Python基础
Python
- _name_
- java string和字符串区别
- 深浅拷贝
- 内存池 垃圾回收机制
-
- 引用增减
- 垃圾回收
-
- 引用计数
- 标记清除
- 分代回收
- 缓存机制
-
- 池机制
- free_list
- 装饰器
- 迭代器
- 提高运行效率的方法
- 函数传递方式
name
当一个Python文件作为主程序运行时，name__属性的值将被设置为__main。这提供了一种方式，通过判断__name__来执行特定的代码块。
如果一个Python文件被其他文件导入，name__的值将是该模块的名称，而不是__main。这为模块提供了一种在导入时不执行某些代码的方式。
在编写单元测试时，__name__属性可以用于判断当前模块是否为测试模块，以便执行相应的测试代码。
模块独立运行
通过在模块中使用if name == “main”:语句，确保模块在需要时能够独立运行。这使得每个模块都成为一个可执行的脚本，方便测试和调试。
当在其他程序中导入模块时，name__属性的值将是模块的名称，而不是__main。这使得模块能够无缝地集成到其他程序中，而不执行在if name == “main”:块内的代码。
方便维护、模块独立测试、模块复用
java string和字符串区别
线程安全：
StringBuffer：线程安全
StringBuilder：线程不安全
使用环境：
操作少量的数据使用 String；
单线程操作大量数据使用 StringBuilder；
多线程操作大量数据使用 StringBuffer。
深浅拷贝
深拷贝
不仅拷贝对象，对象内的元素也会发生拷贝。拷贝的是对象。
浅拷贝
只拷贝了对象，对象内的元素并不会发生拷贝。也就是说拷贝的是引用。
但是并不代表浅拷贝下修改了其中一个元素的值，另一个素内元素的值一定会发生变化，还要看被修改的值是否是可变对象：
【情况一】：如果是修改的元素是可变对象（set list dict字典），那么修改了其中一个元素，拷贝的元素会发生变化，；
【情况二】：如果修改的元素是不可变对象（int string tuple元组），那么修改了其中一个元素，拷贝的元素不会发生变化，
内存池 垃圾回收机制
引用增减
增
对象被创建：a = ‘abc’
对象被引用：b = a
对象作为其他对象的一个元素：c = [1,2,a]
对象被作为参数传递给函数：f(a)
减
变量被删除：del a or del b
变量引用了其他对象：b = c or a = c
在其他的引用对象中被删除（移除）：c.remove(a)
引用对象本身被销毁：del c
变量离开了所在的作用域（函数调用结束）：比如f(a)结束时，传入参数a的引用次数-1
可以用sys.getrefcount函数看某个参数引用次数，但是其返回的计数总是比实际的引用次数多1，这是因为这里面包含了调用此函数的临时计数。
垃圾回收
引用计数
当一个对象的引用计数归零时，会被垃圾回收。
Python解释器会定期执行一个循环检测器，搜索不可访问的对象的循环，并删除他们。
优点：简单实时性。
缺点：维护引用计数消耗资源，且无法解决循环引用。
标记清除
创建特殊链表专门用于保存 列表、元组、字典、集合、自定义类等对象，之后再去检查这个链表中的对象是否存在循环引用
缺点：清除非活动的对象前它必须顺序扫描整个堆内存，哪怕只剩下小部分活动对象也要扫描所有对象。
分代回收
简单来说，分代回收就是为了提升标记清除的效率
对标记清除中的链表进行优化，将那些可能存在循引用的对象拆分到3个链表，链表称为：1/2/3三代，每代都可以存储对象和阈值，当达到阈值时，就会对相应的链表中的每个对象做一次扫描，除循环引用各自减1并且销毁引用计数器为0的对象。
缓存机制
因为内存申请和销毁一般比较耗时，Python有两大类缓存机制来避免频繁的内存申请和销毁从而提升效率。
池机制
在解释器中程序一开始就默认创建了一些常见的对象放在池中，当程序中用到这些对象时，只需要从池中获取就行，即引用次数+1，而不需要重新一个新的对象，也不需要开辟新的内存。
