本文介绍如何通过策略模式与组合（composition）重构过度依赖抽象类继承的绘图系统，避免爆炸式增长的抽象基类，提升代码可维护性、复用性与可测试性。
本文介绍如何通过策略模式与组合（composition）重构过度依赖抽象类继承的绘图系统，避免爆炸式增长的抽象基类，提升代码可维护性、复用性与可测试性。
在面向对象设计中，当面对“为每种数据维度+图表类型组合都定义一个抽象类”（如 AbstractMonthlyContourPlot、AbstractSeasonalLinearPlot）时，往往已落入继承滥用的陷阱。你直觉上感到“越来越深的继承链让代码更复杂”，这非常准确——它违背了开闭原则（难以新增图表类型而不修改基类），也违反了单一职责原则（一个类被迫承载“时间结构逻辑”和“渲染逻辑”双重责任）。
上述示例中，原始设计将绘图行为（contourf vs plot）与布局结构（按月排列子图）耦合在同一个继承链中，导致类爆炸风险。而重构后的方案采用组合优于继承（Composition over Inheritance）这一核心 Pythonic 原则，将关注点清晰分离：
-
Plotter策略接口：封装如何绘制单个子图，每个具体实现（ContourPlotter、LinearPlotter）只专注一种可视化逻辑； -
MonthlyPlot容器类：封装如何组织子图布局（如 12 个月、共享坐标轴等），不关心具体绘图细节，仅依赖Plotter抽象协议； -
运行时组合：通过构造函数注入具体
Plotter实例，实现行为的动态装配。
这种设计带来显著优势：
调用 Cutout.Pro 视觉处理 API 进行背景移除、人像抠图和照片增强，支持文件上传与图片 URL 输入。
✅ 高内聚低耦合：ContourPlotter 不再需要知道“月份”概念；MonthlyPlot 也不需了解 contourf 的 API；
✅ 无限可扩展：新增 HeatmapPlotter 或 BarPlotter 只需实现 Plotter 接口，无需修改任何现有类；
✅ 易于测试：可单独单元测试 ContourPlotter.plot()，也可用 mock Plotter 测试 MonthlyPlot.plot() 的布局逻辑；
✅ 符合 Python 哲学：“显式优于隐式”——行为由传入对象决定，而非继承关系推导。
以下是关键代码片段（含类型提示与健壮性增强）：
立即学习“Python免费学习笔记（深入）”；
from abc import ABC, abstractmethod
from numpy import ndarray
from typing import List, Tuple, Protocol
import matplotlib.pyplot as plt
# 1. 定义绘图策略协议（Protocol 更灵活，非强制继承）
class Plotter(Protocol):
def plot(self, ax: plt.Axes, data: Tuple[ndarray, ...]) -> None: ...
# 2. 具体策略实现（无继承，纯函数式职责）
class ContourPlotter:
def plot(self, ax: plt.Axes, data: Tuple[ndarray, ...]) -> None:
ax.contourf(*data)
class LinearPlotter:
def plot(self, ax: plt.Axes, data: Tuple[ndarray, ...]) -> None:
ax.plot(*data)
# 3. 组合容器：专注结构逻辑，依赖协议而非具体类
class MonthlyPlot:
def __init__(self, plotter: Plotter, n_months: int = 12):
self.plotter = plotter
self.n_months = n_months # 支持自定义周期（如季度=4）
def plot(self, month_to_data: List[Tuple[ndarray, ...]]) -> plt.Figure:
if len(month_to_data) != self.n_months:
raise ValueError(f"Expected {self.n_months} months of data, got {len(month_to_data)}")
fig, axs = plt.subplots(self.n_months, 1, figsize=(8, 2 * self.n_months))
# 处理单子图时 axs 不是数组的情况
if self.n_months == 1:
axs = [axs]
for month, data in enumerate(month_to_data):
self.plotter.plot(ax=axs[month], data=data)
return fig
# 使用示例：灵活组合，语义清晰
monthly_contour = MonthlyPlot(ContourPlotter(), n_months=12)
fig = monthly_contour.plot(month_to_data)
# 同一布局逻辑，切换渲染策略仅需换一个对象
monthly_bar = MonthlyPlot(BarPlotter(), n_months=4) # 季度柱状图注意事项与进阶建议：
⚠️ 避免过度设计：若仅需 2–3 种图表且无复用需求，直接函数式编程（如 def plot_monthly_contour(...)）可能更 Pythonic；
⚠️ 考虑使用 functools.singledispatch 或 @dataclass + __call__ 实现轻量策略；
? 进一步解耦：可将 month_to_data 结构抽象为 DataSource 协议，使 MonthlyPlot 完全脱离数据格式假设；
? 生产级增强：添加 plt.style.context 支持、savefig 封装、异常统一处理等。
总结而言，当你发现抽象类名称开始包含多个形容词（AbstractSeasonalMultiPanelContour），就是该按下暂停键、审视是否该用组合来“搭积木”，而非用继承去“建高楼”——这才是 Python 社区推崇的清晰、灵活、可持续的面向对象实践。
