Một số trình gỡ lỗi cho Python được mô tả bên dưới và chức năng tích hợp sẵn cho phép bạn truy cập vào bất kỳ trình gỡ lỗi nào trong số chúng
Mô-đun pdb là trình gỡ lỗi chế độ bảng điều khiển đơn giản nhưng đầy đủ cho Python. Nó là một phần của thư viện Python tiêu chuẩn, và là. Bạn cũng có thể viết trình gỡ lỗi của riêng mình bằng cách sử dụng mã cho pdb làm ví dụ
Môi trường phát triển tương tác IDLE, là một phần của bản phân phối Python tiêu chuẩn [thường có sẵn dưới dạng Công cụ/tập lệnh/idle3], bao gồm trình gỡ lỗi đồ họa
PythonWin là một IDE Python bao gồm trình gỡ lỗi GUI dựa trên pdb. Trình gỡ lỗi PythonWin tô màu các điểm dừng và có khá nhiều tính năng thú vị như gỡ lỗi các chương trình không phải PythonWin. PythonWin có sẵn như là một phần của dự án pywin32 và là một phần của bản phân phối ActivePython
Eric là một IDE được xây dựng trên PyQt và thành phần chỉnh sửa Scintilla
trepan3k là trình gỡ lỗi giống như gdb
Visual Studio Code là một IDE với các công cụ sửa lỗi tích hợp với phần mềm kiểm soát phiên bản
Có một số IDE Python thương mại bao gồm trình gỡ lỗi đồ họa. Chúng bao gồm
cánh IDE
IDE Komodo
PyCharm
Đúng
Pylint và Pyflakes thực hiện kiểm tra cơ bản sẽ giúp bạn bắt lỗi sớm hơn
Trình kiểm tra kiểu tĩnh như Mypy, Pyre và Pytype có thể kiểm tra gợi ý kiểu trong mã nguồn Python
Bạn không cần khả năng biên dịch mã Python thành mã C nếu tất cả những gì bạn muốn là một chương trình độc lập mà người dùng có thể tải xuống và chạy mà không cần phải cài đặt bản phân phối Python trước. Có một số công cụ xác định tập hợp các mô-đun mà chương trình yêu cầu và liên kết các mô-đun này với nhau bằng mã nhị phân Python để tạo ra một tệp thực thi duy nhất
Một là sử dụng công cụ đóng băng, được bao gồm trong cây nguồn Python dưới dạng Tools/freeze. Nó chuyển đổi mã byte Python thành mảng C;
Nó hoạt động bằng cách quét đệ quy nguồn của bạn để tìm các câu lệnh nhập [ở cả hai dạng] và tìm kiếm các mô-đun trong đường dẫn Python chuẩn cũng như trong thư mục nguồn [đối với các mô-đun tích hợp]. Sau đó, nó biến mã byte cho các mô-đun được viết bằng Python thành mã C [bộ khởi tạo mảng có thể được biến thành các đối tượng mã bằng cách sử dụng mô-đun marshal] và tạo một tệp cấu hình tùy chỉnh chỉ chứa các mô-đun dựng sẵn đó thực sự được sử dụng trong . Sau đó, nó biên dịch mã C đã tạo và liên kết nó với phần còn lại của trình thông dịch Python để tạo thành một tệp nhị phân độc lập hoạt động chính xác như tập lệnh của bạn
Các gói sau đây có thể giúp tạo các tệp thực thi giao diện điều khiển và GUI
Nuitka [Đa nền tảng]
PyInstaller [Đa nền tảng]
PyOxidizer [Đa nền tảng]
cx_Freeze [Đa nền tảng]
py2app [chỉ dành cho macOS]
py2exe [chỉ dành cho Windows]
Đúng. Kiểu mã hóa cần thiết cho các mô-đun thư viện tiêu chuẩn được ghi lại là PEP 8
Có thể ngạc nhiên khi nhận được mã đang hoạt động trước đó khi nó được sửa đổi bằng cách thêm câu lệnh gán vào đâu đó trong phần thân của hàm
mã này
>>> x = 10 >>> def bar[]: .. print[x] ... >>> bar[] 10
hoạt động, nhưng mã này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
kết quả là một
>>> x = 10 >>> def foo[]: .. print[x] .. x += 122
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment
Điều này là do khi bạn gán một biến trong một phạm vi, biến đó sẽ trở thành cục bộ của phạm vi đó và che khuất bất kỳ biến có tên tương tự nào trong phạm vi bên ngoài. Vì câu lệnh cuối cùng trong foo gán một giá trị mới cho
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124, nên trình biên dịch nhận ra nó là một biến cục bộ. Do đó, khi
>>> x = 10 >>> def foo[]: .. print[x] .. x += 125 trước đó cố gắng in biến cục bộ chưa được khởi tạo và xảy ra lỗi
Trong ví dụ trên, bạn có thể truy cập biến phạm vi bên ngoài bằng cách khai báo nó là toàn cầu
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 10
Khai báo rõ ràng này là cần thiết để nhắc nhở bạn rằng [không giống như tình huống tương tự bề ngoài với các biến lớp và đối tượng], bạn thực sự đang sửa đổi giá trị của biến trong phạm vi bên ngoài
>>> print[x] 11
Bạn có thể làm điều tương tự trong phạm vi lồng nhau bằng cách sử dụng từ khóa
________số 8
Trong Python, các biến chỉ được tham chiếu bên trong một hàm là toàn cục. Nếu một biến được gán một giá trị ở bất kỳ đâu trong phần thân của hàm, thì biến đó được coi là biến cục bộ trừ khi được khai báo rõ ràng là biến toàn cục
Mặc dù hơi ngạc nhiên lúc đầu, nhưng một khoảnh khắc cân nhắc sẽ giải thích điều này. Một mặt, việc yêu cầu các biến được chỉ định cung cấp một rào cản chống lại các tác dụng phụ ngoài ý muốn. Mặt khác, nếu
>>> x = 10 >>> def foo[]: .. print[x] .. x += 127 được yêu cầu cho tất cả các tham chiếu toàn cầu, thì bạn sẽ luôn sử dụng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 127. Bạn phải khai báo là toàn cầu mọi tham chiếu đến hàm tích hợp hoặc thành phần của mô-đun đã nhập. Sự lộn xộn này sẽ đánh bại tính hữu ích của tuyên bố
>>> x = 10 >>> def foo[]: .. print[x] .. x += 127 để xác định tác dụng phụ
Giả sử bạn sử dụng vòng lặp for để định nghĩa một số lambda khác nhau [hoặc thậm chí là các hàm đơn giản], e. g
>>> x = 10 >>> def foo[]: .. print[x] .. x += 12
Điều này cung cấp cho bạn một danh sách chứa 5 lambda tính toán
>>> x = 10 >>> def foo[]: .. print[x] .. x += 131. Bạn có thể mong đợi rằng, khi được gọi, chúng sẽ quay lại lần lượt là,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 132,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 133,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 134,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 135 và
>>> x = 10 >>> def foo[]: .. print[x] .. x += 136. Tuy nhiên, khi bạn thực sự thử, bạn sẽ thấy rằng tất cả chúng đều quay trở lại
>>> x = 10 >>> def foo[]: .. print[x] .. x += 136
>>> x = 10 >>> def foo[]: .. print[x] .. x += 10
Điều này xảy ra bởi vì
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 không phải là cục bộ của lambdas, nhưng được xác định ở phạm vi bên ngoài và nó được truy cập khi lambda được gọi — không phải khi nó được xác định. Ở cuối vòng lặp, giá trị của
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 là
>>> x = 10 >>> def foo[]: .. print[x] .. x += 134, vì vậy tất cả các hàm bây giờ trả về
>>> x = 10 >>> def foo[]: .. print[x] .. x += 141, i. e.
