在Python中，使用静态方法实现抽象方法的优缺点是什么？

Question

例如，

import numpy as np


class ExponentialFamily:

    @abstractmethod
    def log_normalizer(self, q):
        raise NotImplementedError


class Multinomial(ExponentialFamily):

    @staticmethod
    def log_normalizer(q):
        max_q = np.maximum(0.0, np.amax(q))
        q_minus_max_q = q - max_q
        return max_q + np.logaddexp(-max_q, np.logaddexp.reduce(q_minus_max_q))

class NegativeBinomial(ExponentialFamily):

    def __init__(self, r):
        super().__init__()
        self.r = r

    def log_normalizer(self, q):
        return -self.r * np.log1p(-mf.exp(q))

一方面，我知道 pylint 会较少抱怨 self 未被使用。另一方面，在这里使用staticmethod似乎很奇怪。

在合作多重继承的情况下，我不能使用staticmethod，因为我至少需要真正的类型来调用super，而超类可能需要self对象。然而，事实并非如此。

Answer 1

从纯粹的 OOP 角度来看，用静态方法覆盖普通方法只是异端。但是由于 Python 处理方法的方式，语言完全允许它。

我会尝试 pro/con 的列表：

优点：

明确表示 Multinomial 中的 log_normalizer 独立于实例
保存 pylint 警告

缺点：

OOP 异端。纯粹主义者会在你之后大喊大叫
对于习惯非动态语言（如 C++ 或 Java
不常见的设计，恕我直言，需要评论解释未来的基本原理 readers/mantainers
可能是一个有问题的设计的结果：一个方法怎么能在基础 class 中是非静态的（抽象应该无关紧要）而在子class

在Python中，使用静态方法实现抽象方法的优缺点是什么？

In Python, what are the pros and cons of implementing an abstract method using a static method?

python

static-methods

abstract-methods

implements