OOP + จัดระเบียบโค้ด

สัปดาห์นี้สอน OOP "ผ่านการเลี้ยง Pet ดิจิทัล" 🐰 — เพราะมันมี state (หิว/เบื่อ/อายุ) ที่เปลี่ยนได้ · มีหลาย instance (Mochi vs Tofu vs Mango) · และมี behavior (feed/play/sleep) — ตัวอย่างที่สอน OOP ได้สมบูรณ์แบบที่สุด · เริ่มเลย!

เป้าหมายสัปดาห์นี้

• เข้าใจ class, method, __init__, self — ผ่าน Pet 🐰
• เห็นว่า "หลาย instance = หลาย state แยกกัน"
• แยก code เป็นหลาย module (file)
• รู้ "เมื่อไหร่ใช้ OOP / เมื่อไหร่ใช้แค่ function"
• จับ AI เมื่อมัน over-engineer code ของคุณ

🐰 Meet Mochi — Pet ตัวแรกของเรา

ก่อนเรียน "theory" ของ OOP · มารู้จัก Mochi ก่อน — Pet กระต่ายดิจิทัลของเรา · Mochi มี state ที่เปลี่ยนตามเวลา (ความหิว ความสุข อายุ) และเราสามารถดูแลด้วย method 3 อย่าง (feed/play/sleep)

🎮 ลองเลี้ยง Mochi เลย!

ลองรัน Pet class ด้านล่าง · แก้บรรทัด "ใช้งาน" เพื่อ feed/play/sleep หลาย ๆ ครั้ง · ดู state เปลี่ยน

💡 ลองเพิ่ม mochi.play() 5 ครั้ง → ดูว่า hunger จะถึง 10 มั้ย (เล่นเยอะแล้วหิว!)

🤔 ทำไมไม่ใช้ dict?

ถ้าแค่ pet ตัวเดียว · ใช้ dict ก็ได้ — แต่พอมี 3 ตัว · code เริ่ม "ปวดหัว":

🧩 องค์ประกอบของ class — กายวิภาคของ Mochi

มาแยก code ของ Pet ออกเป็น "ชิ้นส่วน" ที่ตั้งชื่อให้รู้จัก:

class Pet:                              # ① class definition
    def __init__(self, name, species):  # ② constructor
        self.name = name                 # ③ attribute (instance data)
        self.species = species
        self.hunger = 5                  # ④ default value
        self.happy = 5

    def feed(self, food):                # ⑤ method
        self.hunger -= 3                  # ⑥ self = "ตัวกระต่ายตัวนี้"
        print(f"{self.name} กิน {food}")


mochi = Pet("Mochi", "🐰")               # ⑦ create instance
mochi.feed("แครอท")                      # ⑧ call method
print(mochi.hunger)                      # ⑨ access attribute

📐 Class Diagram (Mermaid)

🎯 หลาย Pet = หลาย State แยกกัน

"ทำไมไม่ใช้ global variable?" — เพราะ pet หลายตัวต้องมี state ของตัวเอง · class ให้คุณสร้าง หลาย instance โดยแต่ละตัวมี state ไม่ปะปนกัน

class Pet:
    def __init__(self, name):
        self.name = name
        self.hp = 100

    def attack(self, other, dmg):
        other.hp -= dmg

a = Pet("Mochi")
b = Pet("Tofu")
a.attack(b, 30)
a.attack(b, 20)
print(a.hp, b.hp)

100 50

✅ เมื่อไหร่ "ควรใช้" OOP

🚫 เมื่อไหร่ "ไม่ควรใช้" OOP

🤖 AI Over-Engineer Detector — ฉากตลก ๆ ที่เจอจริง

AI ชอบ "show off" ทุกอย่างที่เรียน — รวมทั้ง design patterns ที่ไม่ต้องใช้ · นี่คือฉากที่นักศึกษาเจอบ่อย:

🚩 5 สัญญาณว่า AI Over-Engineer

📁 แยก code เป็น module (file) — เลี้ยง Pet เริ่มใหญ่

ตอนนี้ Pet class โต — มี save/load, มี shop, มี battle · ถ้าใส่ทุกอย่างใน main.py → 500+ บรรทัด หา function ไม่เจอ · ทางออก: แยก concern เป็นไฟล์

pet_app/
├── main.py          ← entry point — รันจากที่นี่
├── pet.py           ← class Pet (data + behavior หลัก)
├── store.py         ← save_pets(), load_pets() — JSON I/O
├── shop.py          ← buy_food(), buy_toy() — ระบบเศรษฐกิจ
└── ui.py            ← show_menu(), print_status() — display

pet.py

class Pet:
    def __init__(self, name, species="🐰"):
        self.name = name
        self.species = species
        self.hunger = 5
        self.happy = 5

    def feed(self, food):
        self.hunger = max(0, self.hunger - 3)

    def status(self):
        return f"{self.species} {self.name}: หิว={self.hunger}"

store.py

import json
from pet import Pet

def save_pets(pets, filename="pets.json"):
    data = [{"name": p.name, "species": p.species,
             "hunger": p.hunger, "happy": p.happy} for p in pets]
    with open(filename, "w", encoding="utf-8") as f:
        json.dump(data, f, ensure_ascii=False, indent=2)

def load_pets(filename="pets.json"):
    with open(filename, encoding="utf-8") as f:
        data = json.load(f)
    pets = []
    for d in data:
        p = Pet(d["name"], d["species"])
        p.hunger = d["hunger"]
        p.happy = d["happy"]
        pets.append(p)
    return pets

main.py

from pet import Pet
from store import save_pets, load_pets

def main():
    mochi = Pet("Mochi", "🐰")
    tofu  = Pet("Tofu",  "🐱")
    mochi.feed("แครอท")

    save_pets([mochi, tofu])
    print("เซฟแล้ว!")

