代码块、缓存机制、深浅拷贝、集合
- id、is、==
- id: 可类比为身份号，具有唯一性，若id 相同则为同一个数据。
#获取数据的内存地址(随机的地址:内存临时加载，存储数据，当程序运行结束后，内存地址即被丢弃）：
i = 'a'
print(id(i))
>>>2047746570672
print(id(i))
>>>2020558633392
print(id(i))
print(id(i))
>>>1908036008368
1908036008368
l1 = [1,2,3]
l2 = [1,2,3]
print(l1 == l2)
>>>True #比较的是两边的值是否相等。
- is 判断id是否相同 （‘’==’‘判断值是否相同）
l1 = [1,2,3]
l2 = [1,2,3]
print(l1 is l2)
>>>False #判断的是内存地址是否相同。
print(id(l1))
print(id(l2))
>>>2648963830216
2648963830728
l1 = [1,2,3]
l2 = l1
print(l1 is l2)
print(id(l1))
print(id(l2))
>>>True
2053863395784
2053863395784
s1 = 'iam'
s2 = 'iam'
print(s1 is s2)
>>>True
print(id(s1))
print(id(s2))
>>>2188534085552
2188534085552
id相同，值一定相同，值相同，id不一定相同。
-
代码块:python的程序是由代码块构造的。块是一个python程序的脚本，它是作为一个单元执行的。一个模块，一个函数，一个类，一个文件等都是代码块。而作为互交命令方式输入的每个命令都是一个代码块。两个机制:如果在同一代码块下，则采用同一代码块下的换缓存机制。如果是不同代码块，则采用小数据池的驻留机制。
-
-
同一个代码块的缓存机制（字符串驻留机制）：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，即：id相同。
适用对象： int（float）：:任何数字在同一代码块下都会复用。
str：几乎所有的字符串都会符合缓存机制（1，非乘法得到的字符串都满足代码块的缓存机制，,乘法得到的字符串分两种情况：1. 乘数为1时，任何字符串满足代码块的缓存机制，2. 乘数>=2时,仅含大小写字母，数字，下划线，总长度<=20，满足代码块的缓存机制）
s1 = 'iam'*1 s2 = 'iam'*1 print(s1 is s2) >>>Truebool：True和False在字典中会以1，0方式存在，并且复用。
优点：能够提高一些字符串，整数处理人物在时间和空间上的性能；需要值相同的字符串，整数的时候，直接从‘字典’中取出复用，避免频繁的创建和销毁，提升效率，节约内存。
-
在不同一个代码块内的缓存机制：小数据池，也称为小整数缓存机制，或者称为驻留机制等等。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）：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。
# pycharm 通过运行文件的方式执行下列代码： 这是在同一个文件下也就是同一代码块下，采用同一代码块下的缓存机制。 i1 = 1000 i2 = 1000 print(i1 is i2) # 结果为True 因为代码块下的缓存机制适用于所有数字 >>>True #通过交互方式中执行下面代码,这是不同代码块下，则采用小数据池的驻留机制。 >>> i1 = 1000 >>> i2 = 1000 >>> print(i1 is i2) False # 不同代码块下的小数据池驻留机制 数字的范围只是-5~256.str:1.字符串的长度为0或者1，默认都采用了驻留机制（小数据池）。2.字符串的长度>1,且只含有大小写字母，数字，下划线时，才会默认驻留。3.用乘法得到的字符串，分两种情况：1 乘数为1，满足规则的字符串，默认驻留。2. 乘数>=2时：仅含大小写字母，数字，下划线，总长度<=20,默认驻留。
#4.指定驻留 from sys import intern a = intern('hello!@'*20) b = intern('hello!@'*20) print(a is b) >>>True #指定驻留是你可以指定任意的字符串加入到小数据池中，让其只在内存中创建一个对象，多个变量都是指向这一个字bool值就是True，False，无论你创建多少个变量指向True，False，那么他在内存中只存在一个。
# 虽然在同一个文件中，但是函数本身就是代码块，所以这是在两个不同的代码块下，不满足小数据池（驻存机制），则指向两个不同的地址。 def func(): i1 = 1000 print(id(i1)) # 2288555806672 def func2(): i1 = 1000 print(id(i1)) # 2288557317392 func() func2()优点：能够提高一些字符串，整数处理人物在时间和空间上的性能；需要值相同的字符串，整数的时候，直接从‘池’里拿来用，避免频繁的创建和销毁，提升效率，节约内存
-
参考文章：https://www.cnblogs.com/jin-xin/articles/9439483.html
-
集合 （set):容器型数据类型，要求它里面的元素是不可变的数据（可哈希），但它本身是可变的数据类型（不可哈希）。集合是无序的。以{}存放数据。
-
作用：列表的去重；关系的测试（交集，并集…)
/1. 集合的创建：
set = {1,2，'a'} #空集合的表示： set1 = set() #set1 = {}表示空字典/2 . 增：add update()#迭代增加，有重复的则去重
set1 = {1,2} set1.add('a') print(set1) >>>{'a', 1, 2} #集合无序 set1.update('asdfdsa') print(set1) >>>{'a', 1, 2, 'f', 's', 'd'}/3. 删：remove()(按照元素删除，pop()随机删除，clear()清空集合 del 删除集合
set1 = {'a', 1, 2, 'f', 's', 'd'} set1.remove('a') print(set1) >>>{1, 2, 's', 'f', 'd'} set1.pop() print(set1) >>>{2, 's', 'f', 'd'} set1.clear() print(set1) >>>{} del set1/4. 改：先删除再增加
-
交、并、
/1 . 交集。（&或者intersection） 集合共同有的元素
set1 = {1,2,3} set2 = {2,3,4} print(set1 & set2) #or print(set1.intersection) >>>{2,3}/2. 并集。（|或者union）集合所有的元素
