一、is == id 用法
在Python中，id是内存地址， 你只要创建一个数据（对象）那么就会在内存中开辟一个空间，将这个数据临时加载到内存中，这个空间有一个唯一标识，就好比是身份证号，标识这个空间的叫做内存地址，也就是这个数据（对象）的id，那么你可以利用id（）去获取这个数据的内存地址：
name = 'Dylan'
print(id(name)) # 4319709032
== 是比较两边的数值是否相等，其反回的结果是 True 或 False。
is 是比较两边的内存地址是否相等，如果内存地址相等，那么两边所指向是同一个内存地址。其反回的结果是 True 或 False。
name = ['Dylan']
name2 = ['Dylan']
print(name is name2) # False
print(name == name2) # True
print(id(name)) # 4387384328
print(id(name2)) # 4387382920
# 这里表示:name name2数值是一样的，但却不是同一个内存地址。
所以：如果内存地址相同，那么值肯定相同，但是如果值相同，内存地址不一定相同。
二、代码块
-
Python 程序是由代码块构造的，块是一个 python 程序的文本,他是作为一个单元执行的。
代码块：一个模块、一个函数、一个类、一个文件等都是一个代码块。
-
作为交互方式输入的每个命令都是一个代码块。
什么是交互方式？
就是咱们在 cmd 中进入 Python 解释器里面，每一行代码都是一个代码块。
三、同一代码块下的缓存机制
- 前提条件：同一个代码块内。
- 机制内容：Python在执行同一个代码块的初始化对象的命令时，会检查是否其值是否已经存在，如果存在，会将其重用。换句话说：执行同一个代码块时，遇到初始化对象的命令时，他会将初始化的这个变量与值存储在一个字典中，在遇到新的变量时，会先在字典中查询记录，如果有同样的记录那么它会重复使用这个字典中的之前的这个值。所以在你给出的例子中，文件执行时（同一个代码块）会把i1、i2两个变量指向同一个对象，满足缓存机制则他们在内存中只存在一个，即：id相同。
- 适用对象：int（float）、bool、str。
- 具体细则：
- int（float）：任何数字在同一代码块下都会复用。
- bool：True 和 False 在字典中会以1,0的方式存在，并且复用。
- str：几乎所有的字符串都会符合缓存机制。
- 优点：提升性能，节省内存。
不同代码块下的缓存机制（小数据池）
-
前提条件：不同代码块内。
-
机制内容：Python自动将-5~256的整数进行了缓存，当你将这些整数赋值给变量时，并不会重新创建对象，而是使用已经创建好的缓存对象。
python会将一定规则的字符串在字符串驻留池中，创建一份，当你将这些字符串赋值给变量时，并不会重新创建对象， 而是使用在字符串驻留池中创建好的对象。
其实，无论是缓存还是字符串驻留池，都是python做的一个优化，就是将~5-256的整数，和一定规则的字符串，放在一个‘池’（容器，或者字典）中，无论程序中那些变量指向这些范围内的整数或者字符串，那么他直接在这个‘池’中引用，言外之意，就是内存中之创建一个。
-
适用对象：int（float）、bool、str。
-
具体细则：
- int（float）：那么大家都知道对于整数来说，小数据池的范围是-5~256 ，如果多个变量都是指向同一个（在这个范围内的）数字，他们在内存中指向的都是一个内存地址。
- bool：True 和 False 在字典中会以1,0的方式存在，并且复用。
- str：满足规则的字符串。
-
优点：提升性能，节省内存。
-
总结：
- 面试题考。
- 回答的时候一定要分清楚：同一个代码块下适用一个缓存机制。不同的代码块下适用另一个缓存机制（小数据池）
- 小数据池：数字的范围是-5~256.
- 缓存机制的优点：提升性能，节省内存。
四、集合（了解）
集合是无序的，不重复的数据集合，它里面的元素是可哈希的(不可变类型)，但是集合本身是不可哈希（所以集合做不了字典的键）的。
-
集合最重要的两点：
- 去重，把一个列表变成集合，就自动去重了。
- 关系测试，测试两组数据之前的交集、差集、并集等关系。
-
集合和字典
-
集合的创建
# 方法一 set1 = set({'name', 'Dyaln', 'age', 111, 434}) # 方法二 set1 = {'name', 'Dyaln', 'age', 111, 434} -
字典和集合的格式:
# 字典 dic = {'name':'Dylan', 'age': 18} # 集合 set1 = {'name', 'age', 18, False, True, } -
空字典:
dic = {} # 或者 {} print({}, type({})) # {} <class 'dict'> -
空集合:
set() print(set(), type(set())) # set() <class 'set'> -
集合的有效性:
set1 = {[1, 3, 5], 3, {'name': 'Dylan'}} print(set1) # 报错 File "/Users/yaoyaoba/Full_stack_22/day06/练习.py", line 24, in <module> set() <class 'set'> set1 = {[1, 3, 5], 3, {'name': 'Dylan'}} TypeError: unhashable type: 'list' # 集合内的元素必须是 可合希类型(不可变数据类型)
-
-
集合的操作
-
增
-
set.add()
set1 = {'name', 'Dylan', 'xiaowang', 'yaoyao', 'age'} set1.add('xx') print(set1) # {'xiaowang', 'xx', 'age', 'yaoyao', 'name', 'Dylan'} -
set.update() 迭代增加(有重复的会自动除去)
set1 = {'name', 'Dylan', 'xiaowang', 'yaoyao', 'age'} set1.update('abcdedfdaefdafdsa') print(set1) # {'yaoyao', 'age', 'd', 'e', 'a', 'Dylan', 'xiaowang', 'b', 'f', 'c', 'name', 's'}
-
-
删
-
set.remove() 按元素删除
