Summary  
This chapter covers how to use Python’s @property decorator and the descriptor protocol to implement getters and setters for controlled attribute access, validation, and computed properties.  

General domain of usage  
Modeling and validating physical measurements

Egenskaper og getters/setters gir kontrollert tilgang til klasseattributter, og gjør enkel attributtilgang til kraftige, validerte og beregnede interaksjoner. De bygger bro mellom direkte bruk av attributter og metodebasert kontroll, og kombinerer lesbarhet med robusthet.

Egenskaper i Python bruker **descriptor-protokollen** i bakgrunnen. Dette gjør at metoder dekorert med `@property` kan oppføre seg som attributter, samtidig som de kjører egendefinert logikk.


class Temperature:
    def __init__(self, celsius):
        self._celsius = celsius

    @property
    def celsius(self):
        return self._celsius

    @celsius.setter
    def celsius(self, value):
        if -273.15 <= value <= 1e4:     # validation
            self._celsius = value
        else:
            raise ValueError("Invalid temperature")

    @property
    def fahrenheit(self):
        return (self._celsius * 9/5) + 32

t = Temperature(25)
print(t.fahrenheit)    # Computed property
t.celsius = -300       # Raises ValueError

**Profesjonelle mønstre** inkluderer **lat evaluering** for ressurskrevende beregninger, **mellomlagring** for ofte brukte verdier, **tydelige feilmeldinger** ved validering, og **grundig dokumentasjon** av egenskapsatferd. Egenskaper bør oppleves som **naturlige attributter** samtidig som de gir **kontroll som metoder**.

**Ytelseshensyn** er viktig for ofte brukte egenskaper. Enkle **getters/setters** har minimal overhead, men **avansert validering** eller **tunge beregninger** kan redusere ytelsen. I slike tilfeller er **mellomlagring**, **lat evaluering** og **effektive algoritmer** avgjørende.

Valget mellom **egenskaper og tradisjonelle getters/setters** avhenger av behov: egenskaper gir **renere syntaks** og følger **Python-idiomer**, mens eksplisitte metoder kan være bedre for **avansert validering** eller **metodebaserte API-er**.

Hvilken fordel gir Python-egenskaper sammenlignet med tradisjonelle getter- og setter-metoder?

Lær hvordan du bygger rene, sikre og skalerbare applikasjoner med objektorientert programmering i Python. Dekker grunnleggende konsepter som klasser og objekter, og går deretter videre til avanserte emner som arv, komposisjon, polymorfisme og innkapsling. Med klare forklaringer og praktiske eksempler utvikler du evnen til å designe Python-programmer som er kraftige, vedlikeholdbare og klare for bruk i virkelige situasjoner.

Lær de grunnleggende byggesteinene i objektorientert programmering i Python. Denne delen dekker klasser, objekter, metoder og variabler, og gir deg et solid grunnlag for å forstå hvordan OOP organiserer og strukturerer kode.

Utforsk hvordan klasser kan dele og utvide funksjonalitet. Du vil lære om ulike arvmønstre, fra enkle hierarkier til multippel arv og abstrakte klasser, og se hvordan de muliggjør gjenbruk av kode og skalerbarhet.

Lær hvordan du bygger fleksible systemer ved å kombinere objekter. I stedet for å kun stole på arv, vil du se hvordan komposisjon lar deg sette sammen funksjonalitet på en modulær og tilpasningsdyktig måte.

Forstå hvordan ulike objekter kan dele et felles grensesnitt samtidig som de oppfører seg på sin egen måte. Denne delen viser hvordan metodeoverstyring, grensesnitt og protokoller gjør koden din mer dynamisk og gjenbrukbar.

Lær hvordan du beskytter interne data og kontrollerer tilgang til klasseattributter. Du vil utforske private attributter, getters og setters, samt teknikker for å skjule data som gjør klassene dine sikre og vedlikeholdbare.

Bruk av getters og setters