如何为Python类的delta_方法实现多参数列表下的多行为？

Python不支持方法重载，直接定义同名静态方法会导致后定义的方法覆盖前一个，无法实现多参数列表适配。以下是几种合理简洁的解决方案：

方案一：使用functools.singledispatch实现单分派泛型函数 #

利用Python标准库的单分派装饰器，根据第一个参数的类型自动分发到对应的实现逻辑，扩展性强。

import functools
import datetime
import numpy as np
import scipy.stats as stats

# 假设已定义Option类
class Option:
    def __init__(self, S, K, v, r, T, flag):
        self.S = S
        self.K = K
        self.v = v
        self.r = r
        self.T = T
        self.flag = flag
        # 预计算d1
        T0 = datetime.datetime.today()
        t = ((T - T0).days + 1) / 365
        self.d1 = (np.log(S / K) + (r + 0.5 * v ** 2) * t) / (v * np.sqrt(t))

class Greeks:
    @staticmethod
    @functools.singledispatch
    def delta_(X) -> float:
        raise NotImplementedError("不支持的参数类型，请传入Option对象或包含(S,K,v,r,T,flag)的元组")

    @delta_.register(Option)
    def _(X: Option) -> float:
        """通过Option对象计算期权Delta"""
        return stats.norm.cdf(X.d1, 0, 1) if X.flag == 'c' else -stats.norm.cdf(X.d1, 0, 1)

    @delta_.register(tuple)
    def _(params: tuple) -> float:
        """通过参数元组计算期权Delta"""
        S, K, v, r, T, flag = params
        T0 = datetime.datetime.today()
        t = ((T - T0).days + 1) / 365
        d1 = (np.log(S / K) + (r + 0.5 * v ** 2) * t) / (v * np.sqrt(t))
        return stats.norm.cdf(d1, 0, 1) if flag == 'c' else -stats.norm.cdf(d1, 0, 1)

优点：符合泛型函数设计，新增参数类型只需添加@delta_.register装饰的方法，逻辑分离清晰。
缺点：传入单独参数时需打包为元组，不够直观。

方案二：拆分方法+统一入口（推荐） #

遵循Python"显式优于隐式"的原则，将不同参数类型的逻辑拆分为独立方法，再提供统一入口分发，可读性和维护性最佳。

import datetime
import numpy as np
import scipy.stats as stats

class Option:
    def __init__(self, S, K, v, r, T, flag):
        self.S = S
        self.K = K
        self.v = v
        self.r = r
        self.T = T
        self.flag = flag
        T0 = datetime.datetime.today()
        t = ((T - T0).days + 1) / 365
        self.d1 = (np.log(S / K) + (r + 0.5 * v ** 2) * t) / (v * np.sqrt(t))

class Greeks:
    @staticmethod
    def delta_from_option(X: Option) -> float:
        """通过Option对象计算Delta"""
        return stats.norm.cdf(X.d1, 0, 1) if X.flag == 'c' else -stats.norm.cdf(X.d1, 0, 1)

    @staticmethod
    def delta_from_params(S: float, K: float, v: float, r: float, T: datetime.datetime, flag: str) -> float:
        """通过单独参数计算Delta"""
        T0 = datetime.datetime.today()
        t = ((T - T0).days + 1) / 365
        d1 = (np.log(S / K) + (r + 0.5 * v ** 2) * t) / (v * np.sqrt(t))
        return stats.norm.cdf(d1, 0, 1) if flag == 'c' else -stats.norm.cdf(d1, 0, 1)

    @staticmethod
    def delta_(X=None, S=None, K=None, v=None, r=None, T=None, flag=None) -> float:
        """统一Delta计算入口"""
        if isinstance(X, Option):
            return Greeks.delta_from_option(X)
        elif all(param is not None for param in [S, K, v, r, T, flag]):
            return Greeks.delta_from_params(S, K, v, r, T, flag)
        else:
            raise ValueError("参数无效：请传入Option对象，或完整的S、K、v、r、T、flag参数")

优点：逻辑模块化，每个方法职责单一，调用灵活（可直接调用细分方法或统一入口），可读性强，便于测试和维护。
缺点：需要定义多个方法，但这是合理的职责拆分。

方案三：使用可选参数直接适配 #

通过可选参数判断传入的是Option对象还是单独参数，无需额外装饰器，但参数含义存在歧义，可读性较差。

import datetime
import numpy as np
import scipy.stats as stats
from typing import Union

class Option:
    def __init__(self, S, K, v, r, T, flag):
        self.S = S
        self.K = K
        self.v = v
        self.r = r
        self.T = T
        self.flag = flag
        T0 = datetime.datetime.today()
        t = ((T - T0).days + 1) / 365
        self.d1 = (np.log(S / K) + (r + 0.5 * v ** 2) * t) / (v * np.sqrt(t))

class Greeks:
    @staticmethod
    def delta_(X: Union[Option, float] = None, K: float = None, v: float = None, r: float = None, T: datetime.datetime = None, flag: str = None) -> float:
        if isinstance(X, Option):
            return stats.norm.cdf(X.d1, 0, 1) if X.flag == 'c' else -stats.norm.cdf(X.d1, 0, 1)
        elif all(param is not None for param in [X, K, v, r, T, flag]):
            S = X
            T0 = datetime.datetime.today()
            t = ((T - T0).days + 1) / 365
            d1 = (np.log(S / K) + (r + 0.5 * v ** 2) * t) / (v * np.sqrt(t))
            return stats.norm.cdf(d1, 0, 1) if flag == 'c' else -stats.norm.cdf(d1, 0, 1)
        else:
            raise ValueError("参数无效：请传入Option对象，或完整的S、K、v、r、T、flag参数")

优点：无需额外依赖，代码紧凑。
缺点：第一个参数X在两种场景下含义不同（Option对象或标的价格S），容易造成混淆，可读性差。

内容的提问来源于stack exchange，提问作者solid