>>> x = 10 >>> def foo[]: .. print[x] .. x += 136. Bạn cũng có thể xác minh điều này bằng cách thay đổi giá trị của
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 và xem kết quả của lambdas thay đổi như thế nào
>>> x = 10 >>> def foo[]: .. print[x] .. x += 17
Để tránh điều này, bạn cần lưu các giá trị trong biến cục bộ vào lambda, để chúng không dựa vào giá trị của biến toàn cầu
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124
>>> x = 10 >>> def foo[]: .. print[x] .. x += 19
Ở đây,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 145 tạo một biến mới
>>> x = 10 >>> def foo[]: .. print[x] .. x += 146 cục bộ cho lambda và được tính toán khi lambda được xác định sao cho nó có cùng giá trị mà
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 có tại thời điểm đó trong vòng lặp. Điều này có nghĩa là giá trị của
>>> x = 10 >>> def foo[]: .. print[x] .. x += 146 sẽ là
>>> x = 10 >>> def foo[]: .. print[x] .. x += 132 trong lambda đầu tiên,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 133 trong lambda thứ hai,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 151 trong lambda thứ ba, v.v. Do đó, mỗi lambda sẽ trả về kết quả chính xác
>>> x = 10 >>> def foo[]: .. print[x] .. x += 10
Lưu ý rằng hành vi này không đặc biệt đối với lambdas, nhưng cũng áp dụng cho các chức năng thông thường
Cách thông thường để chia sẻ thông tin giữa các mô-đun trong một chương trình là tạo một mô-đun đặc biệt [thường được gọi là config hoặc cfg]. Chỉ cần nhập mô-đun cấu hình trong tất cả các mô-đun của ứng dụng của bạn; . Bởi vì chỉ có một phiên bản của mỗi mô-đun, mọi thay đổi được thực hiện đối với đối tượng mô-đun sẽ được phản ánh ở mọi nơi. Ví dụ
cấu hình. py
>>> x = 10 >>> def foo[]: .. print[x] .. x += 11
chế độ. py
>>> x = 10 >>> def foo[]: .. print[x] .. x += 12
chủ yếu. py
>>> x = 10 >>> def foo[]: .. print[x] .. x += 13
Lưu ý rằng việc sử dụng một mô-đun cũng là cơ sở để triển khai mẫu thiết kế đơn lẻ, vì lý do tương tự
Nói chung, không sử dụng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 152. Làm như vậy sẽ làm lộn xộn không gian tên của trình nhập và khiến những kẻ lừa đảo khó phát hiện ra các tên không xác định hơn nhiều
Nhập các mô-đun ở đầu tệp. Làm như vậy sẽ làm rõ những mô-đun khác mà mã của bạn yêu cầu và tránh các câu hỏi liệu tên mô-đun có nằm trong phạm vi hay không. Sử dụng một lần nhập trên mỗi dòng giúp dễ dàng thêm và xóa các lần nhập mô-đun, nhưng sử dụng nhiều lần nhập trên mỗi dòng sẽ sử dụng ít không gian màn hình hơn
Đó là cách thực hành tốt nếu bạn nhập các mô-đun theo thứ tự sau
mô-đun thư viện tiêu chuẩn – e. g. , , ,
mô-đun thư viện của bên thứ ba [bất kỳ thứ gì được cài đặt trong thư mục gói trang web của Python] – e. g.
>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
57,>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
58,>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
59các mô-đun được phát triển tại địa phương
Đôi khi cần phải di chuyển quá trình nhập vào một hàm hoặc lớp để tránh các sự cố với quá trình nhập tuần hoàn. Gordon McMillan nói
Circular imports are fine where both modules use the “import ” form of import. They fail when the 2nd module wants to grab a name out of the first [“from module import name”] and the import is at the top level. That’s because names in the 1st are not yet available, because the first module is busy importing the 2nd.
Trong trường hợp này, nếu mô-đun thứ hai chỉ được sử dụng trong một chức năng, thì quá trình nhập có thể dễ dàng được chuyển sang chức năng đó. Vào thời điểm quá trình nhập được gọi, mô-đun đầu tiên sẽ khởi tạo xong và mô-đun thứ hai có thể thực hiện quá trình nhập của nó
Cũng có thể cần phải di chuyển các mục nhập ra khỏi cấp mã cao nhất nếu một số mô-đun dành riêng cho nền tảng. Trong trường hợp đó, thậm chí có thể không nhập được tất cả các mô-đun ở đầu tệp. Trong trường hợp này, nhập đúng mô-đun trong mã dành riêng cho nền tảng tương ứng là một lựa chọn tốt
Chỉ di chuyển quá trình nhập vào phạm vi cục bộ, chẳng hạn như bên trong định nghĩa hàm, nếu cần giải quyết vấn đề như tránh nhập vòng tròn hoặc đang cố gắng giảm thời gian khởi tạo mô-đun. Kỹ thuật này đặc biệt hữu ích nếu nhiều lần nhập là không cần thiết tùy thuộc vào cách chương trình thực thi. Bạn cũng có thể muốn chuyển các mục nhập vào một chức năng nếu các mô-đun chỉ được sử dụng trong chức năng đó. Lưu ý rằng việc tải một mô-đun lần đầu tiên có thể tốn kém do khởi tạo mô-đun một lần, nhưng tải một mô-đun nhiều lần hầu như miễn phí, chỉ tốn một vài lần tra cứu từ điển. Ngay cả khi tên mô-đun nằm ngoài phạm vi, thì mô-đun đó vẫn có sẵn trong
Loại lỗi này thường cắn các lập trình viên mới vào nghề. Hãy xem xét chức năng này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 14
Lần đầu tiên bạn gọi chức năng này,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 161 chứa một mục duy nhất. Lần thứ hai,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 161 chứa hai mục vì khi
>>> x = 10 >>> def foo[]: .. print[x] .. x += 163 bắt đầu thực thi,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 161 bắt đầu với một mục đã có trong đó
Người ta thường mong đợi rằng một lệnh gọi hàm sẽ tạo các đối tượng mới cho các giá trị mặc định. Đây không phải là những gì xảy ra. Giá trị mặc định được tạo chính xác một lần, khi chức năng được xác định. Nếu đối tượng đó bị thay đổi, giống như từ điển trong ví dụ này, các lần gọi hàm tiếp theo sẽ tham chiếu đến đối tượng đã thay đổi này
Theo định nghĩa, các đối tượng bất biến như số, chuỗi, bộ dữ liệu và
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165 sẽ an toàn trước sự thay đổi. Các thay đổi đối với các đối tượng có thể thay đổi như từ điển, danh sách và thể hiện của lớp có thể dẫn đến nhầm lẫn
Do tính năng này, nên thực hành lập trình tốt là không sử dụng các đối tượng có thể thay đổi làm giá trị mặc định. Thay vào đó, hãy sử dụng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165 làm giá trị mặc định và bên trong hàm, kiểm tra xem tham số có phải là
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165 hay không và tạo một danh sách/từ điển mới/bất cứ thứ gì nếu đó là. Ví dụ, không viết
>>> x = 10 >>> def foo[]: .. print[x] .. x += 15
nhưng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 16
Tính năng này có thể hữu ích. Khi bạn có một hàm tốn nhiều thời gian để tính toán, một kỹ thuật phổ biến là lưu vào bộ nhớ đệm các tham số và giá trị kết quả của mỗi lệnh gọi hàm, đồng thời trả về giá trị đã lưu trong bộ nhớ cache nếu giá trị tương tự được yêu cầu lại. Điều này được gọi là "ghi nhớ", và có thể được thực hiện như thế này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 17
Bạn có thể sử dụng biến toàn cục chứa từ điển thay vì giá trị mặc định;
Thu thập các đối số bằng cách sử dụng các chỉ định
>>> x = 10 >>> def foo[]: .. print[x] .. x += 168 và
>>> x = 10 >>> def foo[]: .. print[x] .. x += 169 trong danh sách tham số của hàm; . Sau đó, bạn có thể chuyển các đối số này khi gọi một hàm khác bằng cách sử dụng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 168 và
>>> x = 10 >>> def foo[]: .. print[x] .. x += 169
>>> x = 10 >>> def foo[]: .. print[x] .. x += 18
được xác định bởi các tên xuất hiện trong định nghĩa hàm, trong khi các giá trị thực sự được truyền cho một hàm khi gọi nó. Các tham số xác định những gì một chức năng có thể chấp nhận. Ví dụ, đưa ra định nghĩa hàm
>>> x = 10 >>> def foo[]: .. print[x] .. x += 19
foo, bar và kwargs là các tham số của
>>> x = 10 >>> def foo[]: .. print[x] .. x += 172. Tuy nhiên, khi gọi
>>> x = 10 >>> def foo[]: .. print[x] .. x += 172 chẳng hạn
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment0
các giá trị
>>> x = 10 >>> def foo[]: .. print[x] .. x += 174,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 175 và
>>> x = 10 >>> def foo[]: .. print[x] .. x += 176 là các đối số
Nếu bạn đã viết mã như
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment1
bạn có thể thắc mắc tại sao việc thêm một phần tử vào
>>> x = 10 >>> def foo[]: .. print[x] .. x += 177 cũng thay đổi cả
