Python 拾遗

哈

偶尔复习，查漏补缺。（随手写的笔记，不建议看。。）

不可变对象

不可变对象常用在 参数共享/参数传递 上，好处很多，一是可以使用字符串池来节省空间，二是该对象可以安全地共享/传递，不会造成误修改问题。

1. numbers
2. string
3. tuple
4. frozenset

a. 问题

在使用*作为重复运算符时，如果目标是一个嵌套的可变对象，就会产生令人费解的问题：

>>> a = [1,2,3]
>>> b = a * 3
>>> b
[1, 2, 3, 1, 2, 3, 1, 2, 3]
>>> b = [a] * 3  # nested
>>> b
[[1, 2, 3], [1, 2, 3], [1, 2, 3]]
>>> b[1][1] = 4
>>> b
[[1, 4, 3], [1, 4, 3], [1, 4, 3]]

因为 * 并不是深拷贝，它只是简单地复制了 [a] 这个列表，里面的 [1,2,3] 都是同一个对象，所以改了一个，所有的都会改变。
解决方法是不要使用 * 号，改用[a.copy() for i in range(3)] 执行深拷贝。如果不需要修改，请直接使用不可变对象。

b. 奇技淫巧

1. 序列分组（使用了浅拷贝的特性）

>>> a = 'asdfghjkl'
>>> iters = [iter(a)] * 3  # 这里是浅拷贝，列表中的三个元素都是同一个迭代器。重点就是这个
>>> parts = zip(*iters)  # 参数解包
>>> list(parts)
[('a', 's', 'd'), ('f', 'g', 'h'), ('j', 'k', 'l')]

作用域

1. Python 中只有模块，类以及函数才会引入新的作用域，其它的代码块是不会引入新的作用域的。（而在 C/Java 中，任何一个 {} 块就构成一个局部作用域。另外 Julia 中 for/while/try-catch 都是局部作用域，但 if-else 又不是局部作用域。总之这些小差别要注意。）
2. 局部变量可以与外部变量同名，并且在其作用域中，局部变量会覆盖掉外部变量。
   不知是出于实现简单或是性能，还是其他的原因，好像所有的语言都是这样的。其实我更希望变量的作用域覆盖会报错。
3. 如果有函数与其他函数或变量（甚至某些保留字）同名，后定义的会覆盖掉先定义的。（这是因为 Python 中函数也是对象。而在 C/Java 中这是会报错的）

此外，还有一个小问题，先看一个例子：

>>> i = 4
>>> def f():     # 单纯的从函数作用域访问外部作用域是没问题的
...     print(i)
... 
>>> f()
4

再看一个问题举例：

>>> i = 3
>>> def f():
...     print(i)  # 这里应该是访问外部作用域
...     i = 5     # 可这里又定义了一个同名局部变量 i
... 
>>> f()   # 于是就出错了
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 2, in f
UnboundLocalError: local variable 'i' referenced before assignment

如果在内部作用域先访问外部作用域，再定义一个同名的局部变量，解释器就懵逼了。
如果你其实想做的是改变全局变量 i 的值，就应该在开头声明 global i. 而如果 外部变量 i 不是存在于全局作用域，而是在某个闭合作用域内的话，就该用 nonlocal i

inspect

P.S. 类比 Java 的反射，但是要简单很多

函数式

1. map: Mapping Functions over Iterables
2. zip:
3. filter: Selecting Items in Iterables
4. reduce: Combining Items in Iterables （这个现在在 functools 模块内，常和 operator 模块一起用）

生成器

1. yield from: 从另一个生成器返回值

Built-in Functions

Built-in Functions

时间

1. time: 时间模块，用的最多的应该就是 time.time() 了。
2. datetime: 时间日期处理模块，支持年月日时分秒的算术运算。
3. 性能分析：line_profile: 分析每行的运行时间。

packages

1. __all__: 用于控制 import * 的行为。

2. 通过字符串加载包：importlib

求值

0. compile
   将 source 编译成 AST 对象，该对象可传给 eval 或 exec 执行。

1. eval
   只接受单个表达式 (expression)，evaluate it，并返回表达式的值。

2. exec
   接受包含语句 (statement) 的代码段，execute it only for its side effects，无返回值。

装饰器

装饰器有两种：用函数定义的装饰器，还有用类定义的装饰器。函数装饰器最常用。

装饰器可用于装饰函数，修改函数/类的某些行为，或者将函数注册到别的地方。

1. 函数定义装饰器

@decc
def gg(xx):
    ...

# 等同于
def gg(xx)
gg = decc(gg)

带参的装饰器

@decorator(A, B)
def F(arg):
    ...

