# Class UDF
Class UDF基于面向对象编程范式实现，主要目的是为了创建有状态的处理逻辑。函数要求实现__init__, __call__等方法。
#### Class UDF注册
Class UDF注册传入的是Python类，对于__init__、__call__、 __del__ 3个实例方法有特殊的含义认定，详情请参见下表；其他的Python类和实例方法不做限制，用户可以任意添加。
表1注册Python Class时的特殊实例方法 
| Python Class方法                     | 是否必须 | 参数                                    | 含义            | 适用场景                        |
|:---|:---|:---|:---|:---|
| __init__(self, \*args, \*\*kwargs) | 否    | 通过with_arguments方法传入参数，只允许传入标量Scalar。 | UDF的构造方法。     | 初始化UDF属性（如保存参数、打开文件、建立连接等）。 |
| __call__(self, \*args, \*\*kwargs) | 是    | 通过UDF算子传入参数，可以传入标量Scalar和列名Column。    | UDF的业务逻辑方法入口。 | UDF处理数据、执行计算。               |
| __del__(self)                      | 否    | 不支持传入参数。                              | UDF的析构方法。     | UDF资源清理（如关闭文件、断开网络连接等）。     |
   
#### 示例
```
import ibis
import aura_frame as aura
from aura_frame.multimodal import ai_lake
target_database = "test"
class Hello:
    def __init__(self, firstname: str, lastname: str): 
        self.firstname = firstname
        self.lastname = lastname
    def __call__(self, location: str) -> str:
        return f"Hello {self.firstname} {self.lastname}! Welcome to {location}"
con = ai_lake.connect(
        aura_endpoint=os.getenv("aura_endpoint"),
        aura_endpoint_name=os.getenv("aura_endpoint_name"),
        aura_workspace_id=os.getenv("aura_workspace_id"),
        lf_catalog_name=os.getenv("lf_catalog_name"),
        access_key=os.getenv("access_key"),
        secret_key=os.getenv("secret_key"),
        default_database=target_database,
        use_single_cn_mode=True
)
try:
    hello_udf = con.create_scalar_function(
        Hello, name="hello", database=target_database
    )
    ds = con.load_dataset(name="your-table", schema="your-schema")
    ds = ds.map(fn=hello_udf, on=[ds.city], as_col="new_column",
                firstname="Ethan", lastname="Carter")
    ds = ds.select_columns(ds.city, ds.new_column)
    ds.show(limit=1)
finally:
    con.close()
```