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124
Có hai yếu tố tạo ra kết quả này
Các biến chỉ đơn giản là tên tham chiếu đến các đối tượng. Thực hiện
>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
79 không tạo ra một bản sao của danh sách – nó tạo ra một biến mới>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
77 đề cập đến cùng một đối tượng mà>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
24 đề cập đến. Điều này có nghĩa là chỉ có một đối tượng [danh sách] và cả>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
24 và>>> x = 10 >>> def foo[]: .. print[x] .. x += 1
77 đều đề cập đến nóDanh sách là , có nghĩa là bạn có thể thay đổi nội dung của chúng
Sau khi gọi đến
>>> x = 10 >>> def foo[]: .. print[x] .. x += 184, nội dung của đối tượng có thể thay đổi đã thay đổi từ
>>> x = 10 >>> def foo[]: .. print[x] .. x += 185 thành
>>> x = 10 >>> def foo[]: .. print[x] .. x += 186. Vì cả hai biến đều tham chiếu đến cùng một đối tượng, sử dụng một trong hai tên sẽ truy cập giá trị đã sửa đổi
>>> x = 10 >>> def foo[]: .. print[x] .. x += 186
Thay vào đó, nếu chúng ta gán một đối tượng bất biến cho
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment2
chúng ta có thể thấy rằng trong trường hợp này,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 và
>>> x = 10 >>> def foo[]: .. print[x] .. x += 177 không còn bằng nhau nữa. Điều này là do các số nguyên là , và khi chúng ta thực hiện
>>> x = 10 >>> def foo[]: .. print[x] .. x += 191, chúng ta sẽ không biến đổi int
>>> x = 10 >>> def foo[]: .. print[x] .. x += 192 bằng cách tăng giá trị của nó; . Sau phép gán này, chúng ta có hai đối tượng [ints
>>> x = 10 >>> def foo[]: .. print[x] .. x += 193 và
>>> x = 10 >>> def foo[]: .. print[x] .. x += 192] và hai biến tham chiếu đến chúng [
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 bây giờ tham chiếu đến
>>> x = 10 >>> def foo[]: .. print[x] .. x += 193 nhưng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 177 vẫn tham chiếu đến
>>> x = 10 >>> def foo[]: .. print[x] .. x += 192]
Một số thao tác [ví dụ:
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment02 và
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment03] làm thay đổi đối tượng, trong khi các thao tác bề ngoài tương tự [ví dụ:
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment04 và ] tạo ra một đối tượng mới. Nói chung trong Python [và trong mọi trường hợp trong thư viện chuẩn], một phương thức thay đổi một đối tượng sẽ trả về
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165 để giúp tránh nhầm lẫn hai loại hoạt động. Vì vậy, nếu bạn viết nhầm
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment03 và nghĩ rằng nó sẽ cung cấp cho bạn một bản sao được sắp xếp của
>>> x = 10 >>> def foo[]: .. print[x] .. x += 177, thay vào đó, bạn sẽ kết thúc bằng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165, điều này có thể khiến chương trình của bạn tạo ra một lỗi dễ chẩn đoán
Tuy nhiên, có một loại hoạt động trong đó cùng một hoạt động đôi khi có các hành vi khác nhau với các loại khác nhau. toán tử gán tăng cường. Ví dụ:
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment10 biến đổi danh sách chứ không phải bộ dữ liệu hoặc int [
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment11 tương đương với
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment12 và biến đổi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment13, trong khi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment14 và
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment15 tạo đối tượng mới]
Nói cách khác
Nếu chúng ta có một đối tượng có thể thay đổi [, , v.v. ], chúng ta có thể sử dụng một số thao tác cụ thể để thay đổi nó và tất cả các biến tham chiếu đến nó sẽ thấy sự thay đổi
Nếu chúng ta có một đối tượng bất biến [, , , v.v. ], tất cả các biến tham chiếu đến nó sẽ luôn nhìn thấy cùng một giá trị, nhưng các hoạt động chuyển đổi giá trị đó thành một giá trị mới luôn trả về một đối tượng mới
Nếu bạn muốn biết hai biến có tham chiếu đến cùng một đối tượng hay không, bạn có thể sử dụng toán tử hoặc hàm có sẵn
Hãy nhớ rằng các đối số được truyền bằng phép gán trong Python. Vì phép gán chỉ tạo các tham chiếu đến các đối tượng, nên không có bí danh giữa tên đối số trong trình gọi và callee, và do đó không có tham chiếu theo từng cuộc gọi. Bạn có thể đạt được hiệu quả mong muốn theo một số cách
Bằng cách trả về một bộ kết quả
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment
3Đây hầu như luôn là giải pháp rõ ràng nhất
Bằng cách sử dụng các biến toàn cục. Đây không phải là chủ đề an toàn và không được khuyến khích
Bằng cách chuyển một đối tượng có thể thay đổi [có thể thay đổi tại chỗ]
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment
4Bằng cách chuyển vào một từ điển bị biến đổi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment
5Hoặc gói các giá trị trong một thể hiện của lớp
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment
6Hầu như không bao giờ có một lý do chính đáng để làm cho điều này trở nên phức tạp
Lựa chọn tốt nhất của bạn là trả về một bộ chứa nhiều kết quả
Bạn có hai sự lựa chọn. bạn có thể sử dụng phạm vi lồng nhau hoặc bạn có thể sử dụng các đối tượng có thể gọi được. Ví dụ: giả sử bạn muốn xác định
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment24 trả về hàm
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment25 tính giá trị
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment26. Sử dụng phạm vi lồng nhau
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment7
Hoặc sử dụng một đối tượng có thể gọi được
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment8
Trong cả hai trường hợp,
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment9
đưa ra một đối tượng có thể gọi được trong đó
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment27
Cách tiếp cận đối tượng có thể gọi được có nhược điểm là chậm hơn một chút và dẫn đến mã dài hơn một chút. Tuy nhiên, lưu ý rằng một tập hợp các callable có thể chia sẻ chữ ký của chúng thông qua kế thừa
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 100
Đối tượng có thể đóng gói trạng thái cho một số phương thức
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 101
Ở đây
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment28,
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment29 và
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment30 hoạt động giống như các hàm chia sẻ cùng một biến đếm
Nói chung, hãy thử hoặc cho trường hợp chung. Không phải tất cả các đối tượng có thể được sao chép, nhưng hầu hết có thể
Một số đối tượng có thể được sao chép dễ dàng hơn. Từ điển có một phương pháp
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 102
Trình tự có thể được sao chép bằng cách cắt
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 103
Đối với một thể hiện
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 của một lớp do người dùng định nghĩa, trả về một danh sách được sắp xếp theo thứ tự bảng chữ cái gồm các tên chứa các thuộc tính và phương thức của thể hiện cũng như các thuộc tính được xác định bởi lớp của nó
Nói chung là không thể, bởi vì các đối tượng không thực sự có tên. Về cơ bản, phép gán luôn gắn tên với giá trị; . Hãy xem xét đoạn mã sau
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 104
Có thể cho rằng lớp có một tên. mặc dù nó được liên kết với hai tên và được gọi thông qua tên
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment38, cá thể đã tạo vẫn được báo cáo là một cá thể của lớp
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment39. Tuy nhiên, không thể nói tên của đối tượng là
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment40 hay
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment41, vì cả hai tên đều được ràng buộc với cùng một giá trị
Nói chung, mã của bạn không cần thiết phải “biết tên” của các giá trị cụ thể. Trừ khi bạn đang cố tình viết các chương trình hướng nội, đây thường là dấu hiệu cho thấy việc thay đổi cách tiếp cận có thể có lợi
