元类
-
类也是对象(属于元类的对象)
#打印字符串(字符串是对象) print("HelloWorld") #打印类名,类同样为一个对象 print(Person) -
使用动态创建类：
- 语法：
type(类名，由父类名称组成的元组（可以为空），包含属性的字典（名称和值）)案例1：使用type创建类 Myclass = type("MyClass3",(),{}) m1 = Myclass() print(type(m1))案例2：使用type创建带有属性(方法)的类 def show(self): print("---num---%d"%self.num) # 使用元类(type)创建类 Test = type("Test",(),{"show":show}) t = Test() t.num = 100 t.show()案例3:使用type动态创建一个继承指定类的类 class Animal(): def __init__(self,color="Yellow"): self.color = color def eat(self): print("吃死你") Dog = type("Dog",(Animal,),{}) dog = Dog() dog.eat() print(dog.color)
类装饰器
class Test(object):
def __init__(self,func):
print("--初始化--")
print("func name is %s"%func.__name__)
self.__func = func
# 重写该方法后，对象可以直接进行调用
def __call__(self):
print("--装饰器中的功能--")
self.__func()
# @Test 等价于 test = Test(test) 装饰器特性
@Test
def test():
print('--test 函数---')
# 本身test指向函数test，但是装饰器将test指向了对象。
# 对象本身不可以被调用，但是重写__call__方法之后则会被调用
test()
执行结果：
--初始化--
func name is test
--装饰器中的功能--
--test 函数---
对象池
什么叫做垃圾回收？
生活案例
-
小整数池
- 系统默认创建好的，等着你使用
- 概述
整数在程序中的使用非常广泛，Python为了优化速度，使用了小整数对象池，
避免为整数频繁申请和销毁内存空间。Python 对小整数的定义是 [-5, 256]
这些整数对象是提前建立好的，不会被垃圾回收。在一个 Python 的程序中，
无论这个整数处于LEGB(局部变量，闭包，全局，内建模块)中的哪个位置，
所有位于这个范围内的整数使用的都是同一个对象。
案例：(必须使用终端验证，pycharm每次都是所有代码都加载到内存中， 被看成是一个整体) 代码验证小整数 a = 100 print(id(a)) del a b = 100 print(id(b)) 发现删除a后，b的地址依旧是删除之前的那个地址(是否删除，小整数都常驻内存) -
大整数池
默认创建出来，池内为空的，创建一个就会往池中存储一个案例验证 代码验证大整数 -
intern机制
- 每个单词(字符串)，不夹杂空格或者其他符号，默认开启intern机制，共享内存，靠引用计数决定是否销毁
案例验证: a = 'HelloWorld' b = 'HelloWorld' print(a is b) a = 'Hello World' b = 'Hello World' print(a is b)
垃圾收集
概述：
现在的高级语言如java，c#等，都采用了垃圾收集机制，
而不再是c，c++里用户自己管理维护内存的方式。自己管理内存极其自由，
可以任意申请内存，但如同一把双刃剑，为大量内存泄露，悬空指针等bug埋下隐患。
python里也同java一样采用了垃圾收集机制，不过不一样的是:
python采用的是引用计数机制为主，标记-清除和分代收集两种机制为辅的策略
- 引用计数
python里每一个东西都是对象，它们的核心就是一个结构体：PyObject
typedef struct_object {
int ob_refcnt;
struct_typeobject *ob_type;
} PyObject;
PyObject是每个对象必有的内容，其中ob_refcnt就是做为引用计数。
当一个对象有新的引用时，它 的ob_refcnt就会增加，当引用它的
对象被删除，它的ob_refcnt就会减少
#define Py_INCREF(op) ((op)->ob_refcnt++) //增加计数
#define Py_DECREF(op) \ //减少计数
if (--(op)->ob_refcnt != 0) \
; \
else \
__Py_Dealloc((PyObject *)(op))
当引用计数为0时，该对象生命就结束了。
-
引用计数机制的优点：
- 1.简单
- 2.实时性：一旦没有引用，内存就直接释放了。不用像其他机制等到特定时机。
实时性还带来一个好处：处理回收内存的时间分摊到了平时。
-
引用计数机制的缺点：
- 1.维护引用计数消耗资源
- 2.循环引用的问题无法解决（DOS窗口，查看内存tasklist，或者内存表，任务管理器）
案例： import gc class AAA(object): def __init__(self): print ("object: born at:%s"%hex(id(self))) def __new__(cls, *args, **kwargs): print ("new") return super(AAA, cls).__new__(cls) def __del__(self): print ("bye bye") def start(): while True: a = AAA() b = AAA() a.v = b b.v = a #无法删除 del a del b gc.disable() start() -
隔代回收
分代回收是用来解决交叉引用(循环引用) ,并增加数据回收的效率. 原理:通过对象存在 的时间不同,采用不同的算法来 回收垃圾. 形象的比喻, 三个链表,零代链表上的对象(新创建的对 象都加入到零代链表),引用数都是一,每 增加一个指针,引用加一,随后python会检 测列表中的互相引用的对象,根据规则减 掉其引用计数. GC算法对链表一的引用减一,引用为0的, 清除,不为0的到链表二,链表二也执行GC 算法,链表三一样. 存在时间越长的数据,越是有用的数据- 隔代回收触发时间？（GC阈yu值）