set1 = {'name', 'Dylan', 'xiaowang', 'yaoyao', 'age'} set1.remove('age') print(set1) # {'xiaowang', 'yaoyao', 'Dylan', 'name'} -
set.pop() 随机删除
set1 = {'name', 'Dylan', 'xiaowang', 'yaoyao', 'age'} set1.pop() print(set1) # {'yaoyao', 'age', 'xiaowang', 'Dylan'} -
set.clear() 清空集合
set1 = {'name', 'Dylan', 'xiaowang', 'yaoyao', 'age'} set1.clear() print(set1) # set() -
del set 删除集合
set1 = {'name', 'Dylan', 'xiaowang', 'yaoyao', 'age'} del set1 print(set1) # 会报错,因为己经没有这个集合了 # 报错信息如下: Traceback (most recent call last): File "/Users/yaoyaoba/Full_stack_22/day06/练习.py", line 28, in <module> print(set1) # 会报错,因为己经没有这个集合了 NameError: name 'set1' is not defined
-
-
集合的其它操作
-
交集。（& 或者 intersection）
set1 = {1, 2, 3, 4, 5} set2 = {4, 5, 6, 7, 8} print(set1 & set2) # {4, 5} -
并集。（| 或者 union）
set1 = {1, 2, 3, 4, 5} set2 = {4, 5, 6, 7, 8} print(set1 | set2) # {1, 2, 3, 4, 5, 6, 7, 8} -
差集。（- 或者 difference）
set1 = {1, 2, 3, 4, 5} set2 = {4, 5, 6, 7, 8} print(set1 - set2) # {1, 2, 3} -
反交集。 （^ 或者 symmetric_difference）
set1 = {1, 2, 3, 4, 5} set2 = {4, 5, 6, 7, 8} print(set1 ^ set2) # {1, 2, 3, 6, 7, 8} -
子集与超集
set1 = {1,2,3} set2 = {1,2,3,4,5,6} print(set1 < set2) print(set1.issubset(set2)) # 这两个相同，都是说明set1是set2子集。 print(set2 > set1) print(set2.issuperset(set1)) # 这两个相同，都是说明set2是set1超集。 -
列表去重
l1 = [1,'Dylan', 1, 2, 2, 'Dylan',2, 6, 6, 3, 'Dylan', 4, 5] # set1 = set(l1) # l1 = list(set1) # print(l1) # 用处：数据之间的关系，列表去重。
-
-
五、深浅copy
copy其实就是复制一份，也就是所谓的抄一份。深浅copy其实就是完全复制一份，和部分复制一份的意思。
-
先看赋值运算
l1 = [1, 2, 3, ['Dylan', 'age']] l2 = l1 l1.append(456) print(l1) # [1, 2, 3, ['Dylan', 'age'], 456] print(l2) # [1, 2, 3, ['Dylan', 'age'], 456] print(id(l1)) # 4387382920 内存地址是一样的 print(id(l2)) # 4387382920 内存地址是一样的对于赋值运算来说，l1与l2指向的是同一个内存地址，所以它们是完全一样的，l1,l2指向的是同一个列表，任何一个变量对列表进行改变，剩下那个变量在使用列表之后，这个列表就是发生改变之后列表。
-
浅拷贝 copy
l1 = [1, 2, 3, ['Dylan', 'age']] l2 = l1.copy() print(id(l1)) # 4335892104 print(id(l2)) # 4335903304 # 这说明,通过 copy 出来的新列表,在内存中又开辟了一块新的内存空间,两者间不是指向的同一个列表。 # 但是，如果再做如下操作你会发现什么？ print(id(l1[-1])) # 4370607112 print(id(l2[-1])) # 4370607112 # 你会发现，咦？内存地址是一样的，说明是同一个数据。由此我们可以得知，浅拷贝其实只是拷贝了一个列表的外壳。
对于浅copy来说，只是在内存中重新创建了开辟了一个空间存放一个新列表，但是新列表中的元素与原列表中的元素是公用的。
这里还有一个问题：
当改变列表中的不可变数据类型时，新列表中的内容是不会一同被更改的，因为它是可哈希数据类型，如列表中，可变数据类型被列改或增删改，则新列表会一同更改。
-
深拷贝 deepcopy
import copy l1 = [1, 2, 3, ['Dylan', 'age']] l2 = copy.deepcopy(l1) print(id(l1)) # 4343088456 print(id(l2)) # 4370618248 # 这说明,通过 copy 出来的新列表,在内存中又开辟了一块新的内存空间,两者间不是指向的同一个列表。 print(id(l1[-1])) # 4379005512 print(id(l2[-1])) # 4379005832 # 咦？内存地址不一样了，说明不是同一个数据了。 print(id(l1[0])) # 4305226112 print(id(l2[0])) # 4305226112 # 哎我去！又一样了，咋回事儿？深 copy 的特性就是将可变的数据类型在内存中重新创建一份，而不可变的数据类型则沿用之前的。
但，同样如浅拷贝那样，不可变的数据类型，即便内存地址相同，当你改变他时，新列表也不会一同被更改，只因为他是不可变数据类型（可哈希）。
-
相关面试题
l1 = [1, 2, 3, [22, 33]] l2 = l1[:] l1[-1].append(666) print(l1) # [1, 2, 3, [22, 33, 666]] print(l2) # [1, 2, 3, [22, 33, 666]] 浅copy： list dict: 嵌套的可变的数据类型是同一个。 深copy： list dict: 嵌套的可变的数据类型不是同一个 。