trong comp. lang thang. trăn, Fredrik Lundh đã từng đưa ra một phép loại suy tuyệt vời để trả lời cho câu hỏi này
Giống như cách bạn lấy tên của con mèo mà bạn tìm thấy trên hiên nhà của mình. bản thân con mèo [đối tượng] không thể cho bạn biết tên của nó và nó cũng không thực sự quan tâm – vì vậy cách duy nhất để biết nó được gọi là gì là hỏi tất cả những người hàng xóm [không gian tên] của bạn xem đó có phải là con mèo [đối tượng] của họ không…
…. và đừng ngạc nhiên nếu bạn thấy rằng nó được biết đến với nhiều tên hoặc không có tên nào cả
Dấu phẩy không phải là toán tử trong Python. Hãy xem xét phiên này
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 105
Vì dấu phẩy không phải là toán tử, mà là dấu phân cách giữa các biểu thức, phần trên được đánh giá như thể bạn đã nhập
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 106
không phải
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 107
Điều này cũng đúng với các toán tử gán khác nhau [______342,
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment10, v.v.]. Chúng không thực sự là toán tử mà là dấu phân cách cú pháp trong câu lệnh gán
Có, có. Cú pháp như sau
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 108
Trước khi cú pháp này được giới thiệu trong Python 2. 5, một thành ngữ phổ biến là sử dụng các toán tử logic
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 109
Tuy nhiên, thành ngữ này không an toàn vì nó có thể cho kết quả sai khi on_true có giá trị boolean sai. Do đó, tốt hơn hết là sử dụng biểu mẫu
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment44
Đúng. Thông thường, điều này được thực hiện bằng cách lồng vào nhau trong
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment45. Xem ba ví dụ sau, được điều chỉnh một chút từ Ulf Bartelt
>>> print[x] 110
Đừng thử điều này ở nhà, trẻ em
Dấu gạch chéo trong danh sách đối số của hàm biểu thị rằng các tham số trước nó chỉ là vị trí. Tham số chỉ vị trí là những tham số không có tên có thể sử dụng bên ngoài. Khi gọi một hàm chỉ chấp nhận các tham số chỉ vị trí, các đối số được ánh xạ tới các tham số chỉ dựa trên vị trí của chúng. Ví dụ: là một hàm chấp nhận các tham số chỉ vị trí. tài liệu của nó trông như thế này
>>> print[x] 111
Dấu gạch chéo ở cuối danh sách tham số có nghĩa là cả hai tham số đều chỉ có vị trí. Do đó, việc gọi với đối số từ khóa sẽ dẫn đến lỗi
>>> print[x] 112
Để chỉ định một chữ số bát phân, hãy đặt trước giá trị bát phân bằng số 0, sau đó là chữ "o" viết thường hoặc viết hoa. Ví dụ: để đặt biến “a” thành giá trị bát phân “10” [8 ở dạng thập phân], hãy nhập
>>> print[x] 113
Hệ thập lục phân thật dễ dàng. Chỉ cần đặt trước số thập lục phân bằng số 0, sau đó là chữ "x" viết thường hoặc viết hoa. Các chữ số thập lục phân có thể được chỉ định bằng chữ thường hoặc chữ hoa. Ví dụ, trong trình thông dịch Python
>>> print[x] 114
Nó chủ yếu được thúc đẩy bởi mong muốn rằng
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment49 có cùng dấu hiệu với
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment50. Nếu bạn muốn điều đó, và cũng muốn
>>> print[x] 115
sau đó phép chia số nguyên phải trả về sàn. C cũng yêu cầu giữ danh tính đó, và sau đó các trình biên dịch cắt bớt
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment51 cần làm cho
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment49 có cùng dấu với
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment53
Có rất ít trường hợp sử dụng thực tế cho
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment49 khi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment50 là số âm. Khi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment50 dương, có rất nhiều và hầu như tất cả chúng đều hữu ích hơn khi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment49 là
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment58. Nếu bây giờ đồng hồ chỉ 10 giờ thì 200 giờ trước nó chỉ mấy giờ?
Cố gắng tra cứu thuộc tính chữ
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment20 theo cách thông thường sẽ cho kết quả a vì dấu chấm được xem là dấu thập phân
>>> print[x] 116
Giải pháp là tách chữ khỏi dấu chấm bằng dấu cách hoặc dấu ngoặc đơn
>>> print[x] 117
Đối với số nguyên, hãy sử dụng hàm tạo kiểu dựng sẵn, e. g.
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment64. Tương tự, chuyển đổi sang dấu phẩy động, e. g.
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment66
Theo mặc định, chúng diễn giải số dưới dạng số thập phân, do đó,
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment67 giữ đúng và
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment68 tăng.
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment70 lấy cơ sở để chuyển đổi từ làm đối số tùy chọn thứ hai, vì vậy
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment71. Nếu cơ sở được chỉ định là 0, số được diễn giải bằng quy tắc của Python. một '0o' hàng đầu biểu thị bát phân và '0x' biểu thị một số hex
Không sử dụng chức năng tích hợp nếu tất cả những gì bạn cần là chuyển đổi chuỗi thành số. sẽ chậm hơn đáng kể và có nguy cơ bảo mật. ai đó có thể chuyển cho bạn một biểu thức Python có thể có tác dụng phụ không mong muốn. Ví dụ: ai đó có thể vượt qua
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment74 sẽ xóa thư mục chính của bạn
cũng có tác dụng diễn giải các số dưới dạng biểu thức Python, do đó e. g.
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment76 đưa ra lỗi cú pháp vì Python không cho phép '0' đứng đầu trong số thập phân [ngoại trừ '0']
Để chuyển đổi, e. g. , số
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment77 thành chuỗi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment78, sử dụng hàm tạo kiểu có sẵn. Nếu bạn muốn biểu diễn hệ thập lục phân hoặc bát phân, hãy sử dụng các hàm tích hợp sẵn hoặc. Để biết định dạng ưa thích, hãy xem phần và, e. g.
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment82 sản lượng
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment83 và
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment84 sản lượng
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment85
Bạn không thể, bởi vì các chuỗi là bất biến. Trong hầu hết các trường hợp, bạn chỉ cần tạo một chuỗi mới từ các phần khác nhau mà bạn muốn lắp ráp nó từ đó. Tuy nhiên, nếu bạn cần một đối tượng có khả năng sửa đổi dữ liệu unicode tại chỗ, hãy thử sử dụng một đối tượng hoặc mô-đun
>>> print[x] 118
Có nhiều kỹ thuật khác nhau
Tốt nhất là sử dụng một từ điển ánh xạ các chuỗi thành các hàm. Ưu điểm chính của kỹ thuật này là các chuỗi không cần khớp với tên của các hàm. Đây cũng là kỹ thuật chính được sử dụng để mô phỏng cấu trúc trường hợp
>>> print[x] 11
9Sử dụng chức năng tích hợp
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 11
0Lưu ý rằng hoạt động trên bất kỳ đối tượng nào, bao gồm các lớp, thể hiện của lớp, mô-đun, v.v.
Điều này được sử dụng ở một số nơi trong thư viện tiêu chuẩn, như thế này
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 11
1Sử dụng để phân giải tên hàm
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 11
2
Bạn có thể sử dụng
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment91 để xóa tất cả các lần xuất hiện của bất kỳ dấu kết thúc dòng nào ở cuối chuỗi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment92 mà không xóa khoảng trắng ở cuối khác. Nếu chuỗi
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment92 đại diện cho nhiều hơn một dòng, với một số dòng trống ở cuối, các dấu kết thúc dòng cho tất cả các dòng trống sẽ bị xóa
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 113
Vì điều này thường chỉ được mong muốn khi đọc văn bản từng dòng một, nên sử dụng
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment94 theo cách này hoạt động tốt
Không phải như vậy
Để phân tích cú pháp đầu vào đơn giản, cách tiếp cận đơn giản nhất thường là chia dòng thành các từ được phân tách bằng khoảng trắng bằng cách sử dụng phương thức của đối tượng chuỗi, sau đó chuyển đổi chuỗi thập phân thành giá trị số bằng cách sử dụng hoặc.
