看例子，學 Python（三）

看例子，學 Python（三）

看例子，學 Python（一）
看例子，學 Python（二）

包

建立一個目錄 myutil，把 mymath.py 挪到裏面，再添加一個空文件 __init__.py：

myutil/
    __init__.py
    mymath.py

myutil 即是一個包（package）。

import

最直接的用法：

>>> import myutil.mymath
>>> myutil.mymath.fac(4)
24

缺點是調用 fac 時太長，包和模塊做爲前綴都要寫全。可是寫成 import myutil.mymath.fac 也是不對的。
經過 import 的語法（syntax）：

import <包>.<包>.<包|模塊>

能夠看出：

• 最後一項（item）能夠是包也能夠是模塊，前面的必須是包；

• 最後一項不能夠是類、函數或變量的定義。

根據語法來看，能夠 import 一個包：

>>> import myutil
>>> help(myutil)
...

可是這樣並無什麼實際用處，由於沒法就此調用具體的函數（類、變量）：

>>> myutil.mymath.fac(4)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: module 'myutil' has no attribute 'mymath'

from...import

若是要避免調用時帶着一串前綴，能夠用 from...import：

>>> from myutil.mymath import fac
>>> fac(4)  # 再也不須要前綴
24

一次 import 多個時以逗號分割：

>>> from myutil.mymath import fib, fac

一次 import 全部：

>>> from myutil.mymath import *

from...import... 避免了前綴，可是也污染了名字，使用時需權衡。

高階函數

高階函數（higher-order）就是操做或返回其它函數的函數。
下面是幾個經典的高階函數，其它稍微函數式一點的語言裏通常也有。

reduce（規約）

用 reduce 重寫階乘：

import operator, functools
def fac(n):
    return functools.reduce(operator.mul, range(1, n+1))

用 reduce 求和:

def sum(n):
    return functools.reduce(operator.add, range(1, n+1))

Python 的 reduce 就至關於 C++ 的 accumulate（C++17 已經新增 reduce）。

std::vector<int> v{1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
int sum = std::accumulate(v.begin(), v.end(), 0);  // 求和
int product = std::accumulate(v.begin(), v.end(), 1, std::multiplies<int>());  // 求積

map（映射）

>>> list(map(bool, [None, 0, "", u"", list(), tuple(), dict(), set(), frozenset()]))
[False, False, False, False, False, False, False, False, False]

None、0、空字符串、以及沒有元素的容器對象均可視爲 False，反之爲 True。

filter（過濾）

>>> list(filter(bool, [None, 0, "", 1]))
[1]

數據模型

== vs. is

== 判斷值是否相等，is 判斷兩個變量是否爲同一個對象。
這就好像 Java 裏的 == 和 equals 同樣。
下面是一些例子：

>>> a, b = 1, 1
>>> a == b
True
>>> a is b
True

a == b 比較好理解，a is b 是由於 Python 對整數作了優化，a 和 b 都指向同一個預先分配的對象（其值爲 1）。
能夠理解爲 is 比較的是對象的內存地址。
內建函數 id() 返回對象的惟一標識，能夠理解爲內存地址。

>>> id(a), id(b)
(35169392, 35169392)

甚至能夠拿到一個對象的引用計數（reference count）：

>>> import sys
>>> sys.getrefcount(a)
99
>>> sys.getrefcount(b)
99

引用計數爲 99 有點意外，實際上是由於不少裝載的內建模塊都用到了整數 1。
不妨看看其它整數如何：

>>> sys.getrefcount(0)
169
>>> sys.getrefcount(255)
4

對 Python 來講，變量只是名字，它的類型和值取決於它所綁定的對象。咱們能夠把 a b 綁定到其它對象：

>>> a, b = "hello", "hello"
>>> a is b
True

一樣，a is b 是由於 Python 對字符串作了優化。

值得一提的是，這種優化（也即引用計數）可能只針對 CPython，對於 Python 的其它實現可能就不是這樣了。你的程序不應依賴於這些特定於解釋器的實現。

整數和字符串有一個共同點，即它們都是不可變的（immutable），如今來看看可變對象，好比列表：

>>> c, d = [a, b], [a, b]
>>> c == d
True
>>> c is d
False

可見雖然 c 和 d 具備相等的值，但對象是不一樣的兩個。

這些就是 Python 的數據模型（Data Model），雖然不是所有。

對象

Python 的每個對象（object）都有如下三個部分：

• 身份（identity）

• 類型（type）

• 值（value）

身份：

• 不可改變（unchangeable）（一旦對象建立了就不會改變）

• 對應於內存地址

• 經過操做符 is 進行比較: a is b

• 函數 id() 返回對象惟一的整形標識（內存地址)

類型：

• 不可改變（unchangeable）

• 函數 type() 返回對象類型

值：

• 可變的（mutable）：字典，列表

• 不可變的（immutable）：數字，字符串，元組

最後，對象不會被顯式地銷燬（explicitly destroyed）。
對 CPython 來講，對象由引用計數管理，計數爲 0 時對象會自動銷燬。

練習

最後留一道練習。

給定：

>>> c = []
>>> d = []
>>> c is d
False

請問：

>>> e = f = []
>>> e is f
???

看例子，學 Python（一）
看例子，學 Python（二）