随着你的程序运行，Python解释器保持对新创建的对象， 以及因为引用计数为零而被释放掉的对象的追踪。从理论上说， 这两个值应该保持一致，因为程序新建的每个对象都应该最终被释放掉。 当然，事实并非如此。因为循环引用的原因，从而被分配对象的计数值 与被释放对象的计数值之间的差异在逐渐增长。一旦这个差异累计超过某个阈值， 则Python的收集机制就启动了，并且触发上边所说到的零代算法， 释放“浮动的垃圾”，并且将剩下的对象移动到一代列表。 随着时间的推移，程序所使用的对象逐渐从零代列表移动到一代列表。 而Python对于一代列表中对象的处理遵循同样的方法，一旦被分配计数值 与被释放计数值累计到达一定阈值，Python会将剩下的活跃对象移动到二代列表。 通过这种方法，你的代码所长期使用的对象，那些你的代码持续访问的活跃对象， 会从零代链表转移到一代再转移到二代。通过不同的阈值设置，Python可以在 不同的时间间隔处理这些对象。Python处理零代最为频繁，其次是一代然后才是二代。 -
查看引用计数
-
gc模块的使用
常用函数： 1、gc.get_count() 获取当前自动执行垃圾回收的计数器，返回一个长度为3的列表 2、gc.get_threshold() 获取gc模块中自动执行垃圾回收的频率 3、gc.set_threshold(threshold0[,threshold1,threshold2]) 设置自动执行垃圾回收的频率 4、gc.disable() python3默认开启gc机制，可以使用该方法手动关闭gc机制 5、gc.collect() 手动调用垃圾回收机制回收垃圾 -
增加引用计数的条件
-
a.创建对象
stu = Student() -
b.将对象加入列表
list1.append(stu) -
c.对象被引用
stu2 = stu -
d.将对象作为参数，传入某个函数
func(stu)
-
-
减少对象引用计数的情况
-
a.对象被显示销毁
del stu -
b.对象名指向新的对象
stu = Student() -
c.从容器中移除，或者显示销毁列表
list1.remove(stu) list1.pop(stu) -
d.局部变量对象，作为函数参数，
函数结束时，引用计数-1 -
获取某个对象的引用计数
import sys obj = 'Helloworld' sys.getrefcount(obj) list1 = [] list.append(obj) sys.getrefcount(obj) -
-
内建属性
- 常用专有属性
-
常用内置类属性
__dict__: 类的属性（包含一个字典，由类的数据属性组成） __doc__: 类的文档字符串 __name__: 类名 __module__: 类定义所在的模块 __bases__: 类的所有父类构成元素（包含了以个由所有父类组成的元组） -
属性拦截器getattribute
class Test(object): def __init__(self,var1): self.var1 = var1 # 该方法在获取对象属性的时候会被调用， def __getattribute__(self,obj): if obj == 'var2': print("属性var1拦截成功") return '我是拦截后替换的数据' else: # 如果拦截不成功，可以调用父类的方法，这时候obj的值就是init中的值 return object.__getattribute__(self,obj) # 如果在__getattribute__方法中， # 使用使用self访问属性，或者方法，都会导致程序崩溃 # return self.var1 def show(self): print("我是show方法") s = Test("python") # 成员变量 var1会被以字符串的形式（'var1'）传递给__getattribute__方法的obj print(s.var1) # 方法的访问也可以通过属性拦截器进行拦截 s.show()
-
内建函数
-
什么叫内建函数:
启动python解释器后，默认加载的函数称为内建函数 -
如何查看内建函数
两种方式： a. dir(__builtins__) b. import builtins dir(builtins) -
常用内建函数：
-
range()
python range() 函数可创建一个整数列表，一般用在 for 循环中。 语法： range(start, stop[, step]) 参数说明： start: 计数从 start 开始。默认是从 0 开始。例如range（5）等价于range（0， 5）; stop: 计数到 stop 结束，但不包括 stop。例如：range（0， 5） 是[0, 1, 2, 3, 4]没有5 step：步长，默认为1。例如：range（0， 5） 等价于 range(0, 5, 1) 返回：range 案例： 代码验证 -
map()
map() 会根据提供的函数对指定序列做映射。 第一个参数 function 以参数序列中的每一个元素调用 function 函数， 返回包含每次 function 函数返回值的新列表。 语法： map(function, iterable, ...) 参数说明： function -- 函数 iterable -- 一个或多个序列 返回： Python 2.x 返回列表。 Python 3.x 返回迭代器。 案例： from collections import Iterable from collections import Iterator def func(x,y): return x*y # 使用匿名函数 v = map(lambda x:x*2,[1,2,3]) print(type(v)) print(isinstance(v,Iterable)) print(isinstance(v,Iterator)) for x in v: print(x) # 两个参数 v1 = map(func,[1,2,3],[4,5,6]) v2 = list(v1) print(type(v2)) -
filter()
filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。 该接收两个参数，第一个为函数，第二个为序列， 序列的每个元素作为参数传递给函数进行判断，然后返回 True 或 False， 最后将返回 True 的元素放到新列表中。 语法： filter(function, iterable) 参数说明： function -- 判断函数。 iterable -- 可迭代对象。 返回： 返回迭代器。 案例： def func2(x): return x % 2 == 0 # 找出1-100中的偶数 list2 = filter(func2,[x for x in range(1,100)]) print(isinstance(list2,Iterator)) for x in list2: print(x) -
reduce()
3.x后，需要先from functools import reduce reduce() 函数会对参数序列中元素进行累积。 函数将一个数据集合（链表，元组等）中的所有数据进行下列操作： 用传给reduce中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作， 得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。 语法： reduce(function, iterable[, initializer]) 参数说明： function -- 函数，有两个参数 iterable -- 可迭代对象 initializer -- 可选，初始参数 返回： 返回函数计算结果 案例：求列表所有值的和 from functools import reduce v = reduce(lambda x,y:x+y,[1,2,3,4],5) print(v) v = reduce(lambda x,y:x+y,['1','2','3','4'],'5') print(v) 案例: 求列表中数字所能表示的整型数 -------------------- def func_4(x,y): return x * 10 + y list3 = [1,2,3,4] value = reduce(func_4,list3) print(value) -
sorted()
sorted() 函数对所有可迭代的对象进行排序操作。 sort 与 sorted 区别： sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。 list 的 sort 方法返回的是对已经存在的列表进行操作， 而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作 语法： sorted(iterable[, key[, reverse]]) 参数说明： iterable -- 可迭代对象。 key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。 reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认） 返回： 返回重新排序的列表。 案例： class Student(): def __init__(self,name,age): self.name = name self.age = age def __str__(self): return self.name+str(self.age) students = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)] # 根据 students = sorted(students,key=lambda s:s[1]) print(students) students = [Student('jj',12),Student('dd',19),Student('xx',32)] # 自定义对象的排序 students1 = sorted(students,key=lambda x:x.name) for s in students1: print(s)
-
集合
-
概念
类似于列表的一种容器，可以存储多个数据，无序，唯一 -
用法：
-
添加、删除元素
add() remove() -
数学运算
a = {1,2,3} b = {3,4,5} &: a & b |: a | b -: a - b ^: a ^ b
-
常用模块
-
常见模块列表
builtins 内建函数默认加载 os 操作系统接口 sys python自身运行环境 functools 常用的工具 json 编解码json对象 logging 记录日志 time 时间 datetime 日期和时间 calendar 日历 multiprocessing 进程 threading 线程 copy 复制 hashlib 加密 re 正则 socket 标准BSD socket API -
hashlib的加密验证（账户密码验证）
from hashlib import * m = md5() account = '13388888888' pw = '123456' # 使用md5方式加密 m.update(account.encode()) # 打印加密后的结果 print(m.hexdigest()) -
常用扩展库（第三方库）
requests 使用的是 urllib3， 继承了urllib2的所有特性 urllib 基于http的高层库 scrapy 爬虫 beautifulsoup4 HTML/XML的解析器 celery 分布式任务调度模块 redis 缓存 Pillow(PIL) 图像处理 xlsxwriter 仅写excle功能,支持xlsx xlwt 仅写excle功能,支持xls ,2013或更早版office xlrd 仅读excle功能 elasticsearch 全文搜索引擎 pymysql 数据库连接库 mongoengine/pymongo mongodbpython接口 matplotlib 画图 numpy/scipy 科学计算 django/tornado/flask web框架 xmltodict xml 转 dict SimpleHTTPServer 简单地HTTP Server,不使用Web框架 gevent 基于协程的Python网络库 fabric 系统管理 pandas 数据处理库 scikit-learn 机器学习库 python本地服务器开启 python -m http.server 8888
网友评论