python的四大高阶函数，深浅拷贝,垃圾回收机制

一.浅拷贝和深拷贝

浅拷贝：不管多么复杂的数据结构，浅拷贝都只会copy一层
深拷贝 : 深拷贝会完全复制原变量相关的所有数据，在内存中生成一套完全一样的内容，我们对这两个变量中任意一个修改都不会影响其他变量

import copy
sourceList = [1,2,3,[4,5,6]]
copyList = copy.copy(sourceList)
deepcopyList = copy.deepcopy(sourceList)
 
sourceList[3][0]=100
 
print(sourceList)           # [1, 2, 3, [100, 5, 6]]
print(copyList)             # [1, 2, 3, [100, 5, 6]]
print(deepcopyList)         # [1, 2, 3, [4, 5, 6]]

二. python垃圾回收机制

2.1. 引用计数
1）当一个对象的引用被创建或者复制时，对象的引用计数加1；当一个对象的引用被销毁时，对象的引用计数减1.
2）当对象的引用计数减少为0时，就意味着对象已经再没有被使用了，可以将其内存释放掉。
2. 2标记－清除
1）它分为两个阶段：第一阶段是标记阶段，GC会把所有的活动对象打上标记，第二阶段是把那些没有标记的对象非活动对象进行回收。
2）对象之间通过引用（指针）连在一起，构成一个有向图
3）从根对象（root object）出发，沿着有向边遍历对象，可达的（reachable）对象标记为活动对象，不可达的对象就是要被清除的非活动对象，根对象就是全局变量、调用栈、寄存器。
注：像是PyIntObject、PyStringObject这些不可变对象是不可能产生循环引用的，因为它们内部不可能持有其它对象的引用。
在这里插入图片描述

1.在上图中，可以从程序变量直接访问块1，并且可以间接访问块2和3,程序无法访问块4和5
2. 第一步将标记块1，并记住块2和3以供稍后处理。
3. 第二步将标记块2，第三步将标记块3，但不记得块2，因为它已被标记。
4. 扫描阶段将忽略块1，2和3，因为它们已被标记，但会回收块4和5。

2.3 分代回收

分代回收是建立在标记清除技术基础之上的，是一种以空间换时间的操作方式。
Python将内存分为了3“代”，分别为年轻代（第0代）、中年代（第1代）、老年代（第2代）
他们对应的是3个链表，它们的垃圾收集频率与对象的存活时间的增大而减小。
新创建的对象都会分配在年轻代，年轻代链表的总数达到上限时，Python垃圾收集机制就会被触发
把那些可以被回收的对象回收掉，而那些不会回收的对象就会被移到中年代去，依此类推
老年代中的对象是存活时间最久的对象，甚至是存活于整个系统的生命周期内。

三.高阶函数

3.1. lambda基本使用

lambda只是一个表达式，函数体比def简单很多。
lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。
lambda表达式是起到一个函数速写的作用。允许在代码内嵌入一个函数的定义。
格式：lambda的一般形式是关键字lambda后面跟一个或多个参数，紧跟一个冒号，之后是一个表达式。

f = lambda x,y,z:x+y+z
print(f(1,2,3))                    # 6
 
my_lambda = lambda arg : arg + 1
print(my_lambda(10))                # 11

3.2. 三元运算

三元运算格式： result=值1 if x<y else 值2 if条件成立result=1,否则result=2
作用：三元运算，又称三目运算，主要作用是减少代码量，是对简单的条件语句的缩写

name = 'Tom' if 1 == 1 else 'fly'
print(name)
# 运行结果： Tom
 
f = lambda x:x if x % 2 != 0 else x + 100
print(f(10))                    # 110

1).map函数：map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。

l1= [11,22,33,44,55]
ret = map(lambda x:x if x % 2 != 0 else x + 100,l1)
print(list(ret))
# 运行结果： [11, 122, 33, 144, 55]

2).reduce函数：reduce把一个函数作用在一个序列[x1,x2,x3…]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做计算。

from functools import reduce
def f(x, y):
 return x + y
 
print(reduce(f, [1, 3, 5, 7, 9]))  # 25
# 1、先计算头两个元素：f(1, 3)，结果为4；
# 2、再把结果和第3个元素计算：f(4, 5)，结果为9；
# 3、再把结果和第4个元素计算：f(9, 7)，结果为16；
# 4、再把结果和第5个元素计算：f(16, 9)，结果为25；
# 5、由于没有更多的元素了，计算结束，返回结果25。
 
print( reduce(lambda x, y: x + y, [1, 3, 5, 7, 9])  )  # 25

3).filter函数：filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。

l1= [11,22,33,44,55]
a = filter(lambda x: x<33, l1)
print(list(a))

4).sorted() 函数对所有可迭代的对象进行排序操作。sort(key,reverse)
这个是列表的方法

d = {'k1':1, 'k3': 3, 'k2':2}
# d.items() = [('k1', 1), ('k3', 3), ('k2', 2)]
a = sorted(d.items(), key=lambda x: x[1])
print(a)            # [('k1', 1), ('k2', 2), ('k3', 3)]

胡世伟Come on

发布了8 篇原创文章 · 获赞 6 · 访问量 206

私信关注