【转载】Python 类组合(composition)和聚合(aggregation)

#coding:utf-8

#书中一个例子简单的短期利率类,折现是金融学中最基本的概念之一,在连续折现的固定短期利率世界中,日期t>0时未来现金流与当前日期t=0之间的折现因子为Do(t)=e(-rt)次方

import numpy as np

class short_rate(object):

def __init__(self,name,rate):

self.name=name

self.rate=rate

def get_discount_factors(self,time_list):

time_list=np.array(time_list)

return np.exp(-self.rate*time_list)

class cash_flow_series(object):

def __init__(self,name,time_list,cash_flows,short_rate):

self.name=name

self.time_list=time_list

self.cash_flows=cash_flows

self.short_rate=short_rate

def present_value_list(self):

df = self.short_rate.get_discount_factors(self.time_list)#想问这一行中为什么可以这样子不继承第一个类可以调用第一个类的函数呢

return np.array(self.cash_flows)*df

def net_present_value(self):

return np.sum(self.present_value_list())

class cfs_sensitivity(cash_flow_series):

def npv_sensitivity(self,short_rates):

npvs=[]

for rate in short_rates:

sr.rate=rate #这个实例化rate的意思是?

npvs.append(self.net_present_value())

return np.array(npvs)

short_rates=[0.01,0.025,0.05,0.075,0.1,0.125,0.15,0.2]

cash_flows=np.array([-100,50,75])

time_list=[0.0,1.0,2.0]

sr=short_rate('r',0.05)

print sr.get_discount_factors(time_list)

sr.rate=0.05

cfs=cash_flow_series('cfs0',time_list,cash_flows,sr)

print cfs.present_value_list()

cfs_sens=cfs_sensitivity('cfs',time_list,cash_flows,sr)

npvs=cfs_sens.npv_sensitivity(short_rates)

print npvs

上面的代码命名很糟糕,提问者说是书Python金融大数据分析 (豆瓣) P350页上的代码。 稍微修改一下

# coding:utf-8    # 书中一个例子简单的短期利率类,折现是金融学中最基本的概念之一,在连续折现的固定短期利率世界中,日期t>0时未来现金流与当前日期t=0之间的折现因子为Do(t)=e(-rt)次方    import numpy as np    class ShortRate(object):        def __init__(self, name, rate):            self.name = name            self.rate = rate        def get_discount_factors(self, time_list):            time_list = np.array(time_list)            return np.exp(-self.rate * time_list)    class CashFlowSeries(object):        def __init__(self, name, time_list, cash_flows, short_rate):            self.name = name            self.time_list = time_list            self.cash_flows = cash_flows            self.short_rate = short_rate        def present_value_list(self):            df = self.short_rate.get_discount_factors(                self.time_list)  # 想问这一行中为什么可以这样子不继承第一个类可以调用第一个类的函数呢            return np.array(self.cash_flows) * df        def net_present_value(self):            return np.sum(self.present_value_list())    class CfsSensitivity(CashFlowSeries):        def npv_sensitivity(self, ShortRates):            npvs = []            for rate in ShortRates:                sr.rate = rate  # 这个实例化rate的意思是?                npvs.append(self.net_present_value())            return np.array(npvs)    ShortRates = [0.01, 0.025, 0.05, 0.075, 0.1, 0.125, 0.15, 0.2]    cash_flows = np.array([-100, 50, 75])    time_list = [0.0, 1.0, 2.0]    sr = ShortRate('r', 0.05)    print sr.get_discount_factors(time_list)    sr.rate = 0.05    cfs = CashFlowSeries('cfs0', time_list, cash_flows, sr)    print cfs.present_value_list()    cfs_sens = CfsSensitivity('cfs', time_list, cash_flows, sr)    npvs = cfs_sens.npv_sensitivity(ShortRates)    print npvs

提问者提出其中df = self.short_rate.get_discount_factors(self.time_list) 这条语句不是很明白。

1、这个一个面向对象中类聚合的概念。2、需要看CashFlowSeries 类的初始化方法中 self.short_rate = short_rateshort_rate 是ShortRate 类的实例,但你的代码命名有问题,ShortRate 的实例调用自己的实例方法,没有问题。3、sr.rate = rate # 这个实例化rate的意思是? 要从下面语句看,sr 就是下面的sr 这个sr 是ShortRate的实例。sr 有实例属性rate.sr.rate = 0.05cfs = CashFlowSeries('cfs0', time_list, cash_flows, sr)

类之间有多种关系,请大家看维基百科,类别图下面主要介绍聚合(Aggregation)以及组合(Composition)。

聚合(aggregation):指的是整体与部分的关系。通常在定义一个整体类后,再去分析这个整体类的组成结构。从而找出一些组成类,该整体类和组成类之间就形成了聚合关系。需求描述中“包含”、“组成”、“分为…部分”等词常意味着聚合关系。

组合(composition):也表示类之间整体和部分的关系,但是组合关系中部分和整体具有统一的生存期。一旦整体对象不存在,部分对象也将不存在。部分对象与整体对象之间具有共生死的关系。

请看下面的代码。类组合,Computer实例对象不存在了,内部组合的Cpu实例也不存在。聚合Computer实例对象不存在了,从初始化方法传入的Cpu实例不属Computer实例对象存在不存在的影响。

#! /usr/bin/env python# coding:utf-8'''类对象组合关系'''class Cpu(object):    def __init__(self):        self.type = '286'class Computer(object):    def __init__(self):        self.cpu = Cpu()  # 包含CPu类的实例对象    def __del__(self):        print "Cpu by by!"old_computer = Computer()del old_computer

#! /usr/bin/env python# coding:utf-8'''类对象聚合关系'''class Cpu(object):    def __init__(self):        self.type = '286'class Computer(object):    def __init__(self, cpu):        self.cpu = cpu  # 有一个CPu类的实例对象    def __del__(self):        print "没有权力和Cpu by by!"old_cpu = Cpu()old_computer = Computer(old_cpu)del old_computer

216小时学会Python

点击黄哥python培训试看视频播放地址



原文链接:https://zhuanlan.zhihu.com/p/21945722

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,607评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,239评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,960评论 0 355
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,750评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,764评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,604评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,347评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,253评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,702评论 1 315
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,893评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,015评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,734评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,352评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,934评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,052评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,216评论 3 371
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,969评论 2 355

推荐阅读更多精彩内容