流畅的Python之奇技淫巧(一)

第1章 Python数据类型

1.3 特殊方法一览

原文如下

Python 语言参考手册中的“Data Model”(https://docs.python.org/3/reference/datamodel.html)
一章列出了 83 个特殊方法的名字,其中 47 个用于实现算术运算、位运算和比较操作。
表 1-1 和表 1-2 列出了这些方法的概况。

※奇技淫巧之魔法方法的巧妙使用

注！ 当交换两个操作数的位置时,就会调用反向运算符( b * a 而不是 a * b )。增量赋值运算符则是一种把中缀运算符变成赋值运算的捷径( a = a * b 就变成了 a *= b )。第 13 章会对这两者作出详细解释。注意标准模板

---

第２章 序列构成的数组

2.1 内置序列类型概览

Python 标准库用 C 实现了丰富的序列类型,列举如下。

• 容器序列
  
  • list 、 tuple 和 collections.deque 这些序列能存放不同类型的数据。
• 扁平序列
  
  • str 、 bytes 、 bytearray 、 memoryview 和 array.array ,这类序列只能容纳一种类型。
• 可变序列
  
  • list 、 bytearray 、 array.array 、 collections.deque 和 memoryview 。
• 不可变序列
  
  • tuple 、 str 和 bytes 。

注！ 容器序列存放的是它们所包含的任意类型的对象的引用,而扁平序列里存放的是值而不是 引用。换句话说,扁平序列其实是一段连续的内存空间。由此可见扁平序列其实更加紧凑,但是它里面只能存放诸如字符、字节和数值这种基础类型。 序列类型还能按照能否被修改来分类。

图 2-1 显示了可变序列( MutableSequence )和不可变序列( Sequence )的差异,同时也
能看出前者从后者那里继承了一些方法。虽然内置的序列类型并不是直接从 Sequence 和
MutableSequence 这两个抽象基类(Abstract Base Class,ABC)继承而来的,但是了解这
些基类可以帮助我们总结出那些完整的序列类型包含了哪些功能

2.2 列表推导和生成器表达式

2.2.1 列表推导和可读性

Python2中列表推倒式会有变量泄露问题，而Python3中不存在的~

                     **列表推导不会再有变量泄漏的问题**
Python 2.x 中,在列表推导中 for 关键词之后的赋值操作可能会影响列表推导上下文中
的同名变量。像下面这个 Python 2.7 控制台对话:
        Python 2.7.6 (default, Mar 22 2014, 22:59:38)
        [GCC 4.8.2] on linux2
        Type "help", "copyright", "credits" or "license" for more information.
        >>> x = 'my precious'
        >>> dummy = [x for x in 'ABC']
        >>> x
        'C'
如你所见, x 原本的值被取代了,但是这种情况在 Python 3 中是不会出现的。
列表推导、生成器表达式,以及同它们很相似的集合( set )推导和字典( dict )推
导,在 Python 3 中都有了自己的局部作用域,就像函数似的。表达式内部的变量和赋
值只在局部起作用,表达式的上下文里的同名变量还可以被正常引用,局部变量并不
会影响到它们。
这是 Python 3 代码:
        >>> x = 'ABC'
        >>> dummy = [ord(x) for x in x]
        >>> x ➊
        'ABC'
        >>> dummy ➋
        [65, 66, 67]
        >>>
➊ x 的值被保留了。
➋ 列表推导也创建了正确的列表。

2.2.3 笛卡儿积

※奇技淫巧之列表推导式的巧妙使用

示例 2-4  使用列表推导计算笛卡儿积

>>> colors = ['black', 'white']
>>> sizes = ['S', 'M', 'L']
>>> tshirts = [(color, size) for
>>> tshirts
[('black', 'S'), ('black', 'M'),('black', 'L'), ('white', 'S'),('white', 'M'), ('white', 'L')]
>>> for color in colors: ➋
...     for size in sizes:
...         print((color, size))
...
('black', 'S')
('black', 'M')
('black', 'L')
('white', 'S')
('white', 'M')
('white', 'L')
>>> tshirts = [(color, size) for size in sizes for color in colors]➌
>>> tshirts
[('black', 'S'), ('white', 'S'),('black', 'M'), ('white', 'M'),('black', 'L'), ('white', 'L')]
➊ 这里得到的结果是先以颜色排列,再以尺码排列。
➋ 注意,这里两个循环的嵌套关系和上面列表推导中 for 从句的先后顺序一样。
➌ 如果想依照先尺码后颜色的顺序来排列,只需要调整从句的顺序。我在这里插入了一个
换行符,这样顺序安排就更明显了。
在第 1 章的示例 1-1 中,有下面这样一段程序

