Python 的一些高级知识点

“A quitter never wins and a winner never quits” — Napoleon Hill

垃圾回收

• 深入理解Python内存管理与垃圾回收，再也不怕问了（一）

• 也来说说Python的垃圾回收机制？

垃圾回收是在正在运行的程序中查找将来无法访问的数据对象，并回收那些对象所使用的资源（尤其是内存）的过程。 自动垃圾收集的语言–Java，C#，Python和大多数脚本语言。 C是没有垃圾回收的语言-程序员需要了解何时应该分配和回收内存。

• 大多数垃圾回收语言都使用引用计数（reference counting,跟踪对象的引用数量）或可达性分析（tracing,从“根”对象开始，查找可被一系列引用访问的对象，剩下没有被引用的对象将被视作“垃圾”被回收）。

• Python使用引用计数，好处是当引用计数变为0时，它可以立即回收对象。这样做的代价是需要为每个对象存储一个附加的整数值。可达性分析（Java中使用）的好处是可以在独立的线程中执行，从而提高性能。缺点是，当垃圾收集器运行时，程序会暂停所有的线程。

• 引用计数的缺点是无法解决“循环引用”，例如：对象A和对象B互相引用，A.x = B和B.y = A，这样会引用计数不会变到1以下，即使没有其它的对象引用A和B，在这种情况下，垃圾收集器会定期查找并删除它们。

• 垃圾收集器使用启发式方法提高速度。 例如，根据经验，最近创建的对象更有可能死掉。 因此，在创建对象时，将它们分配给不同的代，然后首先检查年轻的代。

深拷贝和浅拷贝

参看之前的文章：学习Python一年，这次终于弄懂了浅拷贝和深拷贝

问：浅拷贝和深拷贝的区别？

答：

• copy.copy(x)和copy.deepcopy(x)，浅拷贝将构造一个新的复合对象，然后（在可能的范围内）将对原始对象中找到的对象的引用插入其中。 深拷贝将构造一个新的复合对象，然后递归地将原始对象中的对象的副本插入其中。

• 浅拷贝和深拷贝之间的区别仅与复合对象有关，复合对象即包含其他对象（例如列表或类实例）的对象。

• 如果已知客户端不会改变对象，可以少用copy。类似地，如果对象本身是不可变的，例如tuple，则无需拷贝它。

3.3 迭代器和生成器

问：迭代器和生成器的区别？

迭代器： 一个实现了__iter__()和__next__()方法的对象。第一个方法返回迭代器对象本身，并在for和in语句中使用。第一个方法在迭代中返回下一个值，如果没有更多的元素，将引发StopIteration异常。

生成器： 创建迭代器的简便方法，使用关键字yield。生成器使用函数调用堆栈隐式存储迭代器的状态-与编写与作为显式类相同的迭代器相比，可以简化迭代器的编写。 它还有助于提高可读性。

每个生成器都是一个迭代器，但反过来就不正确。 特别是，迭代器可以是完全成熟的类，因此可以提供其他功能。 例如，在上面的迭代器类中添加一个方法来更改迭代限制很容易，这对于生成器是不可能的。

装饰器 @decorator

@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

import time


def time_function(f):
    def wrapper(*args, **kwargs):
        begin = time.time()
        result = f(*args, **kwargs)
        end = time.time()
        print("Function call with argument {all_args} took ".format(
            all_args="\t".join((str(args), str(kwargs)))) + str(end - begin) +
              " seconds to execute.")
        return result

    return wrapper

List vs. tuple

Lists[1, 4, 7, "apple", 4], Tuple(3.14, "PI", 2,43, "e")

**相同点：**都是容器，且都能存放不同类型的数据，都能进行索引进行访问a[i]

不同点： 元组的是不可变的，不能改变索引a[i]的值，也不能从元组中增加/删除元素；但是列表可以。

不可变带来的好处：性能提升，容器友好，线程安全。元祖可以放在集合set中并用作键值，但列表不行。创建元组和访问速度稍快，并且内存占用量较小。

*args 和 *kwargs

都是用于函数中传递可变参数。*arg用于传递可变长度的参数列表:

• 在函数中引用的参数称为args并不重要-它也可以称为A或varargs,args是习惯用法；
• *必须跟着常规参数后面

第二个参数** kwargs在将可变数量的关键字参数传递给函数时使用。

• 将函数中引用的参数称为args并不重要，也可以将其称为D或argdict。
• **参数必须出现在所有常规命名参数和*参数之后
• 关键字实参与命名实参有很大不同，其中命名实参的名称在函数本身中指定

lambda

increment_by_i = [lambda x: x + i for i in range(10)]
print(increment_by_i[3](4))

该程序将打印13（= 9 + 4），而不是预期的7（= 3 + 4）。 这是因为在循环中创建的函数具有相同的作用域。 它们使用相同的变量名称，因此，它们都引用相同的变量i，在循环末尾为10，因此为13（= 9 + 4）。

有很多方法可以得到所需的行为。 合理的方法是从函数返回lambda，从而避免命名冲突。

函数参数

什么是函数的位置参数，关键字参数和默认参数、可变不定长参数。

可以看此篇文章。

总结

以上，只是总结了部分 Python 的高级知识点，其他更多需要读者自己去了解学习。