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment95 hỗ trợ tham số “sep” tùy chọn, hữu ích nếu dòng sử dụng thứ gì đó không phải khoảng trắng làm dấu phân cách
Để phân tích cú pháp đầu vào phức tạp hơn, các biểu thức chính quy mạnh hơn
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment99 của C và phù hợp hơn cho tác vụ
xem
Chuỗi thô kết thúc bằng số lẻ dấu gạch chéo ngược sẽ thoát khỏi dấu ngoặc kép của chuỗi
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 114
Có một số cách giải quyết cho việc này. Một là sử dụng các chuỗi thông thường và nhân đôi dấu gạch chéo ngược
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 115
Một cách khác là nối một chuỗi thông thường có dấu gạch chéo ngược đã thoát vào chuỗi thô
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 116
Cũng có thể sử dụng để nối thêm dấu gạch chéo ngược trên Windows
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 117
Lưu ý rằng mặc dù dấu gạch chéo ngược sẽ "thoát" một trích dẫn nhằm mục đích xác định vị trí kết thúc của chuỗi thô, nhưng không có dấu gạch chéo ngược nào xảy ra khi diễn giải giá trị của chuỗi thô. Nghĩa là, dấu gạch chéo ngược vẫn hiện diện trong giá trị của chuỗi thô
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 118
Cũng xem thông số kỹ thuật trong
Đó là một khó khăn, nói chung. Đầu tiên, đây là danh sách những điều cần nhớ trước khi đi sâu hơn
Các đặc điểm hiệu suất khác nhau giữa các triển khai Python. Câu hỏi thường gặp này tập trung vào
Hành vi có thể khác nhau giữa các hệ điều hành, đặc biệt khi nói về I/O hoặc đa luồng
Bạn phải luôn tìm các điểm nóng trong chương trình của mình trước khi cố gắng tối ưu hóa bất kỳ mã nào [xem mô-đun]
Viết tập lệnh điểm chuẩn sẽ cho phép bạn lặp lại nhanh chóng khi tìm kiếm các cải tiến [xem mô-đun]
Bạn nên có phạm vi mã tốt [thông qua thử nghiệm đơn vị hoặc bất kỳ kỹ thuật nào khác] trước khi có khả năng giới thiệu hồi quy ẩn trong các tối ưu hóa tinh vi
Điều đó đang được nói, có rất nhiều thủ thuật để tăng tốc mã Python. Dưới đây là một số nguyên tắc chung cần thiết để đạt được mức hiệu suất chấp nhận được
Làm cho thuật toán của bạn nhanh hơn [hoặc thay đổi thành thuật toán nhanh hơn] có thể mang lại lợi ích lớn hơn nhiều so với việc cố gắng rải các thủ thuật tối ưu hóa vi mô lên toàn bộ mã của bạn
Sử dụng đúng cấu trúc dữ liệu. Nghiên cứu tài liệu cho các và mô-đun
Khi thư viện tiêu chuẩn cung cấp một nguyên hàm để làm một việc gì đó, có khả năng [mặc dù không được đảm bảo] sẽ nhanh hơn bất kỳ giải pháp thay thế nào mà bạn có thể nghĩ ra. Điều này hoàn toàn đúng đối với các nguyên thủy được viết bằng C, chẳng hạn như nội trang và một số loại tiện ích mở rộng. Ví dụ: đảm bảo sử dụng phương thức tích hợp sẵn hoặc chức năng liên quan để thực hiện sắp xếp [và xem ví dụ về cách sử dụng nâng cao vừa phải]
Sự trừu tượng hóa có xu hướng tạo ra sự gián tiếp và buộc trình thông dịch phải làm việc nhiều hơn. Nếu mức độ gián tiếp lớn hơn số lượng công việc hữu ích được thực hiện, chương trình của bạn sẽ chậm hơn. Bạn nên tránh sự trừu tượng quá mức, đặc biệt là dưới dạng các hàm hoặc phương thức nhỏ [cũng thường gây bất lợi cho khả năng đọc]
Nếu bạn đã đạt đến giới hạn mà Python thuần túy có thể cho phép, sẽ có những công cụ giúp bạn tiến xa hơn. Ví dụ: Cython có thể biên dịch phiên bản mã Python được sửa đổi một chút thành phần mở rộng C và có thể được sử dụng trên nhiều nền tảng khác nhau. Cython có thể tận dụng quá trình biên dịch [và các chú thích loại tùy chọn] để làm cho mã của bạn nhanh hơn đáng kể so với khi diễn giải. Nếu bạn tự tin vào kỹ năng lập trình C của mình, bạn cũng có thể tự
Xem thêm
Trang wiki dành cho mẹo hiệu suất
và các đối tượng là bất biến, do đó việc nối nhiều chuỗi lại với nhau là không hiệu quả vì mỗi lần nối tạo ra một đối tượng mới. Trong trường hợp chung, tổng chi phí thời gian chạy là bậc hai trong tổng độ dài chuỗi
Để tích lũy nhiều đối tượng, thành ngữ được đề xuất là đặt chúng vào một danh sách và gọi ở cuối
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 119
[một thành ngữ hợp lý hiệu quả khác là sử dụng ]
Để tích lũy nhiều đối tượng, thành ngữ được khuyến nghị là mở rộng một đối tượng bằng cách sử dụng phép nối tại chỗ [toán tử
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment10]
>>> x = 10 >>> def foo[]: .. print[x] .. x += 120
Hàm tạo kiểu
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1014 chuyển đổi bất kỳ chuỗi nào [thực ra là bất kỳ có thể lặp lại nào] thành một bộ có cùng các mục theo cùng một thứ tự
Ví dụ:
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1015 mang lại
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1016 và
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1017 mang lại
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1018. Nếu đối số là một bộ, thì nó không tạo một bản sao mà trả về cùng một đối tượng, vì vậy sẽ rẻ hơn nếu bạn không chắc chắn rằng một đối tượng đã là một bộ
Hàm tạo kiểu
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1020 chuyển đổi bất kỳ chuỗi nào hoặc có thể lặp lại thành một danh sách có cùng các mục theo cùng một thứ tự. Ví dụ:
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1021 mang lại
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1022 và
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1023 mang lại
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1024. Nếu đối số là một danh sách, nó sẽ tạo một bản sao giống như
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1025
Chuỗi Python được lập chỉ mục với số dương và số âm. Đối với các số dương 0 là chỉ số đầu tiên 1 là chỉ số thứ hai, v.v. Đối với các chỉ số âm -1 là chỉ số cuối cùng và -2 là chỉ số áp chót [kế tiếp đến cuối cùng], v.v. Hãy nghĩ về
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1026 giống như
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1027
Sử dụng chỉ số âm có thể rất thuận tiện. Ví dụ:
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1028 là tất cả của chuỗi ngoại trừ ký tự cuối cùng của nó, rất hữu ích để xóa dòng mới ở cuối chuỗi
Sử dụng chức năng tích hợp
>>> x = 10 >>> def foo[]: .. print[x] .. x += 121
Điều này sẽ không chạm vào trình tự ban đầu của bạn, nhưng tạo một bản sao mới với thứ tự đảo ngược để lặp lại
Xem Sách dạy nấu ăn Python để biết một cuộc thảo luận dài về nhiều cách để thực hiện việc này
https. //mã số. trạng thái kích hoạt. com/công thức nấu ăn/52560/
Nếu bạn không ngại sắp xếp lại danh sách, hãy sắp xếp nó rồi quét từ cuối danh sách, xóa các mục trùng lặp khi bạn thực hiện
>>> x = 10 >>> def foo[]: .. print[x] .. x += 122
Nếu tất cả các phần tử của danh sách có thể được sử dụng làm khóa thiết lập [i. e. họ là tất cả] điều này thường nhanh hơn
>>> x = 10 >>> def foo[]: .. print[x] .. x += 123
Điều này chuyển đổi danh sách thành một tập hợp, do đó loại bỏ các bản sao và sau đó quay lại danh sách
Như với việc loại bỏ các bản sao, lặp lại rõ ràng ngược lại với điều kiện xóa là một khả năng. Tuy nhiên, sẽ dễ dàng và nhanh hơn khi sử dụng thay thế lát cắt bằng phép lặp chuyển tiếp rõ ràng hoặc ẩn. Đây là ba biến thể
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124
Việc hiểu danh sách có thể nhanh nhất
Sử dụng một danh sách
>>> x = 10 >>> def foo[]: .. print[x] .. x += 125
Các danh sách tương đương với các mảng C hoặc Pascal về độ phức tạp về thời gian của chúng;
Mô-đun
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment87 cũng cung cấp các phương thức để tạo các mảng có loại cố định với các biểu diễn nhỏ gọn, nhưng chúng chậm hơn để lập chỉ mục so với danh sách. Cũng lưu ý rằng NumPy và các gói bên thứ ba khác cũng xác định các cấu trúc giống như mảng với các đặc điểm khác nhau
Để có danh sách được liên kết kiểu Lisp, bạn có thể mô phỏng các ô khuyết điểm bằng cách sử dụng các bộ dữ liệu
>>> x = 10 >>> def foo[]: .. print[x] .. x += 126
Nếu muốn có khả năng thay đổi, bạn có thể sử dụng danh sách thay vì bộ dữ liệu. Ở đây, dạng tương tự của một chiếc ô tô Lisp là
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1031 và dạng tương tự của cdr là
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1032. Chỉ làm điều này nếu bạn chắc chắn rằng mình thực sự cần, vì nó thường chậm hơn rất nhiều so với việc sử dụng danh sách Python
Có thể bạn đã thử tạo một mảng nhiều chiều như thế này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 127
Điều này có vẻ đúng nếu bạn in nó
>>> x = 10 >>> def foo[]: .. print[x] .. x += 128
Nhưng khi bạn chỉ định một giá trị, nó sẽ hiển thị ở nhiều nơi
>>> x = 10 >>> def foo[]: .. print[x] .. x += 129
Lý do là việc sao chép danh sách với
>>> x = 10 >>> def foo[]: .. print[x] .. x += 168 không tạo bản sao, nó chỉ tạo tham chiếu đến các đối tượng hiện có.