if __name__ == "__main__":
    main()

🔄 Refactor — แตก 1 ไฟล์ใหญ่

เอา todo.py จาก W07 (TODO Manager) มา refactor:

todo_v2/
├── main.py          ← parse argv, call commands
├── todo.py          ← class Todo (id, text, done)
├── store.py         ← load_todos(), save_todos()
└── commands.py      ← add_command(), list_command(), done_command(), delete_command()

ขอ AI ช่วย refactor — แต่ ทีละไฟล์:

spec: refactor todo.py เดิม (paste code) ให้แตกเป็น 4 ไฟล์ตาม structure ด้านบน
ทำทีละไฟล์ — เริ่มที่ todo.py · ต้องเก็บ behavior เดิมไว้ทุกประการ
อย่าเพิ่ม feature ที่ไม่อยู่ในเวอร์ชันเดิม

🐱 Bonus: Inheritance — Cat สืบทอดจาก Pet

"แล้วถ้า Cat กับ Dog ทำงานต่างกัน?" — Cat ชอบกินปลา · Dog ชอบเล่นเยอะกว่า · ใช้ inheritance ให้ Cat / Dog "สืบทอด" จาก Pet โดยเปลี่ยนแค่ส่วนที่ต่าง

📐 Mermaid — Inheritance Tree

🎨 Type hints — สำคัญในยุค AI

ใส่ type ใน function signature — AI อ่านง่ายขึ้น 5 เท่า · IDE auto-complete ฉลาดขึ้น · เครื่องมือเช็คได้

🧰 Standard structure ของ Python project

my_project/
├── README.md              ← อธิบายโปรเจกต์
├── requirements.txt       ← list ของ library ที่ต้องลง
├── .gitignore             ← บอก git ว่าไฟล์ไหนไม่เก็บ
├── .env                   ← secrets (ไม่ commit!)
├── main.py                ← entry point
├── src/                   ← code หลัก
│   ├── __init__.py
│   ├── student.py
│   └── grading.py
├── tests/                 ← unit tests (W13)
│   └── test_grading.py
└── data/                  ← ข้อมูล (มัก gitignore)
    └── students.csv

requirements.txt

pandas==2.1.0
numpy>=1.26
matplotlib>=3.8
requests

วิธีใช้: pip install -r requirements.txt

.gitignore

__pycache__/
*.pyc
.venv/
.env
*.csv
*.db

🌍 Virtual environment (.venv)

เก็บ library ของแต่ละ project ไว้ในห้องของตัวเอง · ไม่ปนกัน

# สร้าง .venv ใน project folder
python -m venv .venv

# Activate
# Windows:
.venv\Scripts\activate
# Mac/Linux:
source .venv/bin/activate

# ตอนนี้ pip install จะลงใน .venv เฉพาะ project นี้
pip install pandas

# ปิด
deactivate

🧪 Workshop — Refactor TODO Manager + ออกแบบ Pet ของตัวเอง

Part A: Refactor TODO Manager เป็น Module-based

1. Copy todo.py จาก W07 มาวางใน folder ใหม่ todo_v2/
2. วาด class diagram (Mermaid) — มีอะไรเป็น class · มีอะไรเป็น function อิสระ
3. แตกเป็นไฟล์ ตาม structure ด้านบน · refactor ทีละไฟล์
4. ใส่ type hints ทุก function/method
5. เซ็ต virtual environment + requirements.txt
6. ทดสอบ ว่าทุก command ที่เคยทำงานได้ใน v1 ยังทำงานได้ใน v2 — regression test (W05)
7. commit + push GitHub — README อธิบายว่า "ทำไม refactor + structure ใหม่"

Part B: 🐰 Adopt Your Own Pet — ออกแบบ class จากศูนย์

เลือก 1 ตัว ที่ "คุณอยากเลี้ยง" · ออกแบบ class + เขียน + commit

1. เลือก 1 อัน · เขียน spec ใน Spec Scorecard — ระบุ attributes + methods + invariants (e.g. "battery 0-100")
2. วาด class diagram (Mermaid) — ดูตัวอย่าง Pet ด้านบน
3. เขียน class + รัน + ทดสอบ 5 scenarios — ใช้ Python Runner ด้านบนเป็น template
4. สร้าง 3 instances · ทดสอบว่า state แยกกัน
5. เพิ่ม subclass — เช่น Cactus extends Plant (น้ำน้อย) · CleanRobot extends Robot
6. commit + push

ข้อผิดที่พบบ่อย

ส่งงานสัปดาห์นี้

• 📁 todo_v2/ ที่ refactor เสร็จแล้ว · มี structure ตามมาตรฐาน
• 📊 Mermaid class diagram ของ todo_v2 ใน diagrams.md
• ✅ test results — v2 ทำทุก command ได้เหมือน v1
• 🐰 My Own Pet (Part B) — class + subclass + 5 scenarios ทดสอบ + Mermaid diagram
• 📝 commit log อธิบาย refactor steps

Reference จาก slide เดิม

ครอบคลุม Topic 9 — OOP and Matplotlib ส่วน OOP + ขยายไปการจัด module + type hints + virtual env ตามมาตรฐานยุค AI