---

分类

category:

• Python编程
• 进阶知识

标签

tag:

• Python
• 进阶知识
• 深拷贝浅拷贝
• 可变类型
• 高级特性

优先级

order: 40

图标

icon: python

封面

cover: /pic/IT_page13_image_105.jpg

Python进阶知识点：避坑指南与高级技巧

在我五年的Python开发经验中，遇到过无数因为对语言特性理解不深而导致的bug。这些看似简单的知识点，往往是区分初级和高级开发者的关键所在。

今天，我将分享一些在实际开发中容易踩坑的进阶知识点，以及一些虽然高级但在特定场景下非常有用的技巧。掌握这些内容，能让你在Python的道路上走得更稳更远。

深拷贝浅拷贝

import copy

# 浅拷贝
a = [1, 2, 3, 4]
b = a.copy()
print(id(a), id(b))

# 深拷贝
a = [1, 2, 3, 4]
b = copy.deepcopy(a)
print(id(a), id(b))

浅拷贝是对于一个对象的顶层拷贝，对于对象中的子对象不会拷贝，而是引用。 深拷贝是对于一个对象所有层次的拷贝(递归)。

这里再引申出一个问题,python的可变类型和不可变类型

什么是可变类型呢,比如说列表,我们可以直接就改变其中的值,list1[1]= 0 比如 list dict 而不可变呢,就是值如果发生改变,就相当于一个新的对象了,比如 int float string tuple 我们可以使用id(xxx)来判断对象的地址

由可变类型和不可变类型,我们在引申出一个问题,就是python的参数传递是值传递还是引用传递 我们可以通过id(xxx)来判断对象的地址,如果地址相同,那么就是值传递,如果地址不同,那么就是引用传递 我们可以通过以下代码来测试

def modify_integer(x):
    x = x + 1

a = 5
modify_integer(a)
print(a)  # 输出: 5

在这个例子中，尽管a被传递给了modify_integer函数，函数内部对x的修改（尽管改变了x的值）并没有影响原始的a。

def modify_list(x):
    x.append(2)
 
a = [1]
modify_list(a)
print(a)  # 输出: [1, 2]

在这个例子中，a被传递给了modify_list函数，函数内部对列表x的修改（添加了一个元素）影响了原始的a。 所以我们可以得出结论,python的参数传递是值传递还是引用传递,取决于参数的类型,不可变类型是值传递,可变类型是引用传递

深拷贝和浅拷贝这里,我们在引出一个问题 a = b ,对b进行修改,那么a的值会发生变化吗? 答案分两种情况

1. 如果a和b是可变类型,那么a的值会发生变化
2. 如果a和b是不可变类型,那么a的值不会发生变化

a = [1, 2, 3, 4]
b = a
b[1] = 0
print(a)  # 输出: [1, 0, 3, 4]

这里的a和b是两个不同的对象,但是他们的值是一样的,所以a的值会发生变化

is 和 ==

• is 是比较两个引用是否指向了同一个对象（引用比较）。
• == 是比较两个对象是否相等。 可以说is是比==更严格的比较 举例:

a = [1, 2, 3, 4]
b = a.copy()
print(a == b) # True
print(a is b) # False

这里的a和b是两个不同的对象,但是他们的值是一样的,所以a == b 返回True,但是a is b 返回False 因为a和b是两个不同的对象,所以a is b 返回False

python传参数是值传递还是引用传递

在Python中，参数的传递方式取决于参数的类型。Python中的变量可以是不可变类型（如整数、浮点数、字符串、元组等）或可变类型（如列表、字典、集合等）。

不可变类型 对于不可变类型（如整数、浮点数、字符串、元组等），参数是通过值传递的。这意味着当你将一个不可变类型的变量作为参数传递给函数时，函数内部对这个参数的修改不会影响原始变量。

示例：

def modify_integer(x):
    x = x + 1
 
a = 5
modify_integer(a)
print(a)  # 输出: 5

在这个例子中，尽管a被传递给了modify_integer函数，函数内部对x的修改（尽管改变了x的值）并没有影响原始的a。

可变类型 对于可变类型（如列表、字典、集合等），参数是通过引用传递的。这意味着当你将一个可变类型的变量作为参数传递给函数时，函数内部对这个参数的修改会影响原始变量。

示例：

def modify_list(x):
    x.append(2)
 
a = [1]
modify_list(a)
print(a)  # 输出: [1, 2]

在这个例子中，a被传递给了modify_list函数，函数内部对列表x的修改（添加了一个元素）影响了原始的a。

总结 不可变类型是通过值传递的。

可变类型是通过引用传递的。

理解这一点对于编写和理解Python代码非常重要，特别是在处理大型数据结构或需要确保函数不修改原始数据时。如果你希望在函数内部修改数据而不影响原始数据，可以考虑返回一个新的数据结构而不是直接修改传入的参数。例如，对于列表，你可以通过返回一个新的列表来实现这一点：

def modify_list(x):
    return x + [2]  # 返回新的列表，而不是修改原列表
 
a = [1]
a = modify_list(a)
print(a)  # 输出: [1, 2]

