Python一些知识

概述不定期写一些学到的Python小知识  1关于字典中键的一些了解1.1字典的查找过程通过hash函数将key计算为哈希值；通过哈希值确定一个位置，这个位置是一个存放着可能存在冲突的元素的数组(即“桶”，bucket)，每个元素都是一个键值对，理想情况下，这个数组里只有1个元素；遍历这个

不定期写一些学到的Python小知识

 
 

1 关于字典中键的一些了解1.1 字典的查找过程通过hash函数将key计算为哈希值；通过哈希值确定一个位置，这个位置是一个存放着可能存在冲突的元素的数组(即“桶”，bucket)，每个元素都是一个键值对，理想情况下，这个数组里只有1个元素；遍历这个数组，找到目标key，返回对应的value。

代码如下：

def lookup(d, key):	h = hash(key)	cl = d.dath[h]	for pair in cl:	if key == pair[0]:		return pair[1]	else:		raise KeyError, 'Key %s not found." % key

在字典查询的hash函数应满足两个原则：

如果两个key产生了不同的hash值，那么这两个key对象是不相等的；---- 这个保证能从字典中查找到需要的正确的元素如果两个key产生相同的hash值，那么这两个key对象是相等的；---- 这个保证了查询效率1.2 字典key要满足的要求

要作为字典的key，对象必须要支持__hash__函数，并且满足上面两个原则

1.3 List对象为什么不能作为key？

List对象不支持__hash__函数

List对象实现__hash__函数有两种实现方式：基于ID和基于内容，然而两种方式对于List对象来说都有一定的副作用，所以Python规定内置的List对象不能作为字典的key。

tuple对象可以作为字典的key，tuple对象就是基于内容实现的__hash__函数，但是若tuple中有元素是可变对象，一人不可以作为字典的key。

用户自定义的类型可以作为字典的key，默认的hash(object)是ID(object)，默认的cmp(object1, object2)是cmp(ID(object1), ID(object2))。特别注意的是，用户自定义类型是可变的，但依然可以作为字典的key。因为一般来说ID比内容更重要，可以基于ID来hash。若内容比ID重要，可以在定义类的时候重载__hash__函数和__cmp__函数。

 
 

2 赋值/浅拷贝/深拷贝2.1 几个概念变量：是一个系统表的元素，拥有指向对象的连接空间对象：被分配的一块内存，存储其所代表的值引用：是自动形成的从变量到对象的指针类型：属于对象，而非变量不可变对象：一旦创建就不可修改的对象，包括字符串/元组/数值类型
(该对象所指向的内存中的值不能被改变。当改变没某个变量时，由于其所指的值不能被改变，相当于把原来的值复制一份后再改变，这会开辟一个新地址，变量再指向这个新的地址。)可变对象：可以改变的对象，包括列表/字典/集合
(该对象所指向的内存中的值可以改变。变量改变后，实际上是所指的值直接发生改变，并没有发生复制行为，也没有开辟新的地址，也就是原地改变)2.2 区别赋值：只是复制了新对象的引用，不会开辟新的内存空间。
并不会产生一个独立的对象单独存在，只是将原有的数据块打上一个新的标签，所以当其中一个标签被改变时，数据块就会发生变化，另一个标签也会随之改变。浅拷贝：创建新的对象，其内容都是原对象的引用。
浅拷贝分两种情况讨论：
（1）当浅复制的值是不可变对象是和“赋值”一样，对象的ID值与浅复制原来的值相同。
（2）当浅复制的值是可变对象时会产生一个“稍微有点依赖的对象”存在： 第一种情况：复制的对象中无复杂的子对象，原来值的改变并不会影响浅复制的值，同时浅复制的值改变也不会影响原来的值。原来的ID值与浅复制的ID值不同。第二种情况：复制的对象中有复杂子对象，如果不改变其中复杂子对象，浅复制的值改变与原来的值改变互不影响。但是改变复杂子对象，浅复制的值改变与原来的值改变会互相影响。 深拷贝：和浅拷贝对应，深拷贝拷贝了对象的所有元素，包括多层嵌套的元素。深拷贝出来的对象是一个全新的对象，不再与原来的对象有任何关联。
所以改变原有被复制对象不会对已经复制出来的新对象产生影响。不过对于不可变对象来说，不管是深拷贝还是浅拷贝，地址值和拷贝后的值都是一样的。

 
 

3. 列表生成式/生成器/迭代器3.1 列表生成式

#### 三种格式## 1[x * x for x in range(1, 11)]## 2[x * x for x in range(1, 11) if x % 2 == 0]## 3[x * x if x % 2 == 0 else -x for x in range(1, 11)]

3.2生成器

通过列表生成器会占用很大的内存空间，而生成器可以是我们一边循环一边生成想要的数据。

创建方法：

## 1.g = (x * x for x in range(1, 11)]next(g) # 通过next()来获取每一个生成值## 2.利用yIEld将函数转换成关键字def fib(max):	n, a, b = 0, 0, 1	while n < max:		yIEld b		a, b = b, a + b		n += 1	return 'done'## 3.捕获原来函数的返回值g = fib(6)while True:	try:		x = next(g)		print('g', x)	except StopI@R_404_6704@ction as e:		print('Generator return value:', e.value)		break

3.3 迭代器

区分两个概念：

可以直接作用与for循环的对象统称为可迭代对象：I@R_404_6704@ble。可以被next()函数调用并不断返回下一个值的对象成为迭代器：I@R_404_6704@tor。

List, tuple, dict, set, str, 生成器, 带yIEld的函数，这些虽然都是I@R_404_6704@ble，但只有生成器是I@R_404_6704@tor。要想将其他的数据类型也变成I@R_404_6704@tor，可以使用iter()函数。

总结

以上是内存溢出为你收集整理的Python一些知识全部内容，希望文章能够帮你解决Python一些知识所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。