python笔记之高级特性

周湘zx

于 2024-04-20 21:18:12 发布

阅读量1.2k

点赞数 18

分类专栏： python 文章标签：笔记 python windows

本文链接：https://blog.csdn.net/weixin_68256171/article/details/138011198

版权

python 专栏收录该内容

21 篇文章 1 订阅

订阅专栏

一、is 与 ==

==比较运算符。是用来比较两个值的大小的。（比较两个对象的值是否相同）

is是一个关键字。是用来比较两个变量的内存地址。（比较两个对象的引用是否相同）相当于使用id获取内存地址后再比较。

id() ，是Python的一个内置函数，返回对象的唯一标识，用于获取对象的内存地址。

注意：在python中，存在一个小整型缓冲区。在这个区域内的整数，只会存在一份，所以is和==是一致的。小整型缓冲区默认范围是[-5, 256]区间所有整数。

注意：字符串也存在一个字符串常量池，用来保存第一个出现的单词，如果再次要使用这个单词，则会直接从常量池中获取这个单词对应的内存地址，所以，字符串往往只有一份，被成为字符常量。

is 和 == 哪个效率高？

相比之下， is 比较的效率更高，因为它只需要判断两个对象的id是否相同即可。

而 == 则需要重载__eq__ 这个函数，遍历变量中的所有元素内容，逐次比较是否相同。因此效率较低

二、深浅拷贝

引用传递

引用传递：将对象的地址复制给其他变量，因此会有多个引用指向同一个对象。
浅拷贝

将对象的第一层属性进行拷贝，得到一个新的对象，注意：如果存在子对象，不会拷贝

浅拷贝的是对象的引用，如果原对象改变，相应的拷贝对象也会发生改变

深拷贝

将对象采用递归方式，逐层拷贝，最后得到完成不同的对象。

深拷贝对象中的每个元素，拷贝对象和原有对象不在有关系，两个是独立的对象

拷贝：指的是对象拷贝（复制）。

所谓深拷贝呢，就是重新分配一个内存空间（新对象），将原对象中的所有元素通过递归的方式进行拷贝到新对象中。在Python中通过 copy.deepcopy() 来实现深拷贝。

三、生成器（generator）

1、列表推导式

python提供了一种快速生成列表的方式。

[i for i in range(10)]
[i for i in range(10) if i % 2 == 0]
[i * j for i in range(10) for j in range(9)]

2、列表生成器

列表生成器实在列表推导式的基础上，优化内存得到的。

将列表推导式，就行优化，使得所有不在全部加载内存，而是通过一段算法，一次只得到一个元素。

将列表推导式中的[]变成()即可。

优点：节约内存。

3、函数生成器

常规的方式，如果要生成一个复杂的列表，通过要使用函数。

而如果这个列表比较大，使用函数也存在一个浪费内存问题，如何解决这个——函数生成器。

函数生成器：和列表生成器很像，就是该函数不会再一次生成所有的值，而是逐个生成。

yield关键字使生成器函数执行暂停，yield 关键字后面的表达式的值返回给生成器的调用者。它可以被认为是一个基于生成器的版本的 return 关键字。

一旦遇到 yield 表达式，生成器的代码将被暂停运行，直到生成器的 next() 方法被调用。每次调用生成器的 next() 方法时，生成器都会恢复执行，直到达到以下某个值

def fibonacii(n):
    first, second = 1, 2
    for _ in range(n):
        yield first
        first, second = second, first + second


nums = fibonacii(5)
print(nums)
# print(next(nums))
# print(nums.__next__())

for num in nums:
    print(num, end=',')

注意：

如果函数中出现了yield关键字，该函数会自动转换为一个函数生成器。

返回值就是这个生成器，调用函数，函数不会执行，而是转换为这个生成器

next方法获取每一次生成器值的时候，函数才会执行

yield也存在类似return的功能，函数遇到yield，立刻返回yield的值

等下一次next时，会自动从yield后面一行代码继续执行

四、迭代器

——迭代器是一个包含数个值的对象，迭代器是可迭代的对象，这意味着可遍历所有值

——在python中，能够被全局函数next()，不断地返回下一个元素的对象，被称为迭代器。

==>生成器是一种迭代器

from collections.abc import Iterable, Iterator

b = (i for i in range(9))
isinstance(b, Iterator)

ls = [1,2,34,10,5,566]
isinstance(ls, Iterator)

可迭代对象

在python，能被for循环，迭代获取每一个子元素的这种对象，被称为可迭代对象。

列表，元组，字典和集合都是可迭代的对象。它们是可迭代的容器，可以从中获得迭代器，所有这些对象都有一个iter()方法，该方法用于获取迭代器。

可使用collections.abc包中Iterator类型进行判断，结合isinstance全局函数，完成判断。
from collections.abc import Iterable, Iterator

ls = [1,2,34,10,5,566]
isinstance(ls, Iterable)

# 可以使用其他类型完成测试，只有返回True的，才是可迭代对象，能够被for循环，获取子元素

总结：

生成器就是迭代器

迭代器不一定是生成器

迭代器一定能够被for循环迭代

可迭代对象也能够被for循环迭代

可迭代对象不一定是迭代器

迭代器一定是可迭代对象

使用全局函数iter将可迭代对象转换为迭代器

五、闭包（closure）

——能够访问其他函数内部变量（局部变量）的函数被称为闭包

闭包是弱数据类型编程语言所特有的现象

闭包一句话概括就是在函数中再嵌套一个函数，并且引用外部函数的变量。

def a():
    name = "ljh"
    
    
def b():
    print(name)
    
    
    
def a():
    name = "ljh"
    def b():
        print(name)
    return b

res = a()
res()

闭包让外部函数常驻内存，导致垃圾不能够及时释放，但是它让局部变量变成了全局变量，所以尽量不要使用闭包，闭包在js里用的比较广泛，在Python里比较少，会在装饰器里面用

闭包优点：将局部变量全局化，使得局部变量存在了全局的生命周期。

闭包缺点：常驻内存，可能会引起内存溢出

六、装饰器

装饰器就是一个闭包，装饰器是闭包的一种应用。

——作用：在不用更改原函数（基于OCP原则）的代码前提下给函数增加新的功能。

使用时，再需要的函数前加上 @新功能函数名 即可

@符号是装饰器的语法糖

def check(fn):
    # 装饰器函数的内部函数，会被返回称为被装饰的函数
    def inner(username, password, *args, **kwargs):
        print("xxxx 登录了")
        fn(username, password, args, kwargs)
        print("xxxx 退出了")
    return inner


@check
def login(username, password, *args, **kwargs):
    if password == '123456' and username == 'admin':
        print("登录成功了")
        print("恭喜你")
    else:
        raise Exception("对不起，登录失败")


login("admin", "123456")