这样，原始的a就不会被改变了。

元类

python的重载

工作中就没有使用过,而且python也不需要,下文仅做一个解释 函数重载主要是为了解决两个问题。 1。可变参数类型。 2。可变参数个数。 另外，一个基本的设计原则是，仅仅当两个函数除了参数类型和参数个数不同以外，其功能是完全相同 的，此时才使用函数重载，如果两个函数的功能其实不同，那么不应当使用重载，而应当使用一个名字 不同的函数。 好吧，那么对于情况 1 ，函数功能相同，但是参数类型不同，python 如何处理？答案是根本不需要处 理，因为 python 可以接受任何类型的参数，如果函数的功能相同，那么不同的参数类型在 python 中 很可能是相同的代码，没有必要做成两个不同函数。 那么对于情况 2 ，函数功能相同，但参数个数不同，python 如何处理？大家知道，答案就是缺省参 数。对那些缺少的参数设定为缺省参数即可解决问题。因为你假设函数功能相同，那么那些缺少的参数 终归是需要用的。 好了，鉴于情况 1 跟 情况 2 都有了解决方案，python 自然就不需要函数重载了。

python的三元运算符

python的GIL

GIL是python的全局解释器锁，同一进程中假如有多个线程运行，一个线程在运行 python程序的时候会霸占pythonf解释器（加了一把锁即GIL),使该进程内的其他线程 无法运行，等该线程运行完后其他线程才能运行。如果线程运行过程中遇到耗时操作，则 解释器锁解开，使其他线程运行。所以在多线程中，线程的运行仍是有先后顺序的，并不 是同时进行。 多进程中因为每个进程都能被系统分配资源，相当于每个进程有了一个oython解释器， 所以多进程可以实现多个进程的同时运行，缺点是进程系统资源开销大

flask Django 和fastapi都有orm模型,那什么是orm模型

orm 是 object relation map的缩写,以为对象映射 实现了数据模型与数据库的解耦，通过简单的配置就可以轻松更换数据库，而不需要修改代码只需要面向对象编程，or操作本质上会根据对接的数据库引擎，翻译成对应的sq语句，所有使用Django开发的项目无需关心程序底层使用的是MySQL、Oracle、sqlite.…,如果数据库迁移，只需要更换Djangol的数据库引擎即可

提高python运行效率的方法

1. 使用生成器,因为生成器是惰性的,不会一次性加载所有数据,节约内存
2. 使用多进程,因为多进程是并行的,不会因为一个进程阻塞而影响其他进程
3. 使用多线程,因为多线程是并发的,不会因为一个线程阻塞而影响其他线程
4. 使用协程,因为协程是并发的,不会因为一个协程阻塞而影响其他协程
5. 多个if elif条件判断,可以使用字典来存储,这样可以减少if elif的数量,提高效率

python的魔法方法

init 是python的构造函数,当我们创建一个对象的时候,会自动调用这个方法 new 是python的静态方法,当我们创建一个对象的时候,会自动调用这个方法 call 是python的魔法方法,当我们调用一个对象的时候,会自动调用这个方法 str 是python的魔法方法,当我们打印一个对象的时候,会自动调用这个方法 repr 是python的魔法方法,当我们打印一个对象的时候,会自动调用这个方法 len 是python的魔法方法,当我们调用len()函数的时候,会自动调用这个方法

sort和sorted的区别

sort是列表的方法,会改变现有列表的顺序 sorted是内置函数,不会改变列表的顺序 举例:

a = [1, 2, 3, 4]
a.sort()
print(a) # [1, 2, 3, 4]
b = [1, 2, 3, 4]
b = sorted(b)
print(b) # [1, 2, 3, 4]

python的引用计数(python的垃圾回收机)

python:垃圾回收主要以引用计数为主，标记-清除和分代清除为辅的机制，其中标记-清除和分代回收主要是为了处理循环引用的难题。

引用计数算法

当有1个变量保存了对象的引用时，此对象的引用计数就会加1当使用d删除变量指向的对象时，如果对象的引用计数不为1，比如3，那么此时只会让这个引用计数减1，即变为2，当再次调用del时，变为1，如果再调用1次de,此时会真的把对象进行删除

python新式类和经典类的区别？

a. 在python里凡是继承了object的类，都是新式类 b. Python3里只有新式类 c. Python2里面继承object的是新式类，没有写父类的是经典类 d. 经典类目前在Python里基本没有应用 e. 保持class与type的统一对新式类的实例执行a.class与type(a)的结果是一致的，对于旧式类来说就不 一样了。 f. 对于多重继承的属性搜索顺序不一样新式类是采用广度优先搜索，旧式类采用深度优先搜索。

我们编写函数的4个原则

其实我简单来说就是: 简单通俗易懂原子化 向下兼容 可扩展 (可扩展可以通过继承来实现)

元类

工作过程中完全没用过,下文仅做一个解释 元类是创建类的类，就像类是创建对象的类一样。在Python中，类是由type类创建的。因此，type是Python的内置元类。

元类的主要用途是创建API，一个典型的例子是Django ORM。Django ORM中，你定义的每个模型类实际上都是通过元类转换成数据库中的表。

元类的主要作用是控制类的创建行为。你可以使用元类来修改类，添加方法，甚至改变类的行为。例如，你可以使用元类来自动为每个类添加一个方法，或者自动为每个类添加一个属性。