注！生成器表达式即将[]换为()即可.

2.3.4 具名元组

collections.namedtuple 是一个工厂函数,它可以用来构建一个带字段名的元组和一个有名字的类——这个带名字的类对调试程序有很大帮助。

注！用 namedtuple 构建的类的实例所消耗的内存跟元组是一样的,因为字段名都被存在对应的类里面。这个实例跟普通的对象实例比起来也要小一些,因为Python 不会用 dict 来存放这些实例的属性。

示例 2-9  定义和使用具名元组
    >>> from collections import namedtuple
    >>> City = namedtuple('City', 'name country population coordinates')➊
    >>> tokyo = City('Tokyo', 'JP', 36.933, (35.689722, 139.691667))➋
    >>> tokyo
    City(name='Tokyo', country='JP', population=36.933, coordinates=(35.689722,139.691667))
    >>> tokyo.population➌
    36.933
    >>> tokyo.coordinates
    (35.689722, 139.691667)
    >>> tokyo[1]
    'JP'
➊ 创建一个具名元组需要两个参数,一个是类名,另一个是类的各个字段的名字。后者可以是由数个字符串组成的可迭代对象,或者是由空格分隔开的字段名组成的字符串。
➋ 存放在对应字段里的数据要以一串参数的形式传入到构造函数中(注意,元组的构造函数却只接受单一的可迭代对象)。
➌ 你可以通过字段名或者位置来获取一个字段的信息。
除了从普通元组那里继承来的属性之外,具名元组还有一些自己专有的属性。示例 2-10 中就展示了几个最有用的: _fields 类属性、类方法 _make(iterable) 和实例方法 _asdict() 。
示例 2-10  具名元组的属性和方法(接续前一个示例)
    >>> City._fields➊
    ('name', 'country', 'population', 'coordinates')
    >>> LatLong = namedtuple('LatLong', 'lat long')
    >>> delhi_data = ('Delhi NCR', 'IN', 21.935, LatLong(28.613889, 77.208889))
    >>> delhi = City._make(delhi_data)➋
    >>> delhi._asdict()➌
    OrderedDict([('name', 'Delhi NCR'), ('country', 'IN'), ('population',21.935), ('coordinates', LatLong(lat=28.613889, long=77.208889))])
    >>> for key, value in delhi._asdict().items():
            print(key + ':', value)
    name: Delhi NCR
    country: IN
    population: 21.935
    coordinates: LatLong(lat=28.613889, long=77.208889)
    >>>
➊ _fields 属性是一个包含这个类所有字段名称的元组。
➋ 用 _make()通过接受一个可迭代对象来生成这个类的一个示例，它的做工跟City(*delhi_data) 是一样的。
➌ _asdict() 把具名元组以 collections.OrderedDict 的形式返回,我们可以利用它来把元组里的信息友好地呈现出来。

2.3.5 列表与元祖底层实现的魔法方法对比(作为不可变列表的元组)

2.4.3 多维切片和省略

• 切片
  
  • []运算符里还可以使用以逗号分开的多个索引或者是切片,外部库 NumPy 里就用到了这
    个特性,二维的 numpy.ndarray 就可以用 a[i, j] 这种形式来获取,抑或是用 a[m:n, k:l]
    的方式来得到二维切片。稍后的示例 2-22 会展示这个用法。要正确处理这种[]运算符的
    话,对象的特殊方法 __getitem__ 和 __setitem__ 需要以元组的形式来接收 a[i, j] 中的索
    引。也就是说,如果要得到 a[i, j] 的值,Python 会调用 a.__getitem__((i, j))
• 省略
  
