这里归纳了一些自己目前不够熟悉的Python基础知识/特性
切片
-
Python可切片对象的索引方式：
-
切片操作基本表达式：
object[start_index:end_index:step]step：正负数均可，其绝对值大小决定了切取数据时的‘‘步长”，而正负号决定了“切取方向”，正表示“从左往右”取值，负表示“从右往左”取值。当step省略时，默认为1，即从左往右以增量1取值。start_index：表示起始索引（包含该索引本身）；该参数省略时，表示从对象“端点”开始取值，至于是从“起点”还是从“终点”开始，则由step参数的正负决定，step为正从“起点”开始，为负从“终点”开始。end_index：表示终止索引（不包含该索引本身）；该参数省略时，表示一直取到数据“端点”，至于是到“起点”还是到“终点”，同样由step参数的正负决定，step为正时直到“终点”，为负时直到“起点”。
-
切片返回目标对象的浅拷贝
迭代
-
使用
for k, v in d.items()可以同时迭代dict中的key和value： -
使用
enumerate()可以同时迭代元组的索引和元素：
>>> for i, value in enumerate(['A', 'B', 'C']):
... print(i, value)
...
0 A
1 B
2 C
生成器
迭代器
- 可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator
- 可以使用isinstance()判断一个对象是否是Iterator对象
高阶函数
map/reduce
- map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回
- reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
filter
- 和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素
sorted
- Python内置的sorted()函数可以对list进行排序
- sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
- key指定的函数将作用于list的每一个元素上，并根据key函数返回的结果进行排序。
偏函数
functools.partial()可以用来创建一个偏函数- python中偏函数的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。
>>> int('12345', base=8)
5349
>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
OOP访问限制
- 实例的变量名如果以__开头，就变成了一个私有变量（private），只有内部可以访问，外部不能访问：
class Student(object):
def __init__(self, name, score):
self.__name = name
self.__score = score
def print_score(self):
print('%s: %s' % (self.__name, self.__score))
多态
- 当子类和父类存在相同名称的方法时，子类的同名方法将覆盖父类的对应方法
调试
- 最简单的调试方法是使用print()来查看变量信息
- print()的缺点是它将产生大量垃圾代码
- 所以，更进一步的方法是使用断言（assert）来替代print()：
assert n != 0, 'n is zero!'
- assert会检查后面的表达式的布尔值。如果为false，assert会抛出AssertionError
- 最成熟的调试方式是使用logging
import logging
logging.basicConfig(level=logging.INFO) # 配置控制台日志输出级别
logging.info("xxx")
单元测试
- python自带的单元测试模块为：
unittest - 更多的用法见Python - 单元测试
Python高级OOP
slots
- Python允许在定义class的时候，定义一个特殊的__slots__变量，来限制该class实例能添加的属性：
class Student(object):
__slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称
>>> s = Student() # 创建新的实例
>>> s.name = 'Michael' # 绑定属性'name'
>>> s.age = 25 # 绑定属性'age'
>>> s.score = 99 # 绑定属性'score'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'Student' object has no attribute 'score'
@property
- 为了实现既能检查参数，又可以用类似属性这样简单的方式来访问类的变量，Python提供了内置的@property装饰器来实现方法到属性的转换：
class Student(object):
@property
def score(self):
return self._score
@score.setter
def score(self, value):
if not isinstance(value, int):
raise ValueError('score must be an integer!')
if value < 0 or value > 100:
raise ValueError('score must between 0 ~ 100!')
self._score = value
- 把一个getter方法变成属性，只需要加上@property就可以了，此时，@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值
- 只定义getter方法，不定义setter方法就是一个只读属性
多继承
- 多继承又被称作MixIn
- MixIn的目的就是给一个类增加多个功能，这样，在设计类的时候，我们优先考虑通过多重继承来组合多个MixIn的功能，而不是设计多层次的复杂的继承关系
- Python自带的很多库也使用了MixIn。
- Python自带了TCPServer和UDPServer这两类网络服务，而要同时服务多个用户就必须使用多进程或多线程模型，这两种模型由ForkingMixIn和ThreadingMixIn提供。通过组合，我们就可以创造出合适的服务来
- 比如，编写一个多进程模式的TCP服务，定义如下：
class MyTCPServer(TCPServer, ForkingMixIn):
pass
- 编写一个多线程模式的UDP服务，定义如下：
class MyUDPServer(UDPServer, ThreadingMixIn):
pass
定制类（魔法方法）
- 看到类似__slots__这种形如__xxx__的变量或者函数名就要注意，这些在Python中是有特殊用途的
- 类似的方法还有：
- len()方法能让class作用于len()函数
- str()方法用于变更实例的print()内容
- repr()方法用于变更实例在控制台的输出结果
- iter()方法可以让实例变成迭代器
- 更多定制方法见：Python Doc - special method names
枚举类
元类
- Python - type()
- 使用type，我们可以在程序中动态地创建类型，包括类，对象和函数等
- 元类的一个典型应用场景是ORM：
- ORM全称“Object Relational Mapping”，即对象-关系映射，就是把关系数据库的一行映射为一个对象，也就是一个类对应一个表，这样，写代码更简单，不用直接操作SQL语句
- 要编写一个ORM框架，所有的类都只能动态定义，因为只有使用者才能根据表的结构定义出对应的类来