很多 Python 代码看起来很“自然”，比如对象可以被打印、可以参与运算、可以像容器一样迭代、甚至可以像函数一样调用。这些行为背后依赖的，其实就是 Python 数据模型以及一系列魔术方法。
这一节我们会从最常见的 __init__、__repr__、__iter__、__call__ 等成员切入，理解对象行为是如何被语言本身“约定”出来的。掌握这一层以后，你会对 Python 的表达力有更深的感受。
什么是 Python 数据模型？
所谓 Python 数据模型，可以先把它理解成：当一个对象想表现得像某种“语言内建角色”时，需要遵守的一套约定。
比如：
- 想让对象能被
len()处理，就实现相关长度协议； - 想让对象能被
for遍历，就实现迭代协议； - 想让对象打印出来更友好，就实现字符串表示相关方法。
这些能力并不是靠某个统一接口类强制继承来的，而是通过一组特殊命名的方法完成的，这些方法通常被称为魔术方法或 dunder 方法。
所以数据模型真正重要的不是“背方法名”，而是理解：Python 语言很多看起来天然的行为，背后其实都是对象和解释器之间的约定。
对象初始化：__new__ 与 __init__
最常见的魔术方法，通常是 __init__。我们前面已经接触过，它负责实例创建后的初始化。
class User:
def __init__(self, name):
self.name = name但在它之前，其实还有 __new__。它负责“创建实例对象本身”。
对于大多数日常业务代码来说，你通常只需要写 __init__ 就够了。__new__ 更多出现在不可变对象定制、元编程或某些特殊底层场景里。
所以这里最重要的结论不是去频繁使用 __new__，而是知道两者职责不同：
__new__负责创建对象；__init__负责初始化对象。
一旦这个分工清楚了，你对对象生命周期的理解就会更完整。
可读表示：__repr__ 与 __str__
如果你打印一个自定义对象，默认输出往往不太友好：
<__main__.User object at 0x...>这时就可以通过 __repr__ 或 __str__ 改善可读性。
class User:
def __init__(self, name):
self.name = name
def __repr__(self):
return f"User(name={self.name!r})"一般可以这样理解：
__repr__更偏向开发者视角，强调准确、可调试；__str__更偏向用户视角，强调友好、易读。
如果你只实现一个，优先实现 __repr__ 往往更有价值，因为它对调试、日志和 REPL 体验帮助很大。
很多库之所以用起来顺手，一个很重要的细节就是它们把对象表示写得足够清楚。你一打印，就知道里面有什么。
容器行为：__len__、__iter__ 与 __contains__
如果一个对象想表现得像容器，就需要实现相应协议。
例如长度：
class Team:
def __init__(self, members):
self.members = members
def __len__(self):
return len(self.members)这样你就可以直接写：
team = Team(["a", "b", "c"])
print(len(team))如果希望对象能被遍历，可以实现 __iter__：
class Team:
def __init__(self, members):
self.members = members
def __iter__(self):
return iter(self.members)这样对象就能直接用于 for 循环。
而 __contains__ 则决定 in 判断的行为：
def __contains__(self, item):
return item in self.members这些方法的价值在于，它们让你的对象不只是“自定义数据块”，而是真正能融入 Python 原生语法生态。
不过也要记住，不要为了“炫技”而乱加协议。只有当对象确实具备某种角色语义时，再去实现对应方法，否则就会制造误导。
可调用对象：__call__ 的实际意义
有些对象创建出来后，可以像函数一样直接调用，这背后对应的就是 __call__：
class Greeter:
def __call__(self, name):
return f"Hello, {name}"然后：
g = Greeter()
print(g("Colin"))这类设计常见于：
- 带状态的处理器；
- 策略对象；
- 装饰器对象；
- 某些机器学习或规则引擎里的可执行实例。
它的核心意义是：这个对象本身不仅保存状态，还代表一种“可执行行为”。
所以 __call__ 并不是为了把代码写得更魔幻，而是为了让“对象 + 行为”在语义上收拢成一个整体。
运算符重载与行为定制边界
Python 还允许你通过 __add__、__eq__ 等方法定制运算行为：
class Money:
def __init__(self, amount):
self.amount = amount
def __add__(self, other):
return Money(self.amount + other.amount)这样两个 Money 对象就可以直接相加。
这类能力非常强，但也要特别克制。因为运算符重载一旦不符合直觉，代码就会变得很难猜。
好的行为定制，应该满足两个条件：
- 符合语言用户的直觉；
- 能清楚表达领域对象的语义。
如果一个对象明明不是数字，却硬要重载一堆算术运算；或者某个比较操作的结果和常识不一致，那这种“灵活”反而会伤害可读性。
所以，数据模型带来的自由越大，越需要你守住语义边界。
总结与预告
这一节我们从多个高频魔术方法出发，理解了 Python 对象行为背后的数据模型约定。很多“看起来很自然”的语言体验，其实都来自这些底层约定在默默工作。
下一节我们会从对象行为转向程序健壮性，系统讲清异常处理、自定义异常以及错误边界应该如何设计。