  • 省略(ellipsis)的正确书写方法是三个英语句号( … ),而不是 Unicdoe 码位 U+2026 表示的半个省略号(…)。省略在 Python 解析器眼里是一个符号,而实际上它是 Ellipsis 对象的别名,而 Ellipsis 对象又是 ellipsis 类*的单一实例。 2 它可以当作切片规范的一部分,也可以用在函数的参数清单中,比如 f(a, …, z) ,或 a[i:…] 。在 NumPy 中, … 用作多维数组切片的快捷方式。如果 x 是四维数组,那么 x[i, …] 就是 x[i, :, :, :] 的缩写*。如果想了解更多,请参见“Tentative NumPy Tutorial”(http://wiki.scipy.org/Tentative_NumPy_Tutorial)

2.4.4 给切片赋值

    >>> l = list(range(10)) 
    >>> l 
    [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]   # 创建出来的列表l
    >>> l[2:5] = [20, 30]    # 1.给切片赋值
    >>> l 
    [0, 1, 20, 30, 5, 6, 7, 8, 9]
    >>> del l[5:7]   # 2.切片删除
    >>> l 
    [0, 1, 20, 30, 5, 8, 9] 
    >>> l[3::2] = [11, 22]   # 3.切片赋值
    >>> l 
    [0, 1, 20, 11, 5, 22, 9] 
    >>> l[2:5] = 100 ➊  # 错误类型展示
    Traceback (most recent call last): 
     File "", line 1, in  
    TypeError: can only assign an iterable 
    >>> l[2:5] = [100] 
    >>> l 
    [0, 1, 100, 22, 9]
➊ 如果赋值的对象是一个切片，那么赋值语句的右侧必须是个可迭代对象。即便只有单独
一个值，也要把它转换成可迭代的序列。

2.5 对序列使用 + 和 *

如果想要把一个序列复制几份然后再拼接起来，更快捷的做法是把这个序列乘以一个整
数。同样，这个操作会产生一个新序列：

>>> l = [1, 2, 3] 
>>> l * 5 
[1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3] 
>>> 5 * 'abcd' 
'abcdabcdabcdabcdabcd'

+ 和 * 都遵循这个规律，不修改原有的操作对象，而是构建一个全新的序列。

注！ 注! 如果在 a * n 这个语句中,序列 a 里的元素是对其他可变对象的引用的话,你就需要格外注意了,因为这个式子的结果可能会出乎意料。比如,你想用my_list = [[]] * 3 来初始化一个由列表组成的列表,但是你得到的列表里包含的 3 个元素其实是 3 个引用,而且这3 个引用指向的都是同一个列表。这可能不是你想要的效果。

示例 2-12  一个包含 3 个列表的列表,嵌套的 3 个列表各自有 3 个元素来代表井字游戏的一行方块
        >>> board = [['_'] * 3 for i in range(3)] ➊
        >>> board
        [['_', '_', '_'], ['_', '_', '_'], ['_', '_', '_']]
        >>> board[1][2] = 'X' ➋
        >>> board
        [['_', '_', '_'], ['_', '_', 'X'], ['_', '_', '_']]
➊ 建立一个包含 3 个列表的列表,被包含的 3 个列表各自有 3 个元素。打印出这个嵌套列表。
➋ 把第 1 行第 2 列的元素标记为 X ,再打印出这个列表。
示例 2-13 展示了另一个方法,这个方法看上去是个诱人的捷径,但实际上它是错的。
↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
示例 2-13  含有 3 个指向同一对象的引用的列表是毫无用处的
        >>> weird_board = [['_'] * 3] * 3 ➊
        >>> weird_board
        [['_', '_', '_'], ['_', '_', '_'], ['_', '_', '_']]
        >>> weird_board[1][2] = 'O' ➋
        >>> weird_board
        [['_', '_', 'O'], ['_', '_', 'O'], ['_', '_', 'O']]
➊ 外面的列表其实包含 3 个指向同一个列表的引用。当我们不做修改的时候,看起来都还好。
➋ 一旦我们试图标记第 1 行第 2 列的元素,就立马暴露了列表内的 3 个引用指向同一个对象的事实。