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1034 tạo một danh sách chứa 3 tham chiếu đến cùng một danh sách có độ dài hai. Các thay đổi đối với một hàng sẽ hiển thị trong tất cả các hàng, điều này gần như chắc chắn không phải là điều bạn muốn
Cách tiếp cận được đề xuất là trước tiên hãy tạo một danh sách có độ dài mong muốn và sau đó điền vào từng phần tử bằng một danh sách mới được tạo
>>> x = 10 >>> def foo[]: .. print[x] .. x += 100
Điều này tạo ra một danh sách chứa 3 danh sách khác nhau có độ dài hai. Bạn cũng có thể sử dụng cách hiểu danh sách
>>> x = 10 >>> def foo[]: .. print[x] .. x += 101
Hoặc, bạn có thể sử dụng tiện ích mở rộng cung cấp kiểu dữ liệu ma trận;
Để gọi một phương thức hoặc hàm và tích lũy các giá trị trả về là một danh sách, a là một giải pháp tao nhã
>>> x = 10 >>> def foo[]: .. print[x] .. x += 102
Để chỉ chạy phương thức hoặc hàm mà không lưu các giá trị trả về, một vòng lặp đơn giản là đủ
>>> x = 10 >>> def foo[]: .. print[x] .. x += 103
Điều này là do sự kết hợp của thực tế là các toán tử gán tăng cường là các toán tử gán và sự khác biệt giữa các đối tượng có thể thay đổi và không thể thay đổi trong Python
Cuộc thảo luận này áp dụng chung khi các toán tử gán tăng cường được áp dụng cho các phần tử của bộ trỏ đến các đối tượng có thể thay đổi, nhưng chúng tôi sẽ sử dụng
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment16 và
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment10 làm ví dụ của chúng tôi
Nếu bạn đã viết
>>> x = 10 >>> def foo[]: .. print[x] .. x += 104
Lý do ngoại lệ phải rõ ràng ngay lập tức.
>>> x = 10 >>> def foo[]: .. print[x] .. x += 133 được thêm vào đối tượng
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1039 trỏ đến [
>>> x = 10 >>> def foo[]: .. print[x] .. x += 133], tạo ra đối tượng kết quả,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 151, nhưng khi chúng tôi cố gắng gán kết quả tính toán,
>>> x = 10 >>> def foo[]: .. print[x] .. x += 151, cho phần tử
>>> x = 10 >>> def foo[]: .. print[x] .. x += 132 của bộ dữ liệu, chúng tôi gặp lỗi vì chúng tôi không thể
Dưới vỏ bọc, điều mà câu lệnh gán tăng cường này đang thực hiện là xấp xỉ điều này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 105
Đó là phần gán của hoạt động tạo ra lỗi, vì một bộ dữ liệu là bất biến
Khi bạn viết một cái gì đó như
>>> x = 10 >>> def foo[]: .. print[x] .. x += 106
Ngoại lệ đáng ngạc nhiên hơn một chút và thậm chí còn đáng ngạc nhiên hơn là mặc dù có lỗi nhưng phần bổ sung vẫn hoạt động
>>> x = 10 >>> def foo[]: .. print[x] .. x += 107
Để biết tại sao điều này lại xảy ra, bạn cần biết rằng [a] nếu một đối tượng triển khai một phương thức ma thuật, nó sẽ được gọi khi phép gán tăng cường
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment10 được thực thi và giá trị trả về của nó là giá trị được sử dụng trong câu lệnh gán; . Đó là lý do tại sao chúng tôi nói rằng đối với danh sách,
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment10 là “viết tắt” của
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1049
>>> x = 10 >>> def foo[]: .. print[x] .. x += 108
Điều này tương đương với
>>> x = 10 >>> def foo[]: .. print[x] .. x += 109
Đối tượng được trỏ tới bởi a_list đã bị thay đổi và con trỏ tới đối tượng bị thay đổi được gán lại cho
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment13. Kết quả cuối cùng của phép gán là không hoạt động, vì nó là một con trỏ tới cùng một đối tượng mà trước đó
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment13 đã trỏ tới, nhưng phép gán vẫn diễn ra
Do đó, trong ví dụ bộ dữ liệu của chúng tôi, những gì đang xảy ra tương đương với
>>> x = 10 >>> def foo[]: .. print[x] .. x += 170
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1044 thành công và do đó danh sách được mở rộng, nhưng mặc dù
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1053 trỏ đến cùng một đối tượng mà
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1039 đã trỏ đến, phép gán cuối cùng đó vẫn dẫn đến lỗi, bởi vì các bộ dữ liệu là bất biến
Kỹ thuật này, được quy cho Randal Schwartz của cộng đồng Perl, sắp xếp các phần tử của danh sách theo một số liệu ánh xạ từng phần tử tới “giá trị sắp xếp” của nó. Trong Python, sử dụng đối số
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1055 cho phương thức
>>> x = 10 >>> def foo[]: .. print[x] .. x += 171
Hợp nhất chúng thành một bộ lặp gồm các bộ, sắp xếp danh sách kết quả, sau đó chọn ra phần tử bạn muốn
>>> x = 10 >>> def foo[]: .. print[x] .. x += 172
Một lớp là loại đối tượng cụ thể được tạo bằng cách thực hiện một câu lệnh lớp. Các đối tượng lớp được sử dụng làm mẫu để tạo các đối tượng thể hiện, thể hiện cả dữ liệu [thuộc tính] và mã [phương thức] cụ thể cho một kiểu dữ liệu
Một lớp có thể dựa trên một hoặc nhiều lớp khác, được gọi là [các] lớp cơ sở của nó. Sau đó, nó kế thừa các thuộc tính và phương thức của các lớp cơ sở của nó. Điều này cho phép một mô hình đối tượng được tinh chỉnh liên tục bằng kế thừa. Bạn có thể có một lớp
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1057 chung cung cấp các phương thức truy cập cơ bản cho hộp thư và các lớp con như
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1058,
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1059,
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1060 xử lý các định dạng hộp thư cụ thể khác nhau
Một phương thức là một chức năng trên một số đối tượng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 mà bạn thường gọi là
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1062. Các phương thức được định nghĩa là các hàm bên trong định nghĩa lớp
>>> x = 10 >>> def foo[]: .. print[x] .. x += 173
Bản thân chỉ là một tên quy ước cho đối số đầu tiên của một phương thức. Một phương thức được định nghĩa là
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1063 nên được gọi là
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1064 đối với một số trường hợp
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 của lớp mà định nghĩa xảy ra;
Xem thêm
Sử dụng chức năng tích hợp. Bạn có thể kiểm tra xem một đối tượng có phải là một thể hiện của bất kỳ lớp nào hay không bằng cách cung cấp một bộ thay vì một lớp đơn lẻ, e. g.
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1068 và cũng có thể kiểm tra xem một đối tượng có phải là một trong các loại dựng sẵn của Python hay không, e. g.