此外，在程序过程中池中的对象不会被销毁，除非程序结束。
Python提供了对内存的垃圾回收机制，将不用的内存放到内存池而不是返回给操作系统。
1）Pymalloc 机制。为了加速 Python 的执行效率和管理对小块内存的申请和释放。
2）Python 中所有小于 256 个字节的对象都使用 pymalloc 实现的分配器，而大的对象则使用系统的 malloc。
3）对于Python对象，如整数、浮点数和List，都有其独立的私有内存池，对象间不共享它们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。
free_list
当一个对象的引用计数为0时，程序内部本应该立即将内存销毁，但内部并没有直接销毁。
而是将对象添加到free_list链表中当做缓存，以后再去创建新对象时，不在重新开辟内存，而是直接使用free_list。
Python中不同的数据类型使用的free_list也不同，比如小的整数型就不使用free_list，而是使用池
装饰器
通过装饰器函数，来修改原函数的一些功能，又不会改变原函数的内部实现，又使得原函数不需要修改。装饰器本身可以增强其他函数的功能。
优点：
避免大量的重复代码；
装饰器的原理
装饰器的原理是基于Python的函数对象和闭包的特性。当定义一个装饰器时，我们实际上创建了一个新的函数对象，该对象接受一个函数作为参数。这个新的函数对象的__call__方法被调用，它将调用我们传递给装饰器的原始函数。
当我们使用@decorator语法将装饰器应用于一个函数时，Python会执行以下操作：
创建一个新的函数对象，该对象将调用我们传递给装饰器的原始函数。
将新创建的函数对象的__call__方法设置为装饰器函数。
将新创建的函数对象的__name__属性设置为原始函数的名称。
将新创建的函数对象的__doc__属性设置为原始函数的文档字符串。
将新创建的函数对象的__module__属性设置为原始函数的模块名称。
将新创建的函数对象的__globals__属性设置为原始函数的全局作用域。
将新创建的函数对象的__closure__属性设置为原始函数的闭包。
返回新创建的函数对象。
当我们调用被装饰的函数时，Python会调用我们传递给装饰器的原始函数，并执行我们在装饰器中添加的额外功能。
迭代器
迭代器是一个对象，它可以返回一个序列中的一个个元素。迭代器可以用于遍历列表、字典、集合等数据结构。
迭代器的主要优点是它们可以一次只返回一个元素，这意味着它们可以处理大量数据时节省内存。所以循环遍历常用迭代器。
迭代器的原理
迭代器的原理是基于Python的内置iter()函数和next()函数的特性。当我们调用iter()函数并传递一个可迭代对象时，Python会返回一个迭代器对象。当我们调用next()函数并传递一个迭代器对象时，Python会返回迭代器对象的下一个元素。
当我们调用iter()函数时，Python会执行以下操作：
创建一个新的迭代器对象。
将新创建的迭代器对象的__next__方法设置为迭代器对象的next()方法。
将新创建的迭代器对象的__iter__方法设置为迭代器对象本身。
返回新创建的迭代器对象。
当我们调用next()函数时，Python会执行以下操作：
调用迭代器对象的__next__方法，并返回下一个元素。
如果迭代器对象的__next__方法已经被调用过一次，并且迭代器对象的__iter__方法返回False，则会引发StopIteration异常。
提高运行效率的方法
5方法-使用外部功能包-排序时使用key-针对循环优化-尝试多种编译方法-python版本-交叉编译
函数传递方式
python参数传递采用的是“传对象引用”的方式，这种方式是值传递和引用传递的综合。
不可变参数类型是值传递：
如果函数收到的是一个不可变数据类型（比如数字、字符或者元组）的引用，就不能直接修改原始对象，相当于通过“传值’来传递对象。
可变参数类型是引用传递：
如果函数收到的是一个可变数据类型（比如字典或者列表）的引用，就能修改对象的原始值，相当于通过“传引用”来传递对象。