2.6 序列的增量赋值

• 增量赋值运算符 += 和 *=

  • += 背后的特殊方法是 __iadd__ (用于“就地加法”)。
    但是如果一个类没有实现这个方法的话,Python 会退一步调用 __add__

  • eg:–> a += b 如果a 实现 了 __iadd__ 方法,就会调用这个方法。同时对可变序列(例如list、bytearray和array.array)来说, a 会就地改动,就像调用了 a.extend(b) 一样了:首先计算 a + b ,得到一个新的对象,然后赋值给 a。也就是说,在这个表达式中,变量名会不会被关联到新的对象,完全取决于这个类型有没有实现 __iadd__ 这个方法。

  • 类似的*=相对应的是 __imul__和__mul__

接下来有个小例子,展示的是 *= 在可变和不可变序列上的作用:
    >>> l = [1, 2, 3]
    >>> id(l)
    4311953800  # ➊ 刚开始时列表的ID。
    >>> l *= 2
    >>> l
    [1, 2, 3, 1, 2, 3]
    >>> id(l)
    4311953800  # ➋ 运用增量乘法后,列表的 ID 没变,新元素追加到列表上。
    >>> t = (1, 2, 3)
    >>> id(t)
    4312681568  # ➌ 元组最开始的 ID。
    >>> t *= 2
    >>> id(t)
    4301348296  # ➍ 运用增量乘法后,新的元组被创建。

注！对不可变序列进行重复拼接操作的话,效率会很低,因为每次都有一个新对象,而解释器需要把原来对象中的元素先复制到新的对象里,然后再追加新的元素。(str 是一个例外,因为对字符串做 += 实在是太普遍了,所以 CPython 对它做了优化。为 str 初始化内存的时候,程序会为它留出额外的可扩展空间,因此进行增量操作的时候,并不会涉及复制原有字符串到新位置这类操作。)

                        **一个关于 += 的谜题**
读完下面的代码,然后回答这个问题:
示例 2-14 中的两个表达式到底会产生什么结果? 回答之前不要用控制台去运行这两个式子。

示例 2-14  一个谜题
    >>> t = (1, 2, [30, 40])
    >>> t[2] += [50, 60]
到底会发生下面 4 种情况中的哪一种?
    a. t 变成 (1, 2, [30, 40, 50, 60]) 。
    b. 因为 tuple 不支持对它的元素赋值,所以会抛出 TypeError 异常。
    c. 以上两个都不是。
    d. a 和 b 都是对的。


哈哈哈哈~~~~此处插入裘千仞老前辈的枣核之笑^(＊￣（ｏｏ）￣)^
正确答案为 d! 你答对了嘛 详情见示例 2-15

示例 2-15  没人料到的结果: t[2] 被改动了,但是也有异常抛出➊
    >>> t = (1, 2, [30, 40])
    >>> t[2] += [50, 60]
    Traceback (most recent call last):
    File "", line 1, in 
    TypeError: 'tuple' object does not support item assignment
    >>> t
    (1, 2, [30, 40, 50, 60])
➊有读者提出,如果写成 t[2].extend([50, 60]) 就能避免这个异常。确实是这样,但这个例子是为了展示这种奇怪的现象而专门写的。

有兴趣的，或者不理解其中的奥秘的，Python Tutor(http://www.pythontutor.com是一个对 Python 运行原理进行可视化分析的工具)进行分析拆解．

※奇技淫巧之字节码查看代码执行的巧妙使用

示例 2-16  s[a] = b 背后的字节码
        >>> import dis
        >>> dis.dis('s[a] += b')
          1           0 LOAD_NAME                0 (s)
                      2 LOAD_NAME                1 (a)
                      4 DUP_TOP_TWO
                      6 BINARY_SUBSCR                     ➊
                      8 LOAD_NAME                2 (b)
                     10 INPLACE_ADD                       ➋
                     12 ROT_THREE
                     14 STORE_SUBSCR                      ➌
                     16 LOAD_CONST               0 (None)
                     18 RETURN_VALUE
        >>> 
➊ 将 s[a] 的值存入 TOS (Top Of Stack,栈的顶端)。
➋ 计算 TOS += b 。这一步能够完成,是因为 TOS 指向的是一个可变对象(也就是示例 2-15里的列表)。
➌ s[a] = TOS 赋值。这一步失败,是因为 s 是不可变的元组(示例 2-15 中的元组 t )。