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1069 hoặc
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1070
Lưu ý rằng cũng kiểm tra kế thừa ảo từ một. Vì vậy, bài kiểm tra sẽ trả về
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1072 cho một lớp đã đăng ký ngay cả khi không được kế thừa trực tiếp hoặc gián tiếp từ nó. Để kiểm tra "sự kế thừa thực sự", hãy quét lớp
>>> x = 10 >>> def foo[]: .. print[x] .. x += 174
>>> x = 10 >>> def foo[]: .. print[x] .. x += 175
Lưu ý rằng hầu hết các chương trình không thường xuyên sử dụng trên các lớp do người dùng định nghĩa. Nếu bạn đang tự phát triển các lớp, thì một kiểu hướng đối tượng phù hợp hơn là định nghĩa các phương thức trên các lớp đóng gói một hành vi cụ thể, thay vì kiểm tra lớp của đối tượng và thực hiện một việc khác dựa trên lớp đó là gì. Ví dụ: nếu bạn có một chức năng thực hiện điều gì đó
>>> x = 10 >>> def foo[]: .. print[x] .. x += 176
Một cách tiếp cận tốt hơn là định nghĩa một phương thức
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1074 trên tất cả các lớp và chỉ cần gọi nó là
>>> x = 10 >>> def foo[]: .. print[x] .. x += 177
Ủy quyền là một kỹ thuật hướng đối tượng [còn được gọi là mẫu thiết kế]. Giả sử bạn có một đối tượng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124 và muốn thay đổi hành vi của chỉ một trong các phương thức của nó. Bạn có thể tạo một lớp mới cung cấp cách triển khai mới cho phương thức mà bạn muốn thay đổi và ủy quyền tất cả các phương thức khác cho phương thức tương ứng của
>>> x = 10 >>> def foo[]: .. print[x] .. x += 124
Các lập trình viên Python có thể dễ dàng thực hiện ủy quyền. Ví dụ, lớp sau triển khai một lớp hoạt động như một tệp nhưng chuyển đổi tất cả dữ liệu được viết thành chữ hoa
>>> x = 10 >>> def foo[]: .. print[x] .. x += 178
Ở đây, lớp
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1077 định nghĩa lại phương thức
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1078 để chuyển đổi chuỗi đối số thành chữ hoa trước khi gọi phương thức
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1079 bên dưới. Tất cả các phương thức khác được ủy quyền cho đối tượng
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1080 bên dưới. Việc ủy quyền được thực hiện thông qua phương pháp;
Lưu ý rằng đối với các trường hợp tổng quát hơn, việc ủy quyền có thể phức tạp hơn. Khi các thuộc tính phải được đặt cũng như được truy xuất, lớp cũng phải định nghĩa một phương thức và nó phải thực hiện cẩn thận. Việc triển khai cơ bản của
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1082 gần tương đương như sau
>>> x = 10 >>> def foo[]: .. print[x] .. x += 179
Hầu hết các triển khai
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1082 phải sửa đổi để tự lưu trữ trạng thái cục bộ mà không gây ra đệ quy vô hạn
Sử dụng chức năng tích hợp
>>> x = 10 >>> def foo[]: .. print[x] .. x += 190
Trong ví dụ này, sẽ tự động xác định phiên bản mà nó được gọi [giá trị
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1088], tra cứu [MRO] với
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1089 và trả về dòng tiếp theo sau
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1090 trong MRO.
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1091
Bạn có thể gán lớp cơ sở cho một bí danh và lấy từ bí danh. Sau đó, tất cả những gì bạn phải thay đổi là giá trị được gán cho bí danh. Ngẫu nhiên, thủ thuật này cũng hữu ích nếu bạn muốn quyết định động [e. g. tùy thuộc vào sự sẵn có của tài nguyên] nên sử dụng lớp cơ sở nào. Ví dụ
>>> x = 10 >>> def foo[]: .. print[x] .. x += 191
Cả dữ liệu tĩnh và phương thức tĩnh [theo nghĩa của C++ hoặc Java] đều được hỗ trợ trong Python
Đối với dữ liệu tĩnh, chỉ cần xác định thuộc tính lớp. Để gán một giá trị mới cho thuộc tính, bạn phải sử dụng rõ ràng tên lớp trong phép gán
>>> x = 10 >>> def foo[]: .. print[x] .. x += 192
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1092 cũng đề cập đến
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1093 cho bất kỳ
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1094 nào mà
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1095 nắm giữ, trừ khi bị ghi đè bởi chính
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1094 hoặc bởi một số lớp trên đường dẫn tìm kiếm lớp cơ sở từ
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1097 trở lại
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1098
thận trọng. trong một phương thức của C, một nhiệm vụ như
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1099 sẽ tạo ra một thể hiện mới và không liên quan có tên là "đếm" theo lệnh riêng của
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1088. Rebinding tên dữ liệu tĩnh của lớp phải luôn chỉ định lớp cho dù có bên trong phương thức hay không
>>> x = 10 >>> def foo[]: .. print[x] .. x += 193
Phương pháp tĩnh là có thể
>>> x = 10 >>> def foo[]: .. print[x] .. x += 194
Tuy nhiên, một cách đơn giản hơn nhiều để có được tác dụng của một phương thức tĩnh là thông qua một hàm cấp mô-đun đơn giản
>>> x = 10 >>> def foo[]: .. print[x] .. x += 195
Nếu mã của bạn được cấu trúc để xác định một lớp [hoặc hệ thống phân cấp lớp có liên quan chặt chẽ] cho mỗi mô-đun, điều này sẽ cung cấp khả năng đóng gói mong muốn
Câu trả lời này thực sự áp dụng cho tất cả các phương thức, nhưng câu hỏi thường xuất hiện đầu tiên trong ngữ cảnh của hàm tạo
Trong C++ bạn sẽ viết
>>> x = 10 >>> def foo[]: .. print[x] .. x += 196
Trong Python, bạn phải viết một hàm tạo duy nhất nắm bắt tất cả các trường hợp bằng các đối số mặc định. Ví dụ
>>> x = 10 >>> def foo[]: .. print[x] .. x += 197
Điều này không hoàn toàn tương đương, nhưng đủ gần trong thực tế
Bạn cũng có thể thử danh sách đối số có độ dài thay đổi, e. g
>>> x = 10 >>> def foo[]: .. print[x] .. x += 198
Cách tiếp cận tương tự hoạt động cho tất cả các định nghĩa phương thức
Các tên biến có hai dấu gạch dưới ở đầu được "xáo trộn" để cung cấp một cách đơn giản nhưng hiệu quả để xác định các biến riêng của lớp. Bất kỳ mã định danh nào có dạng
>>> print[x] 1101 [ít nhất hai dấu gạch dưới ở đầu, nhiều nhất là một dấu gạch dưới ở cuối] được thay thế bằng văn bản bằng
>>> print[x] 1102, trong đó
>>> print[x] 1103 là tên lớp hiện tại với bất kỳ dấu gạch dưới ở đầu nào bị loại bỏ
Điều này không đảm bảo quyền riêng tư. người dùng bên ngoài vẫn có thể cố ý truy cập vào thuộc tính “_classname__spam” và các giá trị riêng tư được hiển thị trong đối tượng
>>> print[x] 1104. Nhiều lập trình viên Python không bao giờ bận tâm đến việc sử dụng tên biến riêng
Có một số lý do có thể cho việc này
Câu lệnh không nhất thiết phải gọi - nó chỉ đơn giản là giảm số lượng tham chiếu của đối tượng và nếu giá trị này bằng 0 thì
>>> print[x] 1106 được gọi
Nếu cấu trúc dữ liệu của bạn chứa các liên kết vòng [e. g. một cây trong đó mỗi đứa trẻ có một tham chiếu gốc và mỗi cha mẹ có một danh sách con] thì số lượng tham chiếu sẽ không bao giờ trở về 0. Thỉnh thoảng, Python chạy một thuật toán để phát hiện các chu kỳ như vậy, nhưng trình thu gom rác có thể chạy một thời gian sau khi tham chiếu cuối cùng đến cấu trúc dữ liệu của bạn biến mất, vì vậy phương thức
>>> print[x] 1106 của bạn có thể được gọi vào thời điểm bất tiện và ngẫu nhiên. Điều này thật bất tiện nếu bạn đang cố tái tạo sự cố. Tồi tệ hơn, thứ tự thực hiện các phương thức
>>> print[x] 1106 của đối tượng là tùy ý. Bạn có thể chạy để bắt buộc thu thập, nhưng có những trường hợp bệnh lý mà các đối tượng sẽ không bao giờ được thu thập
Mặc dù có trình thu thập chu trình, bạn vẫn nên xác định rõ ràng một phương thức
