在Python中,两边都有双下划线的方法名被称为魔法方法(magic methods)。这些方法是Python语言的基础,它们为Python提供了强大的内置功能。例如,__init__
方法是类的构造函数,__str__
方法定义了对象被转换为字符串时的行为。
以下是一个简单的类示例,它定义了一个带有两边都有双下划线的方法:
class MyClass:
def \_\_init\_\_(self, value):
self.value = value
def \_\_str\_\_(self):
return f"MyClass with value: {self.value}"
# 使用类
obj = MyClass(10)
print(obj) # 输出: MyClass with value: 10
Python中还有很多其他的魔法方法,以下是一些常用的魔法方法:
__init__
:构造函数,当一个对象被创建时会自动调用。
__del__
:析构函数,当一个对象被销毁时会自动调用。
__str__
:返回一个对象的字符串表示,通常用于print函数。
__repr__
:返回一个对象的官方字符串表示,通常用于调试。
__call__
:允许一个对象像函数那样被调用。
__getitem__
、__setitem__
、__delitem__
:用于自定义索引操作,如obj[key]。
__len__
:返回对象的长度,常用于len()函数。
__iter__
:返回一个迭代器,用于遍历对象。
__enter__
和 __exit__
:用于实现上下文管理协议,如with语句。
__add__
、__sub__
、__mul__
等:用于自定义算术运算符的行为。
这些魔法方法允许你自定义Python对象的行为,使其更符合你的需求。你可以根据需要实现这些方法来扩展Python类的功能。
Q. Python中单下划线和双下划线的区别
- “单下划线” 开始的成员变量叫做保护变量,意思是只有类对象和子类对象自己能访问到这些变量,需通过类提供的接口进行访问,不能用“from xxx import *”而导入;
- “双下划线” 开始的是私有成员,意思是只有类对象自己能访问,连子类对象也不能访问到这个数据。仍然可以通过_{classname}__name来访问__name变量。但是强烈建议你不要这么干,因为不同版本的Python解释器可能会把__name改成不同的变量名。
Q. __new__和__init__区别
__new__与__init__区别总共有四个方面:
- 功能上的区别: 前者生成类实例对象空间的,后者是初始化对象空间并给对象赋值的;
- 执行顺序: 先执行__new__方法生成类对象空间才能执行后者
- 返回值: 前者有返回值,后者没有返回值
- 前者是静态方法, 后者是构造方法。
Q. 什么是迭代器和⽣成器?
迭代器(Iterator)和⽣成器(Generator)都是Python中⽤于处理迭代的重要概念,允许逐个访问数据项,⽽⽆需将所有数据加载到内存中,这在处理⼤型数据集合时⾮常有⽤。尽管有⼀些相似之处,但在实现和⽤法上有⼀些关键的区别。
1.迭代器(Iterator)
迭代器是⼀个对象,它可以通过调⽤ __next__()
⽅法逐个返回集合中的元素。迭代器通常⽤于遍
历集合,如列表、元组、字典等,以及⾃定义的可迭代对象。的核⼼特点是惰性计算,即只在需要时才计算下⼀个元素。
Python的内置函数 iter() 可以⽤于将可迭代对象转换为迭代器,⽽ next() 函数⽤于获取迭代
器的下⼀个元素。当没有更多元素可供迭代时,迭代器会引发 StopIteration 异常。
numbers = [1, 2, 3, 4, 5]
iter_numbers = iter(numbers)
print(next(iter_numbers)) # 输出:1
print(next(iter_numbers)) # 输出:2
2.生成器(Generator)
生成器是⼀种特殊的迭代器,它可以通过函数来创建。⽣成器函数使⽤ yield
关键字来产⽣值,并且会保持函数的状态,以便在下⼀次调⽤生成器的__next__()方法时继续执⾏。⽣成器允许按需⽣成数据,⽽不必将所有数据存储在内存中。
⽣成器有两种创建⽅式:
- 使⽤⽣成器函数:定义⼀个函数,其中包含 yield 语句来⽣成值。
def countdown(n):
while n > 0:
yield n
n -= 1
gen = countdown(5)
for num in gen:
print(num)
- 使⽤⽣成器表达式:类似于列表推导式,但是使⽤圆括号⽽不是⽅括号,并且按需⽣成数据。
gen = (x for x in range(5))
for num in gen:
print(num)
