INTRODUCTION
FLOW CONTROL
FUNCTIONS
DATATYPES
OBJECT & CLASS
Bài tập Python: Lập trình hướng đối tượng (OOP) trong Python Lập trình hướng đối tượng trong Python Class Variables trong Python Tìm hiểu về Methods trong Python Cách sử dụng phương thức __init__() trong Python Các biến Instance trong Python Tìm hiểu về Class Attributes trong Python Hàm Static Methods trong Python Phương thức __str__ trong Python Phương thức __repr__ trong Python Phương thức eq trong Python Tìm hiểu phương thức __hash__ trong Python Phương thức __bool__ trong Python Phương thức del trong Python Tìm hiểu về lớp Property trong Python Tìm hiểu về nạp chồng toán tử trong Python Trình Decorator Property trong Python Thuộc tính chỉ đọc trong Python Thuộc tính Delete trong Python Sử dụng super() trong Python Sử dụng __slots__ trong Python Cách sử dụng Protocol trong Python Sử dụng Enum aliases và @enum.unique trong Python Tùy chỉnh và mở rộng lớp Enum trong Python Cách sử dụng hàm Auto() của Python Single Responsibility Principle trong Python Nguyên tắc Đóng-Mở trong Python Nguyên tắc thay thế Liskov - LSP trong Python Interface Segregation Principle - ISP trong Python. Nguyên tắc đảo ngược sự phụ thuộc trong Python Đa kế thừa trong Python Tìm hiểu về các lớp mixin trong Python Mô tả Descriptors trong Python Phân biệt Data Descriptor và Non-data Descriptor trong Python Phương thức __new__ trong Python Tìm hiểu về Class Type trong Python Lớp Metaclass trong Python Ví dụ sử dụng metaclass trong Python Tìm hiểu về decorator dataclass trong Python Tìm hiểu về các ngoại lệ trong Python Ngoại lệ Raise trong Python Sử dụng câu lệnh raise from trong Python Ngoại lệ tùy chỉnh trong Python Module trong Python Package trong Python Class trong Python Hàm khởi tạo trong Python Kế thừa trong Python Đa kế thừa trong Python Setter và Getter trong Python Override trong Python Interface trong Python Bài tập Python: Module và Class
ADVANCED TOPICS
BỔ SUNG
PYTHON CĂN BẢN
CÁC CHỦ ĐỀ
BÀI MỚI NHẤT
MỚI CẬP NHẬT

Thông báo: Download 4 khóa học Python từ cơ bản đến nâng cao tại đây.

Cách sử dụng hàm Auto() của Python

Trong bài viết này, bạn sẽ tìm hiểu về cách sử dụng hàm auto() trong Python để tự động tạo ra các giá trị duy nhất cho các thành viên trong liệt kê (enumeration). Thay vì phải gán thủ công từng giá trị, hàm auto() giúp đơn giản hóa quá trình này, đảm bảo tính nhất quán và tiện lợi trong việc quản lý các thành viên của enum.

test php

banquyen png
Bài viết này được đăng tại freetuts.net, không được copy dưới mọi hình thức.

Giới thiệu về hàm auto() trong enum bằng Python

Ví dụ dưới đây định nghĩa một liệt kê với ba thành viên có giá trị là 1, 2 và 3:

from enum import Enum

class State(Enum):
    PENDING = 1
    FULFILLED = 2
    REJECTED = 3

Trong ví dụ này, mình phải tự gán giá trị cho các thành viên trong liệt kê.

Tuy nhiên, để đơn giản hóa quá trình này, Python 3.6 đã giới thiệu lớp auto() trong module enum, giúp tự động tạo ra các giá trị duy nhất cho các thành viên trong liệt kê. Ví dụ:

Bài viết này được đăng tại [free tuts .net]

from enum import Enum, auto

class State(Enum):
    PENDING = auto()
    FULFILLED = auto()
    REJECTED = auto()

    def __str__(self):
        return f'{self.name}({self.value})'

Cách hoạt động:

  • Đầu tiên, nhập các lớp Enumauto từ module enum.
  • Thứ hai, gọi hàm auto() để tạo ra các giá trị duy nhất cho từng thành viên của liệt kê State.
  • Mặc định, lớp auto() tạo ra một dãy số nguyên bắt đầu từ 1.

Ví dụ sau hiển thị giá trị của các thành viên trong liệt kê State:

for state in State:
    print(state.name, state.value)

Kết quả:

PENDING 1
FULFILLED 2
REJECTED 3

Cách hoạt động của auto() trong enum bằng Python

Kỹ thuật mà auto() sử dụng là gọi phương thức _generate_next_value_() để tạo ra các giá trị cho các thành viên. Cú pháp của phương thức _generate_next_value_() như sau:

_generate_next_value_(name, start, count, last_values)

Các tham số của phương thức _generate_next_value_() bao gồm:

  • name: Tên của thành viên.
  • start: Giá trị bắt đầu của các thành viên trong enum.
  • count: Số lượng các thành viên trong enum đã được tạo, bao gồm cả các alias (tên gọi khác).
  • last_values: Danh sách tất cả các giá trị trước đó đã được sử dụng cho các thành viên.

Mặc định, phương thức _generate_next_value_() sẽ tạo ra các số nguyên liên tiếp, bắt đầu từ 1. Tuy nhiên, trong tương lai Python có thể thay đổi cách thức tạo giá trị này.

Bạn có thể ghi đè phương thức _generate_next_value_() để tự động tạo ra giá trị theo logic tùy chỉnh. Để làm điều này, phương thức _generate_next_value_() phải được đặt trước khi định nghĩa tất cả các thành viên trong enum.

Ví dụ sau cho thấy cách ghi đè phương thức _generate_next_value_() để tạo giá trị dựa trên tên của thành viên:

from enum import Enum, auto

class State(Enum):
    def _generate_next_value_(name, start, count, last_values):
        return name.lower()

    PENDING = auto()
    FULFILLED = auto()
    REJECTED = auto()

for state in State:
    print(state.name, state.value)

Kết quả:

PENDING pending
FULFILLED fulfilled
REJECTED rejected

Kết bài

Sử dụng lớp auto() trong enum là một giải pháp hiệu quả để tự động tạo ra các giá trị duy nhất cho các thành viên trong liệt kê. Điều này giúp giảm thiểu lỗi tiềm ẩn khi gán thủ công các giá trị và đồng thời đơn giản hóa quá trình định nghĩa các thành viên. Với sự hỗ trợ của auto(), việc quản lý các giá trị trong enum trở nên linh hoạt và tiện lợi hơn rất nhiều.

Cùng chuyên mục:

Cách lưu trữ và tải lại Models trong PyTorch

Cách lưu trữ và tải lại Models trong PyTorch

Tìm hiểu về TensorBoard với PyTorch

Tìm hiểu về TensorBoard với PyTorch

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Softmax và Cross Entropy trong PyTorch Beginner

Softmax và Cross Entropy trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Sử dụng Gradient Descent với Autograd trong PyTorch

Sử dụng Gradient Descent với Autograd trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn cài đặt PyTorch với Deep Learning

Hướng dẫn cài đặt PyTorch với Deep Learning

LDA (Linear Discriminant Analysis) trong Python

LDA (Linear Discriminant Analysis) trong Python

Thuật toán AdaBoost trong Python

Thuật toán AdaBoost trong Python

Thuật toán K-Means Clustering trong Python

Thuật toán K-Means Clustering trong Python

Triển khai PCA bằng Python

Triển khai PCA bằng Python

Triển khai thuật toán Random Forest bằng Python

Triển khai thuật toán Random Forest bằng Python

Top