自动初始化类的多个实例

Question

到目前为止，我主要使用Python进行数据分析，但也有一段时间尝试实现一些东西。现在，我正在尝试为一条鱼建立一个毒物动力学-毒物动力学模型，以分析化学物质对它们的影响。

因此，给定以下代码：

import numpy as np

class fish():

def __init__(self):
    self.resistance_threshold = np.random.normal(0,1)

我的问题是，假设我想初始化fish类的多个实例(比如1000条鱼)，每个实例对一种化学物质具有不同的抵抗力，以便对基于智能体的种群进行建模。如何才能自动实现这一点？

我想知道是否有一些东西，例如使用索引作为变量名的一部分，例如：

for fishid in range(0,1000):
    fishfishid = fish() # use here the value of fishid to become the variables name. E.g. fish1, fish2, fish3, ..., fish999

现在，即使有可能在Python中做到这一点，我总是有一种感觉，实现这1000个实例是一种糟糕的做法。并且想知道是否有类似OOP-Python的方法。例如，设置一个类"population“，在它自己的__init__函数中初始化它，但是我如何在不初始化它们的情况下分配它们呢？

任何提示，指针或链接将非常感谢。

Answer 1

您可以创建一个FishPopulation类，然后根据Fish参数在其中存储所需的所有大小。例如，下面这样的代码将会起作用：

import numpy as np


class Fish:
    def __init__(self):
        self.resistance_threshold = np.random.normal(0, 1)


class FishPopulation:
    def __init__(self, size=1000):
        self.size = size
        self.fishes = [Fish() for _ in range(size)]

你可以像这样迭代它：

fish_population = FishPopulation(size=10)
for fish in fish_population.fishes:
    print(fish.resistance_threshold)

>>> 
    -0.9658927669391391
    -0.5934917229482478
    0.8827336199040103
    -1.5729644992077412
    -0.7682070400307331
    1.464407499255235
    0.7724449293785645
    -0.7296586180041732
    -1.1989783570280217
    0.15716170041128566

你可以像这样访问他们的索引：

print(fish_population.fishes[0].resistance_threshold)

>>> -0.9658927669391391