set1 = {1,2} set2 = {2,3} print(set1 | set2) #or print(set1.union(set2)) >>>{1,2,3}/3. 差集 （ - 或者difference) ,前一集合独有的元素
set1 = {1,2,3,4,5} set2 = {2,4,6} print(set1 - set2) #or print(set1.difference(set2)) >>>{1,3,5}/4 . 反交集。（^ 或者symmetric_difference）每个集合独有的元素
set1 = {1,2,3,4,5} set2 = {3,4,5,6,7} print(set1 ^ set2) #or print(set1.symmetric_difference(set2)) >>>{1,2,6,7}/5. 子集与超集
set1 = {1,2} set2 = {1,2,3} print(set1 < set2) >>>True print(set1.issubset(set2)) #set1是set2的子集 >>>True print(set2 > set1) >>>True print(set2.issuperset(set1)) #set2是set1的超集 >>>True/6. frozenset()让集合变为不可变类型
s = frozenset('qweasd') print(s,type(s)) >>>frozenset({'q', 'e', 'w', 's', 'a', 'd'}) <class 'frozenset'>
-
-
深浅copy
-
浅copy：在内存中开辟一个新的空间存放copy的对象（列表、字典），但是里面的所有元素与被copy对象的里面的元素共用一个。
l1 = [1,2] l2 = l1 l1.append(3) print(l2) >>>[1,2,3] #l1,l2两变量指向同一个id（数据） #浅copy l3 = [1,2,['a']] l4 = l3.copy() l3.append(3) print(l3) >>>[1,2,['a'],3] print(l4) >>>[1,2,['a']] l3[-2].append(4) #or l4[-1].append(4) print(l3) >>>[1, 2, ['a', 4], 3] print(l4) >>>[1,2,['a',4]] #l4与l3列表中的数据id是相同的，但l4与l3列表id不相同,即l3中的每个元素与l4中的每个元素使用的是相同的一个id，但l4与l3用的不是同一个id。其实列表第一个一个的槽位，它储存的是对象的内存地址。浅拷贝仍然使用原来的对象的内存地址。对储存的可变对象可以进行更改；若改变不可变类型，则改变的不是不可变类型本身，而是变量的指向关系
-
-
深copy，需导入模块copy(浅copy也可以导入copy模块),不可变的数据类型沿用之前的内存地址，可变的数据类型创建新的内存地址。
import copy l3 = [1,2,['a']] l4 = copy.deepcopy(l3) #浅copy为 l4 = copy.copy(l3) l3[-1].append(3) print(l3) >>>[1,2,['a',3]] print(l4) >>>[1,2,['a']] #浅copy输出为 [1,2,['a',3]] #列表第一个一个的槽位，它储存的是对象的内存地址。深拷贝会创建一个新的对象的内存地址。python对深copy做了一个优化，将对象为不可变数据类型的内存地址沿用同一个，只重新再创建一份可变数据类型的内存地址。
浅copy：(list,dict)，嵌套的不可变的数据类型是同一个id，可变类型也是同一个id。
深copy：(list,dict)，嵌套的不可变的数据类型是同一个id，嵌套的可变的数据类型不是同一个id。
l1 = [1,2,['a']]
l2 = l1[:]
l1[-1].append(3)
print(l2)
>>>[1,2,['a',3]] #切片是浅copy
import copy
l1 = [1,2,[3,4]]
l2 = copy.copy(l1)
l3 = copy.deepcopy(l1)
print(l1[0] is l2[0])
>>>True
print(l2[0] is l3[0])
>>>True
print(l3[0] is l1[0])
>>>True
print(l1[2] is l2[2])
>>>False
print(l1 is l2)
>>>False
print(l3 is l1)
>>>False
#无论是浅copy还是深copy，都会创建一个新的数据类型，但是数据类型中的不可变数据类型都是同一个（id相同），深copy的可变数据类型不是同一个（id不同）。
补充内置函数：
l1 = ['a','b','c']
for i in enumerate(l1,start=50): #start可默认不写
print(i)
>>>(50, 'a')
(51, 'b')
(52, 'c')
#小题试做,看代码写结果：
#1:
l1 = [1,2,3,[4,5]]
l2 = [1,2,3,[4,5]]
a = l1 == l2 #先看等号右边
b = l1 is l2
print(a) #True
print(b) #False
#2.
data_list = []
for i in range(10):
data = {}
data['age'] = i
data_list.append(data)
print(data)
>>>{'age': 9}
print(data_list)
>>>[{'age': 0}, {'age': 1}, {'age': 2}, {'age': 3}, {'age': 4}, {'age': 5}, {'age': 6}, {'age': 7}, {'age': 8}, {'age': 9}]
#对比：
data_list = []
data = {}
for i in range(10):
data['age'] = i
data_list.append(data)
print(data_list)
>>>[{'age': 9}, {'age': 9}, {'age': 9}, {'age': 9}, {'age': 9}, {'age': 9}, {'age': 9}, {'age': 9}, {'age': 9}, {'age': 9}]
import copy
l1 = [1,2,{'name':'山就在那儿','number':[3,4,5]},6,7]
l2 = copy.deepcopy(l1)
print(l1[2] is l2[2]) #False
print(l1[2]['name'] is l2[2]['name']) #True #同一代码块下的缓存机制，只适用于不可变对象
print(l1[2]['number'] is l2[2]['number']) #False
l1[2]['name']='a'
print(l1[2])
{'name': 'a', 'number': [3, 4, 5]}
print(l2[2])
{'name': '山就在那儿', 'number': [3, 4, 5]}