Python中如何检测超类方法的调用来源子类？

实现方案说明 #

有两种常用的实现方式，优先推荐第一种符合面向对象设计的多态方案：

方案1：多态实现（推荐） #

该方案符合开闭原则，后续新增子类不需要修改超类已有代码，也不需要硬编码判断子类标识：

from abc import ABC, abstractmethod
import sparsesvd

class BaseReducer(ABC):
    # 超类公共逻辑：仅负责通用的SVD计算
    def dimensionality_reduction(self, sparse_weighted_matrix, factors):
        ut, _, v = sparsesvd(sparse_weighted_matrix, factors)
        # 调用子类各自实现的返回逻辑
        return self._get_result(ut, v)
    
    # 抽象方法，强制所有子类必须实现自己的返回规则
    @abstractmethod
    def _get_result(self, ut, v):
        raise NotImplementedError("子类必须实现_get_result方法")

子类实现示例：

# 对应返回ut的子类
class MethodAReducer(BaseReducer):
    def _get_result(self, ut, v):
        return ut

# 对应返回v的子类
class MethodBReducer(BaseReducer):
    def _get_result(self, ut, v):
        return v

# 第三个子类可自定义返回规则
class MethodCReducer(BaseReducer):
    def _get_result(self, ut, v):
        return ut.dot(v) # 示例逻辑，可按需修改

使用时直接实例化对应子类调用方法即可，不需要传入任何类型标记参数：

reducer_a = MethodAReducer()
result = reducer_a.dimensionality_reduction(your_matrix, 10) # 自动返回ut

方案2：超类直接判断子类名称（快速实现） #

如果只是临时优化不想改动太多代码，可以直接通过self.__class__.__name__获取当前调用方的子类名，完全匹配你预期的写法：

def dimensionality_reduction(self, sparse_weighted_matrix, factors):
    ut, _, v = sparsesvd(sparse_weighted_matrix, factors)
    subclass_name = self.__class__.__name__
    if subclass_name == 'MethodA':
        return ut
    elif subclass_name == 'MethodB':
        return v
    else:
        raise Exception('Invalid algorithm selected') 

注意：该方案后续新增子类时需要同步修改超类的判断逻辑，不符合开闭原则，仅适合小项目临时使用。另外你写的示例代码里elif后用了单等号=属于语法错误，需要修改为双等号==。

内容的提问来源于stack exchange，提问作者Emil