fluent python 第二章小记

Posted on Edited on In Comments:

Fluent Python 第二章读书报告

Chapter 2. An Array of Sequences

序列构成的数组

  • Python内置序列：
    一种分类方式是根据存放数据的方式分类(指针/数值)

    • 容器序列：
      list, tuple, collections.deque.这类序列可以存放不同类型的数据，这类序列存放的都是对象的引用(指针)
    • 扁平序列：
      str, bytes, bytearray, memoryview, array.array.只能存放一种数据类型，相比容器序列，这类序列是将元素的值直接存放在序列对应的内存空间，而不是将元素当做单独的对象存放，这类序列更加紧凑，但是只能存放数字，字节和字符。
      另一种分类方式是根据序列存放的元素是否可变分类：
    • 可变序列：
      list, bytearray, array.array, collections.deque, memoryview
    • 不可变序列：
      tuple, str, and bytes
      序列是否可变可以通过下面的图直观展示：
      Figure-2-1
      图中列出的类都来自collections.abc(abc是 abstract base classes缩写)
      可以看到MutableSequence有很多方法继承自Sequence(箭头由子类指向超类，斜体指抽象类和抽象方法)。

  • 列表推导和生成器表达式
    1.列表推导

    • 使用列表推导通常可以让你的Python代码更加简洁可读，大多数情况下也会更快，比如： 

      1
      listi = [i**2 for i in xrange(10)]
- Python2中列表推导的表达式没有独立的作用域，Python3中得到了改善。
- map/filter 可以与列表推导完成相同的工作。  


1
2
3
4
5
6
7
8
9
10
symbols = '$¢£¥€¤'
beyond_ascii = [ord(s) for s in symbols if ord(s) > 127]
beyond_ascii = list(filter(lambda c: c > 127, map(ord, symbols)))	
```  
- 示例：使用列表推导求笛卡尔积：   

```python
colors = ['black', 'white']
sizes = ['S', 'M', 'L']
tshirts = [(color, size) for color in colors for size in sizes]


**2.生成器表达式** 

- 生成器表达式背后遵守了迭代器协议，可以逐个地产出元素，而不是先建立一个完整的列表，然后再把这个列表传递到某个构造函数里。这样可以有效节省内存。
- 示例：生成一个array:


1
2
array.array('I', (ord(symbol) for symbol in symbols))
 	array('I', [36, 162, 163, 165, 8364, 164])


  - 在计算笛卡尔积的这个问题中, 与列表推导不同的是，生成器表达式会在每次 for 循环运行时才生成一个组合, 而不是两个for循环生成一个含有所有元素的列表。避免了内存的额外占用。（这个不是很懂怎么做到的）

  **3.元组(tuple)**    
  元组是对一组数据的记录，存放了一个数据和这个数据对应的位置，而不仅仅是“不可变的列表”，元组也是可以嵌套的, 当做不可变列表时，缺少那些使得自身变化的方法。   

  - for 循环可以分别提取元组里的元素，也叫作拆包（unpacking）。拆包的用法有很多：   
     1. 平行赋值：把一个可迭代对象里的元素，一并赋值到由对应的变量组成的元组中。     
     2. 不使用中间变量交换两个变量的值
     3. 用* 运算符把一个可迭代对象拆开作为函数的参数
     4. 让一个函数可以用元组的形式返回多个值   
  拆包时可以用占位符_ 帮助处理不感兴趣的元素，也可以把注意力放在一部分元素上，用*处理剩下的元素。   
  一个例子：

  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
  	t = (20, 8)
  	quotient, remainder = divmod(*t)
  	
  	```	
  **4.具名元组（namedtuple）**   
  collections.namedtuple 是一个工厂函数，它可以用来构建一个带字段名的元组和一
个有名字的类  	
  
  - 一个简单的示例：   
  
  ```python
  from collections import namedtuple
  City = namedtuple('City', 'name country population coordinates')
  tokyo = City('Tokyo', 'JP', 36.933, (35.689722, 139.691667))

5.切片
Python中的序列类型都支持切片操作。

  • 对对象进行切片:
    s[start:end:step] start:end:step 这种用法只能作为索引或下标用在[]中。
    使用时会调用s.__getitem__(slice(start,end,step))这个方法
    这里的start:end:step也可以替换成slice(start,end,step),这种方法可以给切片命名，使得代码更有可读性。

  • 省略(…)和多维切片，标准库中暂无用法，用于用户自定义类或者拓展，比如numpy。

  • 切片也可以就地修改可变序列: 如果把切片放在赋值语句的左边，或把它作为 del 操作的对象，我们就可以对序列进行嫁接、切除或就地修改操作。

    6. 序列的+和*操作

  • 如果在 a * n 这个语句中，序列 a 里的元素是对其他可变对象的引用的话,需要格外注意了,复制后的引用可能指向同一个对象，修改其中一个时，其他引用也会被修改。
    例如：

    >>> s = [[1,1,1]]*3
>>> s
[[1, 1, 1], [1, 1, 1], [1, 1, 1]]
>>> s[0][0] = 2
>>> s
[[2, 1, 1], [2, 1, 1], [2, 1, 1]]

  • 增量赋值（+=/*=）:

    1. += 背后的特殊方法是__iadd__(), 在a+=b中，如果a实现了__iadd__(),这个表达式会立刻改变a这个对象，如果没有实现这个方法,这个表达式就会完成a = a+b 的操作,即创建a+b这个对象，将变量a指向新的变量。
      *=也类似，不过背后的特殊方法是imul()
    2. 一个特殊的例子：
    >>> t = (1, 2, [30, 40])
>>> t[2] += [50, 60]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'tuple' object does not support item assignment
>>> t
(1, 2, [30, 40, 50, 60])

    7. sort方法和sorted函数
    list.sort函数会就地修改列表，返回值为None.
    sorted函数会新建一个排好序的列表作为返回值
    他们都接收两个参数reverse(是否反转) 和key(排序所用的值)

    8. bisect用于管理已排序的序列
    bisect 模块包含两个主要函数，bisect 和 insort，两个函数都利用二分查找算法来在有序序列中查找或插入元素。
    bisect(haystack,needle)
    haystack.insert(index, needle)
    bisort(seq, num)

    9. 当列表不是首选时

  • 数组（array）:如果列表只包含纯数字，array.array比list高效

  • 内存视图、NumPy SciPy, 双向队列（collections.deque）