阅读:100
静/动态: 编绎/运行 时确定变量类型
弱/强类型: 会/不会发生隐式类型转换
语言简单灵活,开发效率高
胶水语言,轮子多,拥有Django这种的成熟web框架
执行效率低,性能不如其他语言
动态语言,没有类型声明时就没有自动补全,而且很多问题要运行后才能发现
鸭子类型更关注对象的行为,只要实现了某种接口方法就行,而不在乎是什么类型
比如说定义了 __iter__魔法方法的类实例对象都可以用for来迭代
monkey patch就是运行时替换对象,本质上是对象的重新赋值
用来处理可变参数,接收参数后,args会变成一个tuple,kwargs会变成一个dict
GIL,Global Interpreter Lock,即全局解释器锁
引入GIL是因为CPython的内存管理并不是线程安全的,
为了保护多线程下对python对象的访问,每个线程在执行过程中都需要先获取GIL,保证同一时刻只有一个线程在执行代码
GIL使得python的多线程不能充分发挥多核CPU的性能,对CPU密集型程序的影响较大
生成器是一种可迭代对象,可以挂起并保持当前的状态
生成器遇到yield处会停止执行,调用next()或send()才会继续执行
定义一个生成器有两种方式,一种是生成器推导式,一种是在普通函数中添加yield语句并实例化
浅拷贝出来的是一个独立的对象,但它的子对象还是原对象中的子对象
深拷贝会递归地拷贝原对象中的每一个子对象,因此拷贝后的对象和原对象互不相关。
可迭代对象类,必须自定义__iter__()魔法方法,range,list类的实例化对象都是可迭代对象
迭代器类,必须自定义__iter__()和__next__()魔法方法,用iter()函数可以创建可迭代对象的迭代器
闭包就是一个嵌套函数,它的内部函数 使用了 外部函数的变量或参数,它的外部函数 返回了 内部函数
可以保存外部函数内的变量,不会随着外部函数调用完而销毁
引用计数为主,标记清除 和 分代回收为辅
引用计数机制是这样的
当对象被创建,被引用,作为参数传递,存储到容器中,引用计数+1
当对象离开作用域,引用指向别的对象,del,从容器中移除,引用计数-1
当引用计数降为0,python就会自动回收该对象所在的内存空间,
但是引用计数无法解决循环引用的问题,所以引入了标记清除和分代回收机制
async: 声明一个函数为异步函数,函数内只要有await就要声明为async
await: 搭配asyncio.sleep()时会切换协程,当切换回来后再继续执行下面的语句
collections模块提供了一些好用的容器数据类型,其中常用的有: namedtuple,deque,Counter,OrderedDict,defaultdict
dict底层是哈希表,哈希表类似于C语言的数组,可以实现按索引随机访问
但dict的key不一定是整数,需要先通过哈希函数,再经过取余操作转换为索引
list和tuple底层都是顺序表结构
list底层是可变数组,数组里存放的是元素对象的指针
哈希表,key就是元素,value都是空
class方法的第一个参数是cls,可以访问类属性,类方法
static方法和普通函数一样,只不过是放在类里,要通过类或实例来调用,但是它不能访问类和实例的属性和方法
装饰器是一个接收函数作为参数的闭包函数
它可以在不修改函数内部源代码的情况下,给函数添加额外的功能
import time
def calc_time(func):
def inner():
t1 = time.time()
func()
t2 = time.time()
print('cost time: {}s'.format(t2-t1))
return inner
元类是创建类的类,type还有继承自type的类都是元类
作用: 在类定义时(new, init)和 类实例化时(call) 可以添加自定义的功能
使用场景: ORM框架中创建一个类就代表数据库中的一个表,但是定义这个类时为了统一需要把里面的类属性全部改为小写,这个时候就要用元类重写new方法,把attrs字典里的key转为小写
单例模式: 一个类只能创建一个实例化对象
class Foo():
__instance = None
def __new__(cls):
if cls.__instance is None:
cls.__instance = super().__new__(cls)
return cls.__instance
class MyType(type):
def __init__(self):
super().__init__()
self.__instance = None
def __call__(self,*args,**kwargs):
if not self.__instance:
self.__instance = super().__call__(*args,**kwargs)
return self.__instance
class Foo(metaclass=MyType):
...
def outter(cls):
dct = {}
def inner(*args,**kwargs):
if cls not in dct:
dct[cls] = cls(*args,**kwargs)
return dct[cls]
return inner
@outter
class Foo():
...
根据不同条件创建不同的类实例化对象
class CarFactory():
def produce(self,name):
if name == 'BYD':
return BYD()
elif name == 'BMW':
return BMW()
class BYD():
pass
class BMW():
pass
car = CarFactory().produce('BMW')