Проблема с декоратором Property-Setter: атрибут "private" не устанавливается - PullRequest
Новая
       6

Проблема с декоратором Property-Setter: атрибут "private" не устанавливается

0 голосов
/ 15 февраля 2019

У меня серьезные трудности с выяснением, почему мой «Setter Decorator» из моего пользовательского класса (Data_Setter_Class) не работает должным образом.

Я обнаружил, что мой «Приватный» атрибут (self .__ Data) не был правильно настроен моим декорированным методом (self.Data).

Поэтому, как только я создаю экземпляр класса «Data_Setter_Class» и пытаюсь получить доступ к его атрибуту Data с помощью метода декоратора его свойств, я получаю сообщение о том, что у моего класса просто нет атрибута «__Data».

Описание моего пользовательского класса: это класс, который должен проверять структуру моих данных в соответствии с некоторыми устоявшимися правилами (тип объекта Data, измерения данных ...).

Pythonверсия, которую я использую: 3.6.4

Вот код: 


import pandas as pd
import numpy as np
import geopandas as gpd


class Data_Setter_Class(object):
    def __init__(self, Data):
        """

        This Class allows one to evaluate the best probability distribution function (PDF), \
        and its relative best parameters for the given Series (array).


        """
        self.Data = Data


    @property
    def Data(self):
        print("\n\n\tEis os Dados\n\n")
        return self.__Data

    @Data.setter
    def Data(self, data_entry):

        print("Iniciando a análise dos dados inseridos")
        print("Eis o cabeçalho deles: \n\n", data_entry.head(), '\n\n')

        if isinstance(data_entry, np.ndarray) and np.ndim(data_entry) >1:
            Chosen_Dimension = int(input("The data has more than one dimension (1D). \
                                         Choose what dimension the distribution fit analysis should be applyed: \n\n "))

            self.__Data = data_entry[Chosen_Dimension]


        elif isinstance(data_entry, pd.DataFrame):
            if np.ndim(data_entry) >2:

                Chosen_Dimension = input("The data has more than one dimension (1D). \
                                         Choose what dimension the distribution fit analysis should be applyed: \
                                         \n\n {0} \n\n".format(data_entry.keys()) )

                while Chosen_Dimension not in data_entry.keys():
                    print("Dimension not properly set. Choose between the options given!")

                    Chosen_Dimension =input("Choose what dimension the distribution fit analysis should be applyed: \n\n {0} \n\n".format( self.data_entry.keys() ) )

                print("Dimension/Attribute Selected: ", Chosen_Dimension)

                self.__Data = data_entry.loc[:,Chosen_Dimension]

                self.Chosen_Dimension = Chosen_Dimension


        elif isinstance(data_entry, gpd.GeoDataFrame):
            if np.ndim(data_entry) >2:

                Chosen_Dimension = input("The data has more than one dimension (1D). \
                                         Choose what dimension the distribution fit analysis should be applyed: \
                                         \n\n {0} \n\n".format(data_entry.keys()) )

                while Chosen_Dimension not in data_entry.keys():
                    print("Dimension not properly set. Choose between the options given!")

                    Chosen_Dimension =input("Choose what dimension the distribution fit analysis should be applyed: \n\n {0} \n\n".format( self.data_entry.keys() ) )

                print("Dimension/Attribute Selected: ", Chosen_Dimension)

                self.__Data = data_entry.loc[:,Chosen_Dimension]

                self.Chosen_Dimension = Chosen_Dimension



        elif isinstance(data_entry, pd.Series):

            self.__Data = data_entry


        elif isinstance(data_entry, np.ndarray):
            if np.ndim(data_entry) ==1:
                self.__Data = data_entry


        elif isinstance(data_entry, np.array):
            if np.ndim(data_entry) ==1:
                self.__Data = data_entry


        else:
            try:
                self.__Data = np.array(data_entry)

            except:
                print("Data Format out of order. Try setting it up to 1D array object like before applying to the Best Fit Distribution Function")



        print("Eis o data_entry após todo o teste de dados: \n\n", data_entry.head(), '\n\n')



    @property
    def Chosen_Dimension(self):
        print("This is the numerical attribute selected for the analysis: ", str(self.__Chosen_Dimension))

        return self.__Chosen_Dimension


    @Chosen_Dimension.setter
    def Chosen_Dimension(self, chosen_dimension):

        self.__Chosen_Dimension = chosen_dimension


if "__main__" == __name__:


    Temporal_data = pd.date_range(start='1995/12/31', end='2000/12/31', freq='D')
    Size = Temporal_data.size 

    Random_Array = pd.DataFrame({'Precipitacao': np.random.randint(low=0, high=350, size=Size)}, 
                                index=Temporal_data)



    Data_Setter_Object = Data_Setter_Class(Data=Random_Array)

    Random_Array = Data_Setter_Object.Data

Появляется сообщение об ошибке:

AttributeError: 'Data_Setter_Class' объект не имеет атрибута '_Data_Setter_Class__Data '

Я благодарю вас за ваше время и надеюсь услышать от вас скоро.

С уважением,

1 Ответ

0 голосов
/ 15 февраля 2019

Я и раньше не знал этого, но синтаксис для «скрытой» переменной с геттерами и сеттерами - «_var_name», а не «__var_name» для того, что вы пытаетесь сделать.Измените свой метод __init__ на этот. 

def __init__(self, Data):
    """

    This Class allows one to evaluate the best probability distribution function (PDF), \
    and its relative best parameters for the given Series (array).


    """
    self._Data = Data

, и аналогично в методах @property и @ Data.setter переменная называется self._Data вместо self .__ Data

Пример другого вопросакоторый использует это: Использование свойства Setter In __init __

Документация: https://docs.python.org/3/library/functions.html#property

...