数据模型简介
在python官方文档中对于数据模型是这样介绍的
对象是Python对数据的抽象。Python程序中所有数据都由对象或对象之间的关系表示。在某种意义上,为了和冯诺依曼存储程序计算机模型保持一致,代码和数据一样也是一个对象(冯诺依曼模型中提到,数据和程序都以0,1存储于存储器中)
简单的说,Python中的一切数据要么是对象,要么和对象有关系
如果你带着来自其他面向对象语言的经验进入 Python 的世界,会对 len(object) 而不是 object.len() 写法觉得不适。但是它体现了Python的一种设计思想,也是pythonic的关键所在,而这种思想则体现在Python的数据模型中。
数据模型其实是对 Python 框架的描述,它规范了这门语言自身构建模块的接口,这些模块包括但不限于序列、迭代器、函数、类和上下文管理器。
特殊方法简析
不管在哪种框架下写程序,都会花费大量时间去实现那些会被框架本身调用的方法, Python 也不例外。
Python 解释器碰到特殊的句法时,会使用特殊方法去激活一些基本的对象操作,这些特殊方法的名字以两个下划线开头,以两个下划线结尾(例如 _ getitem_ )。比如 obj[key] 的背后就是 getitem 方法,为了能求得 my_collection[key] 的值,解释器实际上会调用 my_collection.getitem(key)
这些特殊方法名能让你自己的对象实现和支持一下的语言架构,并与之交互
- 迭代
- 集合类
- 属性访问
- 运算符重载
- 函数和方法的调用
- 对象的创建和销毁
- 字符串表示形式和格式化
- 管理上下文(即with块)
魔术方法(magic method)是特殊方法的昵称。特殊方法也叫双下方法(dunder method)。
代码示例
接下来通过一个简单的例子来展示如何实现_getitem_和_len_这两个特殊方法,通过这个例子我们也能见识到特殊方法的强大
import collections
Card = collections.namedtuple('Card', ['rank', 'suit'])
class FrenchDeck:
ranks = [str(n) for n in range(2, 11)] + list('JQKA')
suits = 'spades diamonds clubs hearts'.split()
def __init__(self):
self._cards = [Card(rank, suit) for suit in self.suits
for rank in self.ranks]
def __len__(self):
return len(self._cards)
def __getitem__(self, position):
return self._cards[position]
这段代码是一副扑克牌的原型,在这个自定义类中,有三个我们写的特殊方法,通过这几个方法,我们的自定义类就可以在使用的时候像Python的内置类型一样。 我们把这段代码保存为frenchdeck.py文件,然后通过命令行窗口进入该文件所在目录,这里用的是Python3,Python2应该也可以使用。
进入Python shell后如下:
Python 3.5.3 (v3.5.3:1880cb95a742, Jan 16 2017, 16:02:32) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from frenchdeck import *
>>> deck = FrenchDeck()
>>> len(deck)
>>> deck[0]
Card(rank='2', suit='spades')
>>> deck[-1]
Card(rank='A', suit='hearts')
>>>
通过上面的这个例子,我们可以看到,当我们在使用len(deck)和deck[0]时,Python的解释器实际上分别调用了我们在自定义类中的_len_和_getitem_这两个方法。
然后,假如我们现在要在这一副“扑克牌”中,随机的抽取出一张牌,我们要怎么做呢?自己在写一个方法吗?这在Python中是不用的,Python 已经内置了从一个序列中随机选出一个元素的函数 random.choice,我们直接把它用在这一摞纸牌实例上就好(解释器代码接上面):
>>> from random import choice
>>> choice(deck)
Card(rank='3', suit='hearts')
>>> choice(deck)
Card(rank='K', suit='spades')
>>> choice(deck)
Card(rank='2', suit='clubs')
通过上面的两个例子,我们已经可以体会到通过实现特殊方法来利用 Python 数据模型的两个好处:
1.作为你的类的用户,他们不必去记住标准操作的各式名称(“怎么得到元素的总数?是 .size() 还是 .length() 还是别的什么?”)。
2.可以更加方便地利用 Python 的标准库,比如 random.choice 函数,从而不用重新发明轮子。
同时,我们也能了解到,这些特殊方法的调用,通常都是隐式的,首先明确一点,特殊方法的存在是为了被Python解释器调用的,你自己并不需要调用它们。也就是说没有 my_object._len_() 这种写法,而应该使用 len(my_object)。在执行 len(my_object) 的时候,如果 my_object 是一个自定义类的对象,那么 Python 会自己去调用其中由你实现的 _len_ 方法。
通过内置的函数(例如 len、iter、str,等等)来使用特殊方法是最好的选择。这些内置函数不仅会调用特殊方法,通常还提供额外的好处,而且对于内置的类来说,它们的速度更快。