《Fluent Python》读书笔记
下文所有的内容都是针对Python3而言…
Prologue
1. The Python Data Model
第一章，作者粗略地介绍了Python中的数据模型，主要是为了展示Python是如何将各种 magic method 和特定语法结合起来，从而使开发人员自定义的类可以大量使用Python中已有的内置函数。
1.1 dunder method
Python中有很多 magic method，被 __ 所包围（例如 __getitem__）。这些特殊的方法会在各种不同的场景下被调用（例如 l[0]调用了l.__getitem___(0)）。这类方法有个 pythonic 的名字，称为： dunder method.
一般对于 dunder method 是不会直接调用的(除了: __init__)，并且程序员应该避免将自己使用的函数写成 dunder method 的形似，一来可以避免和以后的magic method冲突，而来防止和未来标准中新定义的magic method冲突。
1.2 __repr__ vs __str__
__repr__ 应该返回对象的代码表示，用于给解释器看；__str__应该返回对象的信息，用于给人看。
当__str__没有实现的情况下，Python 会 fallback使用__repr__.
1.3 bool()
在 if, while, 或者一些逻辑表达式中，表达式本身会被调用bool()，返回 True 或者 False.
默认情况下，对于一个用户自定义的类型，Python按下面的顺序去评估bool()的返回值：
- 如果没有实现
__bool__或者__len__，返回True; - 否则，如果实现了
__bool__，则返回__bool__的返回值（TrueorFalse）; - 否则，如果实现了
__len__，则如果返回非0，则为True,否则为False.
Data Structures
2. An Array of Sequences
如果按照存储的是对象实体还是对象的引用来区分sequence，那么可以分为以下两类：
Container Sequences
list, tuple, collections.deque
Flat Sequences
str, bytes, bytearray, memoryview, array.array
Container Sequence可以保存任意不同类型对象的引用，而Flat Sequence只能保存特定某种类型的对象的实体。
如果按照是否mutable来区分sequence, 可以分为以下两类：
Mutable Sequences
list, bytearray, array.array, collections.deque, memoryview
Imuutable Sequence
str, bytes, tuple
下图展示了ABCmodule所提供的两个sequence基类的UML图，可以给人一个直观的感受 mutable sequence 和 immutable sequence 在内部实现上的差距：
(注意：built-in的sequence并没有继承ABC module中的类)
2.1 listcomp & genexp
Python3中的listcomp不再leak内部变量了：
In [1]: x = 'ABC'
In [2]: dummy = [ord(x) for x in x]
In [3]: dummy
Out[3]: [65, 66, 67]
In [4]: x
Out[4]: 'ABC'
使用listcomp构造list/tuple/map/…的好处有：
- 可读性强，让人一目了然的知道是在构造一个list/tuple/map/…
- 有时候更快
genexp相对于listcomp来说，可以节省内存。因为它并不是一次性构造出目标sequence，而是创建一个iterator，每次迭代只返回下一个元素。
2.2 Tuple
tuple有两个作用：
- 用于一串record，类似C++中的POD类。每一个域的值是不变的，并且域和域之间是固定的顺序
- 作为imuutable的list
2.2.1 Tuple Unpacking
tuple还支持 tuple unpacking 的操作，允许将任意iterable中的元素unpack到等号左边的tuple中去，例如：
In [1]: a,b = (1,2)
In [2]: a
Out[2]: 1
In [3]: b
Out[3]: 2
In [4]: a, b = b, a
In [5]: a
Out[5]: 2
In [6]: b
Out[6]: 1
In [7]: a, b, *l = (1,2,3,4,5)
In [8]: l
Out[8]: [3, 4, 5]
In [10]: a, *l, b = (1,2,3,4,5)
In [11]: l
Out[11]: [2, 3, 4]
In [12]: a, (b1,b2), c = (1,(2,3), 4)
In [13]: b1
Out[13]: 2
另外，在函数调用的时候，也可以使用 unpacking/packing. 调用者使用的时候是 unpacking 的过程；函数定义中使用的时候是packing 的过程。
2.2.2 Named Tuples
collections.namedtuple 提供了有名tuple. 这种tuple和内置的tuple的内存消耗量是一样的（因为名字是存在类里，而不是实例当中）。
Named tuple很适合用于record。
2.3 Slicing
slice是一个很常见的操作，例如：
In [28]: s = "bicycle"
In [29]: s[::3]
Out[29]: 'bye'
a:b:c 只在[]中有效。在内部实现中，a:b:c会被转化成一个 slice object: slice(a,b,c). 这个 slice object 会作为输入参数传给 __getitem__(). 因此：
s[::3] ---> s.__getitem__(slice(0, len(s), 3))
在某些多维数组的实现中（例如numpy.ndarray），[]也接受以逗号分隔的多个index或者slide, 这等价于将多个 slice object 组成的tuple作为参数传给 __getitem__():
In [22]: array = numpy.zeros((2,5))
In [23]: i = 0
In [24]: for x in range(array.shape[0]):
...: for y in range(array.shape[1]):
...: array[x,y] = i
...: i += 1
...:
In [25]: array
Out[25]:
array([[ 0., 1., 2., 3., 4.],
[ 5., 6., 7., 8., 9.]])
In [27]: row = slice(0,2)
In [28]: col = slice(0,3)
In [30]: array.__getitem__((row, col))
Out[30]:
array([[ 0., 1., 2.],
[ 5., 6., 7.]])
In [31]: array[row, col]
Out[31]:
array([[ 0., 1., 2.],
[ 5., 6., 7.]])
...在python中是作为Ellipsis(ellipsis类的singleton实例)的别名，可以被作为参数传给函数，例如：
f(a, ..., z)
a[i:...]
目前为止，标准库中还没有使用...的函数，但是在numpy中大量存在。
Comments