F(99)

# 等同于
def F(arg):
    ...

F = decorator(A, B)(F)      # Rebind F to result of decorator's return value
F(99)                                # Essentially calls decorator(A, B)(F)(99)

上面演示的是用函数定义的装饰器，也是最常用的装饰器。
装饰器接收的参数可以是各种各样的，下面是一个带参的装饰器：

@on_command("info")
def get_info():
    return "这就是你需要的 info"

def on_command(name: str):  # 调用此函数获得装饰器，这样就实现了带参装饰器
    def deco(func: Callable) -> Callable:  # 这个才是真正的装饰器
        # 将命令处理器注册到命令列表内
        return func  # 直接返回原函数，这样的话，多个装饰器就不会相互影响了。
    return deco

# 上面的等同于：
get_info = on_command("info")(get_info)  # on_command("info") 返回真正的装饰器

如果你的 on_command 有通用的部分，还可以将通用的部分抽离出来复用：

def _deco_maker(event_type: str) -> Callable:  # 调用这个，获取 on_xxx 的 deco_deco，
    def deco_deco(self) -> Callable:   # 这个对应 on_xxx
        def deco(func: Callable) -> Callable: # 这个才是真正的装饰器
            # do something 
            return func  # 返回原函数

        return deco

    return deco_deco

我们知道 Python 的类实际上是可以很方便的修改的，因此函数装饰器也能用于装饰类，修改类的某些行为。

def log_getattribute(cls):
    # Get the original implementation
    orig_getattribute = cls.__getattribute__

    # Make a new definition
    def new_getattribute(self, name):
        print('getting:', name)
        return orig_getattribute(self, name)

    # Attach to the class and return
    cls.__getattribute__ = new_getattribute  # 修改了被装饰类 cls 的 __getattribute__
    return cls

# Example use
@log_getattribute
class A:
    def __init__(self,x):
        self.x = x
    def spam(self):
        pass

2. 类定义装饰器

类定义装饰器和函数定义装饰器的使用方式完全一致。它也可以用于装饰函数或者类。

那么为啥还需要类定义装饰器呢？它的优势在于类是可以继承的，这样的话，就能用继承的方式定义装饰器，将通用部分定义成超类。

类定义装饰器的定义方法如下：

# PythonDecorators/entry_exit_class.py
class entry_exit(object):

    def __init__(self, f):
        self.f = f

    def __call__(self):  #关键在于这个函数，它使此类的对象变成 Callable
        print("Entering", self.f.__name__)
        self.f()
        print("Exited", self.f.__name__)

@entry_exit
def func1():
    print("inside func1()")

# 上面的装饰器相当于
func1 = entry_exit(func1)  # 从这里看的话，装饰器的行为完全一致

# 接下来调用该函数（实际上是调用了 entry_exit 对象的 call 函数）
func1()

输出结果如下：

Entering func1
inside func1()
Exited func1

OOP

1. 调用超类方法：

   • 直接通过超类名.__init__(self,xx)调用
   • 通过super(__class__, self).__init__()调用。
     （Python3 可直接用 super().__init__()
     但是要搞清楚，super() 方法返回的是一个代理类。另外被代理的类也不一定是其超类。如果不清楚这些差别，最好还是显式用方法一最好。）

2. 抽象超类：@abstractmethod

3. @staticmethod @classmethod 与 Java 的 static 方法对比
   python的类方法、静态方法，与java的静态方法：

   1. java 中 constants、utils 这样的静态类，对应的是python的一个模块（文件），类属性对应模块的全局属性，静态方法对应模块的函数

   2. 对于 java 中需要访问类属性的静态方法，如果它不属于第一类，应该用 @classmethod 实现它。classmethod最大的特点就是一定有一个 cls 传入。这种方法的主要用途是实现工厂函数。

   3. 对于不需要访问任何类属性，也不属于第一类的方法，应该用 @staticmathod 实现。这种方法其实完全不需要放到类里面，它就是一个独立的函数。（仍然放里面，是为了把功能类似的函数组织到一起而已。）

4. __slots__: 属性导出，不在该列表内的属性，若存在则为只读。不存在的话，就不存在。。
   6. __getattr__: 拦截对不存在的属性的访问，可用于实现动态分配属性。

5. __getattribute__: 和上面相同，但是它拦截对所有属性的访问，包括对已存在的属性的访问。

6. @property: 提供对属性访问的安全检查

7. descriptor: get set delete 控制对类的访问。（上面的 getattr 等是控制对类的属性的访问）

8. 类构造器 __new__：在 __init__ 之前运行，它接收一个 cls 参数，然后使用它构造并返回类实例 self。

9. 类方法的 cls 即是当前类，是 type 的实例，cls.xxx 和 <类名>.xxx 调用结果是一致的。而 self 由 __new__ 构造，是 cls 的实例。

元类 metaclasses

元类，也就是用于创建class 的 class，算是很高级的话题了（If you wonder whether you need metaclasses, you don’t ）
元类的工作流程：

1. 拦截类的创建
2. 修改类
3. 返回修改之后的类
   详细直接看 http://blog.jobbole.com/21351/ 吧。

查看源码

Python 很多功能是 C 写的，直接从 Pycharm 中只能看到自动生成的文档。
对一般的标准库的模块，查看方法是很简单的：直接通过 __file__ 属性就能看到。
而对于 builtins 模块，都在这个文件里。