python复习技巧_Python基础复习

这里归纳了一些自己目前不够熟悉的Python基础知识/特性

切片

Python可切片对象的索引方式：

切片操作基本表达式：object[start_index:end_index:step]

step：正负数均可，其绝对值大小决定了切取数据时的‘‘步长”，而正负号决定了“切取方向”，正表示“从左往右”取值，负表示“从右往左”取值。当step省略时，默认为1，即从左往右以增量1取值。

start_index：表示起始索引(包含该索引本身)；该参数省略时，表示从对象“端点”开始取值，至于是从“起点”还是从“终点”开始，则由step参数的正负决定，step为正从“起点”开始，为负从“终点”开始。

end_index：表示终止索引(不包含该索引本身)；该参数省略时，表示一直取到数据“端点”，至于是到“起点”还是到“终点”，同样由step参数的正负决定，step为正时直到“终点”，为负时直到“起点”。

切片返回目标对象的浅拷贝

迭代

使用for k, v in d.items()可以同时迭代dict中的key和value：

使用enumerate()可以同时迭代元组的索引和元素：

>>> for i, value in enumerate(['A', 'B', 'C']):

... print(i, value)

...

0 A

1 B

2 C

生成器

迭代器

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator

可以使用isinstance()判断一个对象是否是Iterator对象

高阶函数

map/reduce

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回

reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

filter

和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素

sorted

Python内置的sorted()函数可以对list进行排序

sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：

>>> sorted([36, 5, -12, 9, -21], key=abs)

[5, 9, -12, -21, 36]

key指定的函数将作用于list的每一个元素上，并根据key函数返回的结果进行排序。

偏函数

functools.partial()可以用来创建一个偏函数

python中偏函数的作用就是，把一个函数的某些参数给固定住(也就是设置默认值)，返回一个新的函数，调用这个新函数会更简单。

>>> int('12345', base=8)

5349

>>> import functools

>>> int2 = functools.partial(int, base=2)

>>> int2('1000000')

64

OOP访问限制

实例的变量名如果以__开头，就变成了一个私有变量(private)，只有内部可以访问，外部不能访问：

class Student(object):

def __init__(self, name, score):

self.__name = name

self.__score = score

def print_score(self):

print('%s: %s' % (self.__name, self.__score))

多态

当子类和父类存在相同名称的方法时，子类的同名方法将覆盖父类的对应方法

调试

最简单的调试方法是使用print()来查看变量信息

print()的缺点是它将产生大量垃圾代码

所以，更进一步的方法是使用断言(assert)来替代print()：

assert n != 0, 'n is zero!'

assert会检查后面的表达式的布尔值。如果为false，assert会抛出AssertionError

最成熟的调试方式是使用logging

import logging

logging.basicConfig(level=logging.INFO) # 配置控制台日志输出级别

logging.info("xxx")

单元测试

python自带的单元测试模块为：unittest

Python高级OOP

slots

Python允许在定义class的时候，定义一个特殊的__slots__变量，来限制该class实例能添加的属性：

class Student(object):

__slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称

>>> s = Student() # 创建新的实例

>>> s.name = 'Michael' # 绑定属性'name'

>>> s.age = 25 # 绑定属性'age'

>>> s.score = 99 # 绑定属性'score'

Traceback (most recent call last):

File "", line 1, in

AttributeError: 'Student' object has no attribute 'score'

@property

为了实现既能检查参数，又可以用类似属性这样简单的方式来访问类的变量，Python提供了内置的@property装饰器来实现方法到属性的转换：

class Student(object):

@property

def score(self):

return self._score

@score.setter

def score(self, value):

if not isinstance(value, int):

raise ValueError('score must be an integer!')

if value < 0 or value > 100:

raise ValueError('score must between 0 ~ 100!')

self._score = value

把一个getter方法变成属性，只需要加上@property就可以了，此时，@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值

只定义getter方法，不定义setter方法就是一个只读属性

多继承

多继承又被称作MixIn

MixIn的目的就是给一个类增加多个功能，这样，在设计类的时候，我们优先考虑通过多重继承来组合多个MixIn的功能，而不是设计多层次的复杂的继承关系

Python自带的很多库也使用了MixIn。

Python自带了TCPServer和UDPServer这两类网络服务，而要同时服务多个用户就必须使用多进程或多线程模型，这两种模型由ForkingMixIn和ThreadingMixIn提供。通过组合，我们就可以创造出合适的服务来

比如，编写一个多进程模式的TCP服务，定义如下：

class MyTCPServer(TCPServer, ForkingMixIn):

pass

- 编写一个多线程模式的UDP服务，定义如下：

class MyUDPServer(UDPServer, ThreadingMixIn):

pass

定制类(魔法方法)

看到类似__slots__这种形如__xxx__的变量或者函数名就要注意，这些在Python中是有特殊用途的

类似的方法还有：

len()方法能让class作用于len()函数

str()方法用于变更实例的print()内容

repr()方法用于变更实例在控制台的输出结果

iter()方法可以让实例变成迭代器

枚举类

元类

使用type，我们可以在程序中动态地创建类型，包括类，对象和函数等

元类的一个典型应用场景是ORM：

ORM全称“Object Relational Mapping”，即对象-关系映射，就是把关系数据库的一行映射为一个对象，也就是一个类对应一个表，这样，写代码更简单，不用直接操作SQL语句

要编写一个ORM框架，所有的类都只能动态定义，因为只有使用者才能根据表的结构定义出对应的类来