Python 面向对象--人狗大战(教程)

简介: Python 面向对象--人狗大战(教程)

可参考代码来方便学习

项目实训

多条狗,多个人,有名字,品种,年龄,攻击力

狗可以咬人,人可以打狗

当有多个实体的情况下,就可以使用模板的形式来使用;

定义一个函数dog,将需要的参数写入字典data,返回data,就完成了模板

再d1给到dog所需要的参数name,d_type也就是实体了,实体可以有很多个

再进行输出print

因为每条狗的攻击力是不一样的,所以写一个字典,来判断攻击力

二哈的攻击力为20,藏獒的攻击力为70

再在data字典下return上写一个if判断来自动区分攻击力

这里好了就输出试一试

能正常输出那么代码也就没有问题了

接下来就生成人,人和dog角色的模板是一样的

定义一个函数person,有两个参数name和age

血量(life_val)是和dog角色一样的100

if 判读age(年龄)>=18,也就是成年人攻击力为50,当age不>=18就为未成年,攻击力为30

最后return data

写完了,那么就输出看一下,18=18,经过判断attack=50

接下来就写游戏交互,交互就可以写成一个函数,dog_bite(狗咬人)

1:定义一个函数dog_bite有两个参数dog_obj和person_obj

2:人的血量减去狗的攻击等于剩余的血量,这个就是咬人动作

3:输出狗的[name]咬了人[name],人掉血[attack_val],还有血量[life_val];

(说的可能不是很明白,看输出就懂了)

4:输出

人打狗其实是一样的,这里就省去步骤,直接看代码

到现在这个代码还没有完全结束,dog_bite不是只属于dog的,person_beat也不是只属于person的,person可以使用dog_bite这个动作,dog也能使用person_beat这个动作;

在这里person使用了dog_bite的动作

这样的话整个就乱 了

要改成dog_bite只能被dog使用,person_beat只能被person使用;就要给到一个限制

咱们可以把咬人的动作放到函数dog下

这样的话在外面是没办法调用dog_bite这个函数的;如果想在执行函数的时候不调用dog_bite,在后面可以调用dog_bite函数,你可以把dog_bite存在data里面(为了可以在函数外部可以调用dog_bite方法),这样在dog_bite函数里就可以不要传dog_obj的值(将dog_bite的dog_obj改成data),现在dog_bite的动作就只属于dog了

Person_beat这个函数也是一样的,这里就直接看代码了(参考修改dog_bite)

这样dog_bite就是专属dog的,person_beat就专属person的

Person person_beat,dog dog_bite就会报错

正常输出试一下

代码到这里就完成了

目录
相关文章
|
19天前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
46 8
|
19天前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
56 7
|
19天前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
47 4
|
19天前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
41 5
|
29天前
|
关系型数据库 开发者 Python
Python编程中的面向对象设计原则####
在本文中,我们将探讨Python编程中的面向对象设计原则。面向对象编程(OOP)是一种通过使用“对象”和“类”的概念来组织代码的方法。我们将介绍SOLID原则,包括单一职责原则、开放/封闭原则、里氏替换原则、接口隔离原则和依赖倒置原则。这些原则有助于提高代码的可读性、可维护性和可扩展性。 ####
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
31 1
|
2月前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
30 1
|
2月前
|
数据采集 数据可视化 数据挖掘
深入浅出:使用Python进行数据分析的基础教程
【10月更文挑战第41天】本文旨在为初学者提供一个关于如何使用Python语言进行数据分析的入门指南。我们将通过实际案例,了解数据处理的基本步骤,包括数据的导入、清洗、处理、分析和可视化。文章将用浅显易懂的语言,带领读者一步步掌握数据分析师的基本功,并在文末附上完整的代码示例供参考和实践。
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
31 1
|
2月前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
41 1