python3中类的__getitem__和__len__使用场景

在Python3中，__getitem__和__len__是两个非常常见的魔术方法（magic methods），主要用于让自定义类表现得像容器（list / dict / tuple 等）。
当实现它们后，你的对象就可以被[]访问、被len()调用。

我给你从使用场景 + 示例 + 原理三个层面讲清楚。

一、__getitem__的使用场景

__getitem__(self, key)用于支持索引访问：

obj[key]

Python 会自动调用

obj.__getitem__(key)

场景1：让对象支持[]访问

例如实现一个类似list的容器。

classMyList:def__init__(self,data):self.data=datadef__getitem__(self,index):returnself.data[index]a=MyList([10,20,30])print(a[1])

输出

20

执行流程：

a[1] ↓ a.__getitem__(1) ↓ self.data[1]

场景2：支持切片操作

Python 的切片：

a[1:3]

其实传入的是slice对象。

classMyList:def__init__(self,data):self.data=datadef__getitem__(self,key):print(type(key))returnself.data[key]a=MyList([1,2,3,4])print(a[1:3])

输出

<class 'slice'> [2,3]

所以__getitem__可以同时支持：

obj[i] obj[i:j] obj[i:j:k]

场景3：实现类似 dict 的访问

例如：

classConfig:def__init__(self):self.data={"lr":0.001,"batch":32}def__getitem__(self,key):returnself.data[key]cfg=Config()print(cfg["lr"])

输出

0.001

二、__len__的使用场景

__len__(self)用于支持

len(obj)

Python 会自动调用：

obj.__len__()

示例

classMyList:def__init__(self,data):self.data=datadef__len__(self):returnlen(self.data)a=MyList([1,2,3,4])print(len(a))

输出

4

三、__getitem__+__len__常见组合场景

这两个方法经常一起使用，因为 Python 的很多机制依赖它们。

场景1：让对象可以被for遍历

classMyList:def__init__(self,data):self.data=datadef__getitem__(self,index):returnself.data[index]def__len__(self):returnlen(self.data)a=MyList([10,20,30])forxina:print(x)

执行逻辑：

for x in a ↓ index = 0 a.__getitem__(0) index = 1 a.__getitem__(1) index = 2 a.__getitem__(2)

直到IndexError结束。

场景2：深度学习 Dataset（非常经典）

例如PyTorch Dataset：

classMyDataset:def__init__(self,data):self.data=datadef__len__(self):returnlen(self.data)def__getitem__(self,idx):returnself.data[idx]

然后：

dataset=MyDataset(data)len(dataset)dataset[10]forxindataset:...

PyTorch DataLoader依赖的就是这两个函数。

典型框架：

• PyTorch Dataset
• HuggingFace Dataset
• TensorFlow Dataset

四、典型应用领域

五、一个高级实际例子（懒加载数据集）

classImageDataset:def__init__(self,files):self.files=filesdef__len__(self):returnlen(self.files)def__getitem__(self,idx):file=self.files[idx]image=load_image(file)returnimage

好处：

dataset[100] 才会加载第100张图片

而不是一次加载全部数据。

这是深度学习数据集的核心设计。

六、底层调用机制

七、什么时候必须实现？

必须实现__len__和__getitem__的典型场景：

1️⃣PyTorch Dataset

__len__() __getitem__()

2️⃣自定义数据容器

3️⃣模拟 list/dict 行为

✅一句话总结

通常用于让类表现得像一个容器。