Python类属性调用报错：Object1无mu属性的解决方法

报错信息 #

AttributeError: type object 'Object1' has no attribute 'mu'

问题代码 #

初始代码片段 #

class Object1:
    def __init__(self):
        mu = np.linspace(1.65, 1.8, num = 50)
        self.mu=mu

完整类代码 #

import scipy.stats as sts
import numpy as np
import matplotlib.pyplot as plt
import scipy as sp

class Object1:
    def __init__(self):
        """
        变量与分布定义

        返回
        -------
        None.
        """
        mu = np.linspace(1.65, 1.8, num = 50)
        self.mu=mu
        uniform_dist = sts.uniform.pdf(mu) + 1 # 小技巧：为演示清晰使用均匀分布，也可调整beta分布的alpha和beta参数让它完全平坦
        self.uniform_dist=uniform_dist
        beta_dist = sts.beta.pdf(mu, 2, 5, loc = 1.65, scale = 0.2) 
        self.beta_dist =beta_dist 

    def normalization(self,distr):
        return distr/distr.sum()

错误调用方式 #

# 直接访问类属性，触发报错
a=Object1.mu
# 用getattr访问类属性，同样报错
a=getattr(Object1,'mu')

问题分析 #

你在__init__方法里通过self.mu定义的是实例属性，这类属性属于类创建出的具体对象，而非类本身。直接用Object1.mu是在访问类的属性，但类本身并未定义mu，因此会抛出属性不存在的错误。

另外调用类中的normalization方法时，必须基于类的实例调用：执行实例.方法(参数)时，Python会自动把实例作为第一个参数传递给方法里的self；如果直接用类.方法(参数)调用，会缺少self参数，导致调用失败。

解决方案 #

先创建类的实例，再通过实例访问属性和调用方法：

# 创建类的实例
bayesian = Object1()

# 通过实例访问属性
uniform_distribution = bayesian.uniform_dist
beta_distribution = bayesian.beta_dist

# 通过实例调用方法
uniform_dist = bayesian.normalization(uniform_distribution)
beta_dist = bayesian.normalization(beta_distribution)

内容的提问来源于stack exchange，提问作者Strovic