Python抽象类重载__add__实现随机变量相加的标准方案

需求描述 #

需要为抽象基类RandomVariable实现加法重载，达到以下效果：

• 两个随机变量子类实例执行+运算后，返回新的随机变量实例
• 调用新实例的sample()方法时，返回左右两个操作数分别调用sample()的结果之和
• 预期调用示例：my_random_variable = NormalVariable() + ExponentialVariable()

初始代码框架：

import numpy as np 
from abc import ABC, abstractmethod

class RandomVariable(ABC):
    @abstractmethod
    def sample(self):
        pass
    
    # 待补全__add__实现逻辑

class NormalVariable(RandomVariable):
    def __init__(self, mu=0, sigma=1):
        self.mu = mu
        self.sigma = sigma
    def sample(self):
        return np.random.normal(self.mu, self.sigma)

class ExponentialVariable(RandomVariable):
    def __init__(self, scale=1):
        self.scale=scale
    def sample(self):
        return np.random.exponential(self.scale)

现有实现评估 #

你自行编写的代码逻辑完全正确，是该场景下的标准实现方式，核心逻辑通过专门的AddedVariable类存储相加的左右操作数，采样时分别采样再求和，完全符合需求，代码如下：

import numpy as np 
from abc import ABC, abstractmethod

class RandomVariable(ABC):
    @abstractmethod
    def sample(self):
        pass
    
    def __add__(self, other):
        return AddedVariable(left=self, right=other)
    
    
class NormalVariable(RandomVariable):
    def __init__(self, mu=0, sigma=1):
        self.mu = mu
        self.sigma = sigma
    def sample(self):
        return np.random.normal(self.mu, self.sigma)

class ExponentialVariable(RandomVariable):
    def __init__(self, scale=1):
        self.scale=scale
    def sample(self):
        return np.random.exponential(self.scale)
    
    
class AddedVariable(RandomVariable):
    def __init__(self, left, right):
        self.left = left 
        self.right = right
    def sample(self):
        return self.left.sample() + self.right.sample()

可选优化项 #

如果需要覆盖更多使用场景，可以在现有基础上做少量扩展：

• 补充__radd__反向加法方法，支持常量 + 随机变量的调用形式（比如1 + NormalVariable()）
• 增加类型判断逻辑：如果+另一侧的操作数不是随机变量实例，自动包装为返回固定值的常量随机变量，无需手动做类型转换
• 按相同逻辑扩展__sub__、__mul__等其他算术运算方法，丰富随机变量的运算能力

扩展后的核心代码参考：

class ConstantVariable(RandomVariable):
    """固定值随机变量，采样永远返回传入的固定值"""
    def __init__(self, value):
        self.value = value
    def sample(self):
        return self.value

class RandomVariable(ABC):
    @abstractmethod
    def sample(self):
        pass
    
    def __add__(self, other):
        # 非随机变量类型自动包装为常量
        if not isinstance(other, RandomVariable):
            other = ConstantVariable(other)
        return AddedVariable(left=self, right=other)
    
    def __radd__(self, other):
        # 加法满足交换律，反向加法直接复用__add__逻辑
        return self.__add__(other)

测试用例：

# 两个随机变量相加
rv_sum = NormalVariable() + ExponentialVariable()
print(rv_sum.sample())  # 输出正态分布采样值 + 指数分布采样值

# 常量和随机变量相加
rv_const_sum = 3 + NormalVariable(mu=1, sigma=0)
print(rv_const_sum.sample())  # 固定输出4.0

内容的提问来源于stack exchange，提问作者Danny