Python基础学习(二)

深浅拷贝，作用域

is ：用作比较两值的引用地址，==比较的是值
浅拷贝 copy,copy(被拷贝对象)：产生一个新的对象（引用）但是里面引用的元素还是原来的元素（元素地址没变）作用与“=”相同（切片，工厂函数）
深拷贝deepcopy：可变类型都新产生了一份，不可变类型共用
特殊：
- 不可变类型：没有拷贝这种说法
  - 数值：小整数对象池（-5,256）
    - 元组：对象不可变注意：如果是元组，元组中的类型是可变类型才可以执行深拷贝
- 可变类型：
  - 字典中copy（）
  - list（）id不一样
原码反码补码
- 正数：原码=补码=反码
- 负数：反码=符号位不变，其他位取反。补码=反码+1
- 补码转回原码：原码 = 补码的符号位不变 –>数据位取反–> 尾+1
0b开头是二进制；0o开头是八进制；0x开头是十六进制。
binary二进制 bin（进制）二进制
oct（）八进制
hex（）十六进制
int（“0xa3”，16）16进制a3转十进制
locals（）查看局部变量情况（字典形式）
globals（）全局

属性property

其实就是为私有属性 ——》set和get方法

变形1：
步骤1：
def set_age(self,age):
….
def get_age(self):
…
步骤2：
age=property(get_age,set_age)
步骤3：
使用:
person= Person()
person.age = 20 ——>判断有没有“=” 就调用set_age
myage=person.age ——> 就调用的是get_age

变形2：
步骤1：通过@property声明get方法

    class Person:


        @property
        def age(self):
            return ….
步骤二：
        根据步骤1的函数名定义
        @age.setter

步骤三：定义函数，函数名与步骤一的函数名一致，就是多了一个参数
        def age(self,age):
            self.__age=age

步骤四:
    使用:
person= Person()
person.age = 20   ——>判断有没有“=”  就调用set_age
myage=person.age   ——> 就调用的是get_age

生成器

边循环边计算的机制称为生成器:generator。节省内存

创建生成器：
- 列表推导式的 [ ] 改成 ( )
- 使用yield关键字：将函数内要返回的值使用yield返回。yield是一个关键词，类似return, 不同之处在于，yield返回的是一个生成器。
生成器获取元素的方式：
- next（生成器对象）（指针到最后会报异常）
- for x in 生成器对象（不会报异常）
- next(f)等价f.send(None)
- 生成器对象._ next _()

迭代器

迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

可用作for循环的对象都是Iterable类型
判断是否可迭代：isinstance（被判断，Iterable）
（from collections import Iterable）
判断是否为迭代器：
from collections import Interator
isinstance(被判断的对象,Iterator)
生成器都是 Iterator(迭代器) 对象，但 list 、 dict 、 str 虽然是 Iterable(可迭代的) ，却不是 Iterator(迭代器) 。
使用iter()函数把Iterable变成迭代器

闭包

定义：
- 1.闭包函数必须有内嵌函数；
- 2.内嵌函数需要引用该嵌套函数上一级namespace中的变量；
- 3.闭包函数必须返回内嵌函数；

装饰器

mport time
def text_add(func):
    print("text_add")
    def add():
        print("add")
        func()
    return add
@text_add
def text():
   print("text")
text()

对象动态添加带参数的函数：

import types
p.func=types.MethodType(func,p)
p.func(参数)
删除属性方法：
- del 对象.属性名
- delattr（对象，“属性名”）
slots ：限制添加实例属性和实例方法，但类属性和类方法和静态方法可以添加 slots = (“name”,”age”)

slots_定义的属性仅对当前类实例起作用，对继承的子类是不起作用的

type 动态创建类：text=type（“Phone”，（object，），{}）
metaclass 自定义元类

垃圾回收

小整数对象池【-5,256】在一个 Python 的程序中，所有位于这个范围内的整数使用的都是同一个对象. 不会被回收
引用计数机制，三代列表（标记清除）

类和对象的内建属性

getattribute ：属性拦截器访问实例方法和属性时触发

def getattribute(self,obj): obj是被调用的属性
if obj == ‘subject1’:
print(‘log subject1’)
return ‘redirect python’
else:
return object. getattribute(self,obj)

进程

并发：在多核系统里的,同时执行多个进程，一般会情况下会有些进程没有机会执行，这种情况是并发。
并行：在多核系统里，同时执行多个进程，这些进程都有机会执行，这种情况是并行。
os.fork 创建进程，windows不支持。多次fork线程数会变成2^n 个
- os.getpid()获取子进程id
- os.getppid()获取父进程id
from multiprocessing import Process创建进程
- p = Process(target=子进程函数名,args=(“test”,))
- start() 启动进程实例
- join() 方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步。
- join([timeout])：是否等待进程实例执行结束，或等待多少秒；
- target：表示这个进程实例所调用对象；
- args：表示调用对象的位置参数元组；
- kwargs：表示调用对象的关键字参数字典；
- name：为当前进程实例的别名；
自定义Process类

from multiprocessing import Process
class MyProcess(Process)
def run(self): #重写run方法
pass
p=MyProcess
p.start() #启动，不用手动调用run
进程池Pool
非阻塞式：全部添加到执行队列，立刻返回，并等执行完后有回调函数
阻塞式：执行完一个再执行，没有回调函数

pool=Pool(2)#创建两个进程
pool.apply_async(进程的函数名) #非阻塞式
pool.close #如果没有close，则pool仍然等待任务进来，则不做上面分配的任务

线程

自定义线程：
- 自定义线程类必须继承Thread
- init 方法注意调用super().init ()
互斥锁:
- from threading import Lock
- mutex = Lock()创建锁
- mutex.acquire()锁定,可以设置超时
- mutex.release()释放

Python基础学习(二)

深浅拷贝，作用域

生成器

迭代器

闭包

装饰器

垃圾回收

类和对象的内建属性

进程

线程

猜你喜欢