⽣成器通常⽤于处理⼤型数据集或需要逐个⽣成数据的情况,因为不需要⼀次性加载所有数据到内存中,从⽽节省了内存资源。
总之,迭代器和⽣成器都是处理迭代的强⼤⼯具,允许⾼效地处理⼤型数据集和按需⽣成数据。可以根据任务的需求选择使⽤哪种⽅式。
Q. 什么是异常处理?
异常处理是⼀种编程技术,⽤于在程序执⾏期间捕获、处理和处理可能发⽣的异常情况或错误。异常是指在程序执⾏过程中出现的不正常情况,可能导致程序崩溃或产⽣不可预料的结果。异常处理的⽬标是使程序能够优雅地应对异常情况,⽽不是因异常⽽终⽌或崩溃。
在Python中,异常处理通常使⽤ try 和 except 语句来实现。基本的异常处理结构如下:
try:
# 可能引发异常的代码块
except ExceptionType:
# 处理异常的代码块
- try 语句块包含可能引发异常的代码,它会被监视以检查是否发⽣异常。
- 如果在 try 块中的代码引发了指定类型的异常( ExceptionType ),则程序将跳转到与该异常匹配的 except 块,执⾏异常处理代码。
- 如果在 try 块中没有引发异常,则 except 块将被跳过,程序将继续执⾏ try 块之后的代码。
try:
num = int(input("请输⼊⼀个整数:"))
result = 10 / num
except ZeroDivisionError:
print("除以零错误")
except ValueError:
print("输⼊不是有效的整数")
else:
print("结果是:", result)
finally:
print("结束")
- else语句块中的代码会在try块没有抛出任何异常的情况下运行。
- finally语句块中的代码无论是否发生异常都会被执行。
Q. Python断言(assert)
Python assert(断言)用于判断一个表达式,在表达式条件为 false 的时候触发异常。
断言可以在条件不满足程序运行的情况下直接返回错误,而不必等待程序运行后出现崩溃的情况,例如我们的代码只能在 Linux 系统下运行,可以先判断当前系统是否符合条件。
语法格式如下:
assert expression
#等价于:
if not expression:
raise AssertionError
#assert后面也可以紧跟参数:
assert expression [, arguments]
#等价于:
if not expression:
raise AssertionError(arguments)
例子:
>>> assert True # 条件为 true 正常执行
>>> assert False # 条件为 false 触发异常
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AssertionError
>>> assert 1==1 # 条件为 true 正常执行
>>> assert 1==2 # 条件为 false 触发异常
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AssertionError
>>> assert 1==2, '1 不等于 2'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AssertionError: 1 不等于 2
>>>
Q. Python中*
和 **
用法?
在 Python 中,*
和 **
具有语法多义性,具体来说是有四类用法。
1.算数运算
>>> 2 \* 5 #乘法
//10
>>> 2 \*\* 5 #乘方
//32
2.函数形参
*args
和 **kwargs
主要用于函数定义。
你可以将不定数量的参数传递给一个函数。不定的意思是:预先并不知道, 函数使用者会传递多少个参数给你, 所以在这个场景下使用这两个关键字。其实并不是必须写成 *args
和 **kwargs
。 *(星号) 才是必须的. 你也可以写成 *ar
和 **k
。而写成 *args
和**kwargs
只是一个通俗的命名约定。
python函数传递参数的方式有两种:
- 位置参数(positional argument)
- 关键词参数(keyword argument)
*args
与 **kwargs
的区别,两者都是 python 中的可变参数:
*args
表示任何多个无名参数,它本质是一个 tuple**kwargs
表示关键字参数,它本质上是一个 dict
如果同时使用 *args
和 **kwargs
时,必须 *args
参数列要在 **kwargs
之前。
>>> def fun(\*args, \*\*kwargs):
... print('args=', args)
... print('kwargs=', kwargs)
...
>>> fun(1, 2, 3, 4, A='a', B='b', C='c', D='d')
//args= (1, 2, 3, 4)
//kwargs= {'A': 'a', 'B': 'b', 'C': 'c', 'D': 'd'}
使用*args
:
>>> def fun(name, \*args):
... print('你好:', name)
... for i in args:
... print("你的宠物有:", i)
...
>>> fun("Geek", "dog", "cat")
//你好: Geek
//你的宠物有: dog
//你的宠物有: cat
使用 **kwargs
:
>>> def fun(\*\*kwargs):
... for key, value in kwargs.items():
... print("{0} 喜欢 {1}".format(key, value))
...
>>> fun(Geek="cat", cat="box")
//Geek 喜欢 cat
//cat 喜欢 box
3.函数实参(解引用)
如果函数的形参是定长参数,也可以使用 *args
和 **kwargs
调用函数,类似对元组和字典进行解引用:
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典
简历模板
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
a3e5b4439b8600b50011cc8fe4.png)
简历模板
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
[外链图片转存中…(img-yPFdXTqQ-1712925289386)]