Что такое объект в ООП?

Объект в объектно-ориентированном программировании

Объект — это экземпляр класса, который содержит данные (атрибуты) и поведение (методы). Это фундаментальная единица ООП, которая моделирует сущность из реального мира или абстрактное понятие.

Основные компоненты объекта

1. Атрибуты (данные) Переменные, которые хранят состояние объекта:

class Dog:
    def __init__(self, name, age, breed):
        self.name = name      # атрибут экземпляра
        self.age = age
        self.breed = breed

dog = Dog("Rex", 5, "Labrador")
print(dog.name)  # Rex
print(dog.age)   # 5

2. Методы (поведение) Функции, которые определяют, что объект может делать:

class Dog:
    def __init__(self, name):
        self.name = name
    
    def bark(self):
        return f"{self.name} says Woof!"
    
    def age_in_human_years(self, dog_age):
        return dog_age * 7

dog = Dog("Rex")
print(dog.bark())  # Rex says Woof!
print(dog.age_in_human_years(5))  # 35

Инкапсуляция (Encapsulation)

Спрятать внутреннюю реализацию и предоставить управляемый интерфейс:

class BankAccount:
    def __init__(self, balance):
        self.__balance = balance  # приватный атрибут (двойное подчеркивание)
    
    # Публичный метод для доступа
    def get_balance(self):
        return self.__balance
    
    # Контролируемое изменение
    def deposit(self, amount):
        if amount > 0:
            self.__balance += amount
        else:
            raise ValueError("Сумма должна быть положительной")
    
    def withdraw(self, amount):
        if amount <= self.__balance:
            self.__balance -= amount
        else:
            raise ValueError("Недостаточно средств")

account = BankAccount(1000)
account.deposit(500)  # OK
print(account.get_balance())  # 1500
account.withdraw(200)  # OK
# account.__balance = 10000  # Ошибка! Не могу напрямую

Наследование (Inheritance)

Создание иерархии классов, где дочерний класс наследует свойства родителя:

class Animal:
    def __init__(self, name):
        self.name = name
    
    def make_sound(self):
        return "Some sound"

class Dog(Animal):  # Наследуем от Animal
    def make_sound(self):
        return f"{self.name} barks: Woof!"

class Cat(Animal):
    def make_sound(self):
        return f"{self.name} meows: Meow!"

dog = Dog("Rex")
cat = Cat("Whiskers")

print(dog.make_sound())  # Rex barks: Woof!
print(cat.make_sound())  # Whiskers meows: Meow!

Полиморфизм (Polymorphism)

Объекты разных классов могут быть обработаны одинаково через общий интерфейс:

class Animal:
    def make_sound(self):
        pass

class Dog(Animal):
    def make_sound(self):
        return "Woof!"

class Cat(Animal):
    def make_sound(self):
        return "Meow!"

class Bird(Animal):
    def make_sound(self):
        return "Tweet!"

# Полиморфный код
animals = [Dog(), Cat(), Bird()]
for animal in animals:
    print(animal.make_sound())  # Разные звуки одной функцией

Статические атрибуты и методы

class Counter:
    count = 0  # Статический атрибут (общий для всех объектов)
    
    def __init__(self, name):
        self.name = name
        Counter.count += 1
    
    @classmethod  # Метод класса
    def get_total(cls):
        return cls.count
    
    @staticmethod  # Статический метод (не использует self и cls)
    def is_positive(num):
        return num > 0

obj1 = Counter("First")
obj2 = Counter("Second")
print(Counter.get_total())  # 2
print(Counter.is_positive(5))  # True

Практический пример для DS

class Model:
    def __init__(self, name, algorithm):
        self.name = name
        self.algorithm = algorithm
        self.is_trained = False
        self.accuracy = None
    
    def fit(self, X_train, y_train):
        # Обучение
        self.algorithm.fit(X_train, y_train)
        self.is_trained = True
    
    def predict(self, X_test):
        if not self.is_trained:
            raise ValueError("Модель не обучена!")
        return self.algorithm.predict(X_test)
    
    def evaluate(self, X_test, y_test):
        if not self.is_trained:
            raise ValueError("Модель не обучена!")
        from sklearn.metrics import accuracy_score
        y_pred = self.predict(X_test)
        self.accuracy = accuracy_score(y_test, y_pred)
        return self.accuracy

from sklearn.ensemble import RandomForestClassifier
model = Model("My RF", RandomForestClassifier())
model.fit(X_train, y_train)
acc = model.evaluate(X_test, y_test)
print(f"Accuracy: {acc:.3f}")

Зачем объекты нужны Data Scientist

1. Организация кода — структурированное хранилище данных и функций
2. Переиспользование — однажды написанный класс можно применить везде
3. Безопасность — инкапсуляция скрывает детали реализации
4. Расширяемость — легко добавлять новые функции через наследование
5. Масштабируемость — упрощает работу с большими проектами и командой