Об’єктно-орієнтоване програмування (ООП) — це не просто модне слово. Це основа того, як ми сьогодні створюємо програмне забезпечення та займаємося наукою про дані. Воно всюди. Від кнопок на екрані до складних алгоритмів, що запускають симуляцію автомобілів, ОВП – це метод, що стоїть за хаосом, що здається.
То що це таке насправді?
В основі ООП лежить парадигма програмування. Організуйте свій код навколо об’єктів, а не лише логіки. Подайте об’єкти як цифрові контейнери. Вони поєднують інформацію та функції. Ці об’єкти можуть бути визначені такими мовами, як Python, Java, C++ і Ruby. Вони є речі реального світу. Вікно на робочому столі. Профіль користувача, що включає ім’я та адресу. Це музика. Навіть змодельований транспортний засіб. Багато що можна змоделювати як об’єкт.
Яка мета? Зосередьтеся на самих даних. Вам більше не потрібно турбуватися про покрокові інструкції з обробки ваших даних. Дозвольте об’єкту впоратися із цим.
Як моделювати дані за допомогою об’єктно-орієнтованого програмування
Створення системи ОВП – це процес. Він відбувається поетапно.
Спочатку змоделюйте дані. Вирішіть, з якими об’єктами має працювати програміст. Заплануйте, як вони взаємодіятимуть. Як тільки ви визначили свої моделі, ви можете оформити їх як класів.
Класи – це креслення. Вони визначають властивості та методи.
- Атрибут – це характеристика. Визначає стан об’єкта.
- Метод – це операція. Вони визначають, що може робити об’єкт.
Коли об’єкти створюються з урахуванням класу, вони спілкуються через певні інтерфейси, звані повідомленнями. Один об’єкт надсилає запит іншому об’єкту. Отримуючий об’єкт обробляє його. Така структура робить код, що повторно використовується. Наслідування та поліморфізм часто дозволяють використовувати класи, створені для однієї програми, в іншій. Заощаджується час. Знижується надмірність.
Безпека через структуру
Ця складність має приховані переваги. ООП забезпечує інкапсуляцію. Це означає, що функції та змінні всередині об’єкта можуть бути приховані.
Чому це важливо?
Це створює безпечні системи. Контроль доступу до даних допомагає запобігти випадковим пошкодженням. Користувачі взаємодіють з чистим інтерфейсом користувача. Вони не бачать безладу коду під капотом. Вони просто одержують результати.
Для новачків код може бути складним. Він багатошаровий. Але для розробників це керовано. Це безпечно. І це можна розширювати.
Чому це важливо для вашого робочого процесу
Ймовірно, ви не пишете C++ кожен день. Але якщо ви використовуєте Python для аналізу даних, ви, можливо, застосовуєте принципи ООП. Pandas DataFrames? Об’єкти. Моделі Scikit-Learn? Об’єкти.
Розуміння цієї парадигми змінить спосіб проектування вами рішень. Більше ніяких думок про лінійні скрипти. Почніть думати про компоненти.
«Мета об’єктно-орієнтованого програмування — зосередитись на самих об’єктах та їх даних, а не вимагати, щоб логіка чи операції виконували їх.»
Це більше, ніж просто написання коду. Це організація ваших думок. Як тільки ви освоїте ОВП, вам більше не доведеться боротися з язиком. Ви починаєте працювати із ним.
Ландшафт змінюється швидко. З’являться нові мови. Старі еволюціонують. Але концепція залишається незмінною. Дані та дії пов’язані один з одним.
Чи має значення, чи знаю я різницю між Java та Visual Basic.NET? Не так уже й багато. Принцип той самий.
Ви створюєте системи, які можуть дихати
Фахівці, за даними, не просто пишуть скрипти. Вони створюють системи. В екосистемі системи Python будуються на основі об’єктно-орієнтованого програмування (ООП). Це не просто модне слівце. Це структурна основа, на якій дійсно працюють такі бібліотеки, як pandas, scikit-learn та TensorFlow.
Під час імпортування бібліотеки не завантажується нативний код. Завантажується модуль. Ці модулі містять класи. Класи – це магія інкапсуляції.
Вам не потрібно читати вихідний код бібліотеки, щоб використовувати її. Розробникам не потрібно знати, як влаштовано внутрішню логіку. Вам потрібно знати тільки те, що вони роблять і як вони поводяться. Ось суть взаємодії: викликаєте метод – отримуєте результат. Решта прихована.
Чому Python домінує в Data Science
Python – не найшвидша мова. Не найефективніший з погляду використання пам’яті. Але він найдоступніший. У цьому полягає суть Data Science.
Бібліотека – це набір модулів. Модуль – це набір класів. Клас – це креслення для об’єктів. Ця ієрархія невипадкова. Вона призначена для повторного використання. Щоб забезпечити ясність. Для масштабованості.
Коли фахівець за даними імпортує Pandas, імпортується не простий список функцій. Завантажується складна мережа об’єктів: DataFrame, Series, Index. Кожен із них є екземпляром класу. У кожного є властивості (наприклад, .shape і .dtype ) та методи (наприклад, .dropna() та .merge() ).
Розуміння цієї структури змінить ваш підхід до використання Python. Перестаньте думати: «Яку функцію викликати?». Почніть думати: “З якими об’єктами мені потрібно працювати?”.
Опис ключових принципів ОВП
ОВП не складно. Воно просто специфічне. Воно ґрунтується на шести ключових концепціях. Як тільки ви їх освоїте, вам більше ніколи не доведеться мучитися з кодом.
1. Клас: План, а не продукт
Клас – це модель. Це блок коду, який визначає змінні (властивості) та функції (методи). Уявіть його як форму для печива. Форма – не печиво. Ця форма використовується для створення печива.
Клас може створювати багато об’єктів. Кожен об’єкт є унікальним. Проте вони мають загальну базову структуру.
2. Об’єкт: Конкретні дані
Об’єкт – це конкретний екземпляр класу. Це печиво. Він має властивості або якості. Він має методи, що визначають його поведінка.
Якщо у вас є клас User, ваш об’єкт може називатися user1. У user1 є такі характеристики, як name та email. Є методи, такі як login() та logout(). Збережений стан об’єкта. Класи визначаються правилами.
3. Інкапсуляція: Приховування безладдя
Інкапсуляція необхідна захисту. Оберніть сирі дані усередину капсули. Навіщо? Щоб запобігти пошкодженню. Щоб запобігти misuse (неправомірне використання).
Користувачі не можуть безпосередньо редагувати внутрішні змінні. Робіть це через методи. Так ви підтримуєте цілісність даних. Інкапсуляція запобігає спробам фахівців за даними перевизначити логіку валідації всередині бібліотеки. Внутрішній стан залишається гаразд.
«Інкапсуляція приховує методи та властивості від зовнішнього світу, запобігаючи зовнішньому втручанню.»
4. Абстракція: Приховування складності
Абстракція – це зручний для користувача шар. Приховайте дані, які не мають значення кінцевим користувачам.
Вам не потрібно знати, як scikit-learn внутрішньо обчислює зниження градієнта. Вам не потрібно замислюватися про матричні обчислення. ви
