python - 在Python中，使用静态方法实现抽象方法有什么优缺点？

Question

在Python中，使用静态方法实现抽象方法有什么优缺点？

例如，

import numpy as np


class ExponentialFamily:

    @abstractmethod
    def log_normalizer(self, q):
        raise NotImplementedError


class Multinomial(ExponentialFamily):

    @staticmethod
    def log_normalizer(q):
        max_q = np.maximum(0.0, np.amax(q))
        q_minus_max_q = q - max_q
        return max_q + np.logaddexp(-max_q, np.logaddexp.reduce(q_minus_max_q))

class NegativeBinomial(ExponentialFamily):

    def __init__(self, r):
        super().__init__()
        self.r = r

    def log_normalizer(self, q):
        return -self.r * np.log1p(-mf.exp(q))

一方面，我知道 pylint 会更少提示 self 未被使用。另一方面，在这里使用 staticmethod 似乎很奇怪。

在协作多重继承的情况下，我无法使用 staticmethod，因为我至少需要 true 类型来调用 super，而父类(super class)可能需要 self 对象。然而，情况并非如此。

Answer 1

从纯粹的 OOP 角度来看，用静态方法覆盖普通方法只是异端。但由于 Python 处理方法的方式，该语言完全允许这样做。

我将尝试列出赞成/反对的 list :

优点:

• 明确指出Multinomial中的log_normalizer与实例无关
• 保存 pylint 警告

缺点:

• OOP 异端。纯粹主义者会在你身后大喊
• 对于习惯 C++ 或 Java 等非动态语言的程序员来说，这种设计令人不安
• 不常见的设计，恕我直言，需要注释为 future 的读者/维护人员解释其基本原理
• 可能是有问题的设计的结果:一个方法如何在基类中是非静态的(抽象应该不重要)而在子类中是静态的