提供灵活性。
Dunder方法（就是那些用双下划线__包裹的特殊方法）在Python中是个很大的话题，而且还在不断丰富。这篇文章当然没法面面俱到地讲完所有内容。
我写这些主要是想帮你弄明白两件事：
Dunder方法到底是什么？
怎么用它们解决实际编程中常见的问题？
说实话，不是每个程序员都必须掌握这些方法。但就我个人经验来说，当我真正搞懂它们之后，写代码的效率提高了很多。相信对你也会很有帮助。
使用Dunder方法最大的好处就是：
不用重复造轮子
让代码更简洁易读
更符合Python的编程风格
这些优点，对你一定是有用的。对吧？点个赞吧❤️支持一下
长按👇关注-数据STUDIO-设为星标，干货速递
