Python运算符重载实战指南：通过魔术方法自定义类的加减乘除运算
为什么 __add__ 方法调用失败？核心在于返回值类型
许多开发者在精心编写 __add__ 方法后，执行 a + b 操作时却遇到 TypeError: unsupported operand type(s) 错误。这通常不是方法未定义的问题，而是方法内部缺少 return 语句（默认返回 None），或返回了不兼容的数据类型（例如应返回当前类的新实例却返回了 int）。关键原则在于：Python 运算符重载要求魔术方法必须显式返回一个支持该运算的有效结果对象。
- 务必确认
__add__方法包含return语句，且返回类型符合逻辑（通常需创建同类新实例）。 - 若需支持
int + MyNumber这类反向运算，仅实现__add__是不够的，还需同步实现其配对方法__radd__。 - 牢记
__add__遵循函数式编程理念：接收两个操作数作为输入，输出一个新对象。应避免在方法内部直接修改self。
__iadd__ 与 __add__ 的本质区别：原地更新与新建对象
当执行 a += b 时，Python 会优先调用 __iadd__ 方法；若未找到，则将其解释为 a = a + b（即调用 __add__）。两者语义存在根本差异：__iadd__ 应在原对象上直接修改并返回 self，而 __add__ 必须返回一个全新的独立对象。
__iadd__的实现应返回self。若返回新实例，则a += b执行后变量a的引用地址将发生改变，违背“就地操作”的设计初衷。- 仅实现
__add__时，+=操作仍可运行，但效率较低，因为它需先创建临时对象再进行赋值。 - 常见陷阱：在
__iadd__方法中误写return self + other。这将导致无限递归调用，最终引发栈溢出错误。
处理多类型参数：使用 isinstance 智能分发 int、float 及自定义类
实际应用中，用户常会使用不同类型对象进行运算。例如 Vector(1,2) + 3（向量与标量相加）或 Vector(1,2) + Vector(3,4)（向量间相加）都需得到正确处理。完全硬编码类型判断缺乏灵活性，而单纯依赖鸭子类型又易引发运行时异常。稳健的策略是在魔术方法内部实现类型分发逻辑。
- 在
__add__方法中，可先判断other的类型：if isinstance(other, (int, float)):执行标量加法；elif isinstance(other, Vector):执行向量加法。 - 避免直接访问
other.x等属性，除非完全确定other是当前类的实例——否则极易触发AttributeError。 - 对于完全不支持的类型，正确做法是返回
NotImplemented（注意：并非抛出NotImplementedError异常）。这样 Python 解释器会尝试调用另一操作数的__radd__方法，为运算提供备用路径。
乘法运算重载策略：区分标量乘法与向量点积，避免单一 __mul__ 实现
__mul__ 方法会响应所有 * 运算符，但从数学语义看，“向量 × 标量”与“向量 × 向量”（点积或叉积）具有完全不同的含义。若强行在单一 __mul__ 方法中处理所有情况，内部逻辑将变得混乱且易产生误用。
立即学习“Python免费学习笔记（深入）”；
- 推荐方案：仅让
__mul__支持标量乘法（如Vector * 2）。对于向量点积，可定义独立方法如.dot()；对于叉积运算，则使用.cross()。 - 若确需重载向量间乘法，建议使用
@运算符（需实现__matmul__方法），这是 Python 专为矩阵或向量乘法设计的操作符。 - 切忌在
__mul__中使用len(other) == 2等脆弱条件推断other是否为向量——这既不安全，也违反了类型清晰的设计原则。
最后需特别注意，运算符重载中最易被忽略的细节正是“反向”方法（如 __radd__、__rmul__ 等）的正确实现，以及适时返回 NotImplemented。这些细节决定了自定义类能否无缝融入 Python 数值运算生态系统，而非成为一个无法与其他类型交互的“孤岛”。