至此我得到3粒精华。
    • 不要把可变对象放在元组里面。
    • 增量赋值不是一个原子操作。我们刚才也看到了,它虽然抛出了异常,但还是完成了操作。
    • 查看 Python 的字节码并不难,而且它对我们了解代码背后的运行机制很有帮助。

2.7 list.sort() 方法和内置函数 sorted(list)

>>> a = [5, 2, 1, 3, 4, 0]  # 定义列表ａ
>>> xx = a.sort()  # 对ａ进行排序
>>> a  # 查看ａ的值
[0, 1, 2, 3, 4, 5]  # WC？被改变了
>>> xx  # 查看返回值
>>> print(xx)  # 返回值为None
None
－－－－－－－－－－－       华丽的分割线之sorted()     －－－－－－－－－－－－－－－－
>>> b = [3, 5, 1, 7, 6, 8]  # 定义列表ｂ
>>> yy = sorted(b)  # 对ｂ进行排序
>>> b  # 查看b的值
[3, 5, 1, 7, 6, 8]  # 嗯哼~ 小伙子立场坚定
>>> yy  # 查看返回值, 呦~　还创造了下一代
[1, 3, 5, 6, 7, 8]
>>>

关于list.sort() 和sorted(list)都有的参数

• reverse
  
  • True为被排序的序列里的元素会以降序输出，默认值是 False 。
• key
  
  • eg:–> key=str.lower来实现忽略大小写的排序,或 key=len 进行基于字符串长度的排序。

下面通过这个小例子来看看这两个函数和它们的关键字参数:
        >>> fruits = ['grape', 'raspberry', 'apple', 'banana']
        >>> sorted(fruits)
        ['apple', 'banana', 'grape', 'raspberry'] ➊
        >>> fruits
        ['grape', 'raspberry', 'apple', 'banana'] ➋
        >>> sorted(fruits, reverse=True)
        ['raspberry', 'grape', 'banana', 'apple'] ➌
        >>> sorted(fruits, key=len)
        ['grape', 'apple', 'banana', 'raspberry'] ➍
        >>> sorted(fruits, key=len, reverse=True)
        ['raspberry', 'banana', 'grape', 'apple'] ➎
        >>> fruits
        ['grape', 'raspberry', 'apple', 'banana'] ➏
        >>> fruits.sort()                         ➐
        >>> fruits
        ['apple', 'banana', 'grape', 'raspberry'] ➑
        >>> 

➊新建了一个按照字母排序的字符串列表。
➋原列表并没有变化。
➌按照字母降序排序。
➍新建一个按照长度排序的字符串列表。因为这个排序算法是稳定的,grape 和 apple 的长度都是 5,它们的相对位置跟在原来的列表里是一样的。
➎按照长度降序排序的结果。结果并不是上面那个结果的完全翻转,因为用到的排序算法是稳定的,也就是说在长度一样时,grape 和 apple 的相对位置不会改变。
➏直到这一步,原列表 fruits 都没有任何变化。
➐对原列表就地排序,返回值 None 会被控制台忽略。
➑此时 fruits 本身被排序。

未完待续…

！！！版权声明！！！

本系列为博主学心得与体会，所有内容均为原创（✿◡‿◡）

欢迎传播、复制、修改。引用、转载等请注明转载来源。感谢您的配合

用于商业目的,请与博主采取联系，并请与原书版权所有者联系，谢谢！\(≧▽≦)/

！！！版权声明！！！

---

《流畅的Python》

著    [巴西] Luciano Ramalho

译    安 道 吴 珂

2017年 5 月北京第 1 次印刷

感谢编、著、译、等等

---

生活嘛~　最重要的就是开心喽~　Ｏ（∩＿∩）Ｏ～～

---