>>> print[x] 1111 trên các đối tượng sẽ được gọi bất cứ khi nào bạn hoàn thành chúng. Phương thức
>>> print[x] 1111 sau đó có thể xóa các thuộc tính đề cập đến các đối tượng con. Đừng gọi trực tiếp
>>> print[x] 1106 –
>>> print[x] 1106 nên gọi
>>> print[x] 1111 và
>>> print[x] 1111 phải đảm bảo rằng nó có thể được gọi nhiều lần cho cùng một đối tượng
Một cách khác để tránh các tham chiếu theo chu kỳ là sử dụng mô-đun, cho phép bạn trỏ đến các đối tượng mà không cần tăng số lượng tham chiếu của chúng. Ví dụ, các cấu trúc dữ liệu dạng cây nên sử dụng các tham chiếu yếu cho các tham chiếu cha và anh chị em của chúng [nếu chúng cần. ]
Cuối cùng, nếu phương thức
>>> print[x] 1106 của bạn đưa ra một ngoại lệ, một thông báo cảnh báo sẽ được in ra
Python không theo dõi tất cả các phiên bản của một lớp [hoặc của một kiểu dựng sẵn]. Bạn có thể lập trình hàm tạo của lớp để theo dõi tất cả các phiên bản bằng cách giữ một danh sách các tham chiếu yếu cho từng phiên bản
Nội dung trả về một số nguyên được đảm bảo là duy nhất trong suốt thời gian tồn tại của đối tượng. Vì trong CPython, đây là địa chỉ bộ nhớ của đối tượng, điều thường xảy ra là sau khi một đối tượng bị xóa khỏi bộ nhớ, đối tượng mới được tạo tiếp theo sẽ được cấp phát ở cùng một vị trí trong bộ nhớ. Điều này được minh họa bằng ví dụ này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 199
Hai id thuộc về các đối tượng số nguyên khác nhau được tạo trước đó và bị xóa ngay sau khi thực hiện lệnh gọi
>>> x = 10 >>> def foo[]: .. print[x] .. x += 119. Để chắc chắn rằng các đối tượng có id mà bạn muốn kiểm tra vẫn còn tồn tại, hãy tạo một tham chiếu khác đến đối tượng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 100
Toán tử
>>> foo[] Traceback [most recent call last]: ... UnboundLocalError: local variable 'x' referenced before assignment22 kiểm tra danh tính đối tượng. Bài kiểm tra
>>> print[x] 1124 tương đương với
>>> print[x] 1125
Thuộc tính quan trọng nhất của kiểm tra danh tính là một đối tượng luôn giống với chính nó,
>>> print[x] 1126 luôn trả về
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1072. Kiểm tra danh tính thường nhanh hơn kiểm tra đẳng thức. Và không giống như các bài kiểm tra đẳng thức, các bài kiểm tra danh tính được đảm bảo trả về giá trị boolean
>>> x = 10 >>> def foobar[]: .. global x .. print[x] .. x += 1 ... >>> foobar[] 1072 hoặc
>>> print[x] 1129
Tuy nhiên, các bài kiểm tra nhận dạng chỉ có thể được thay thế cho các bài kiểm tra đẳng thức khi nhận dạng đối tượng được đảm bảo. Nói chung, có ba trường hợp mà danh tính được đảm bảo
1] Bài tập tạo tên mới nhưng không thay đổi nhận dạng đối tượng. Sau khi chuyển nhượng
>>> print[x] 1130, đảm bảo rằng
>>> print[x] 1131
2] Đặt một đối tượng vào vùng chứa lưu trữ các tham chiếu đối tượng không thay đổi danh tính đối tượng. Sau khi gán danh sách
>>> print[x] 1132, đảm bảo rằng
>>> print[x] 1133
3] Nếu một đối tượng là một singleton, điều đó có nghĩa là chỉ có thể tồn tại một phiên bản của đối tượng đó. Sau các phép gán
>>> print[x] 1134 và
>>> print[x] 1135, đảm bảo rằng
>>> print[x] 1124 vì
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165 là một singleton
Trong hầu hết các trường hợp khác, các bài kiểm tra danh tính là không nên và các bài kiểm tra bình đẳng được ưa thích hơn. Cụ thể, không nên sử dụng các kiểm tra nhận dạng để kiểm tra các hằng số như và không được đảm bảo là đơn lẻ
>>> x = 10 >>> def foo[]: .. print[x] .. x += 101
Tương tự như vậy, các phiên bản mới của vùng chứa có thể thay đổi không bao giờ giống hệt nhau
>>> x = 10 >>> def foo[]: .. print[x] .. x += 102
Trong mã thư viện tiêu chuẩn, bạn sẽ thấy một số mẫu phổ biến để sử dụng chính xác các bài kiểm tra danh tính
1] Theo khuyến nghị của PEP 8, kiểm tra danh tính là cách ưu tiên để kiểm tra
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165. Điều này đọc giống như tiếng Anh đơn giản trong mã và tránh nhầm lẫn với các đối tượng khác có thể có giá trị boolean đánh giá sai
2] Việc phát hiện các đối số tùy chọn có thể phức tạp khi
>>> x = 10 >>> def foo[]: .. print[x] .. x += 165 là giá trị đầu vào hợp lệ. Trong những tình huống đó, bạn có thể tạo một đối tượng canh gác đơn lẻ được đảm bảo khác biệt với các đối tượng khác. Ví dụ: đây là cách triển khai một phương thức hoạt động như
>>> x = 10 >>> def foo[]: .. print[x] .. x += 103
3] Việc triển khai vùng chứa đôi khi cần tăng cường kiểm tra tính bình đẳng bằng kiểm tra danh tính. Điều này giúp mã không bị nhầm lẫn bởi các đối tượng như
>>> print[x] 1143 không bằng chính chúng
Ví dụ: đây là triển khai của
>>> print[x] 1144
>>> x = 10 >>> def foo[]: .. print[x] .. x += 104
Khi phân lớp một loại bất biến, hãy ghi đè phương thức thay vì phương thức. Cái sau chỉ chạy sau khi một phiên bản được tạo, quá muộn để thay đổi dữ liệu trong một phiên bản không thay đổi
Tất cả các lớp bất biến này có chữ ký khác với lớp cha của chúng
>>> x = 10 >>> def foo[]: .. print[x] .. x += 105
Các lớp có thể được sử dụng như thế này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 106
Hai công cụ chính cho các phương pháp lưu trữ là và. Cái trước lưu trữ kết quả ở cấp độ thể hiện và cái sau ở cấp độ lớp
Cách tiếp cận cached_property chỉ hoạt động với các phương thức không nhận bất kỳ đối số nào. Nó không tạo một tham chiếu đến thể hiện. Kết quả của phương thức được lưu trong bộ nhớ cache sẽ chỉ được lưu giữ miễn là phiên bản còn tồn tại
Ưu điểm là khi một instance không còn được sử dụng, kết quả của phương thức đã lưu trong bộ nhớ cache sẽ được giải phóng ngay lập tức. Nhược điểm là nếu các trường hợp tích lũy, thì phương thức tích lũy cũng sẽ dẫn đến kết quả. Họ có thể phát triển mà không bị ràng buộc
Cách tiếp cận lru_cache hoạt động với các phương thức có đối số có thể băm. Nó tạo một tham chiếu đến thể hiện trừ khi có những nỗ lực đặc biệt để chuyển vào các tham chiếu yếu
Ưu điểm của thuật toán ít được sử dụng gần đây nhất là bộ đệm được giới hạn bởi kích thước tối đa được chỉ định. Điểm bất lợi là các phiên bản được giữ nguyên cho đến khi hết bộ nhớ cache hoặc cho đến khi bộ nhớ cache bị xóa
Ví dụ này cho thấy các kỹ thuật khác nhau
>>> x = 10 >>> def foo[]: .. print[x] .. x += 107
Ví dụ trên giả định rằng station_id không bao giờ thay đổi. Nếu các thuộc tính phiên bản có liên quan có thể thay đổi, thì phương pháp cached_property không thể hoạt động vì nó không thể phát hiện các thay đổi đối với các thuộc tính
Để làm cho cách tiếp cận lru_cache hoạt động khi station_id có thể thay đổi, lớp cần xác định các phương thức và để bộ đệm có thể phát hiện các cập nhật thuộc tính có liên quan
>>> x = 10 >>> def foo[]: .. print[x] .. x += 108
Khi một mô-đun được nhập lần đầu tiên [hoặc khi tệp nguồn đã thay đổi kể từ khi tệp được biên dịch hiện tại được tạo], tệp
>>> print[x] 1151 chứa mã đã biên dịch phải được tạo trong thư mục con
>>> print[x] 1152 của thư mục chứa tệp
>>> print[x] 1153. Tệp
>>> print[x] 1151 sẽ có tên tệp bắt đầu bằng tên giống như tệp
>>> print[x] 1153 và kết thúc bằng
>>> print[x] 1151, với thành phần ở giữa phụ thuộc vào tệp nhị phân
>>> print[x] 1157 cụ thể đã tạo ra nó. [Xem PEP 3147 để biết chi tiết. ]
Một lý do khiến tệp
>>> print[x] 1151 không thể được tạo là sự cố về quyền với thư mục chứa tệp nguồn, nghĩa là không thể tạo thư mục con
>>> print[x] 1152. Ví dụ: điều này có thể xảy ra nếu bạn phát triển với tư cách người dùng này nhưng chạy với tư cách người dùng khác, chẳng hạn như nếu bạn đang thử nghiệm với máy chủ web
Trừ khi biến môi trường được đặt, việc tạo một. pyc là tự động nếu bạn đang nhập một mô-đun và Python có khả năng [quyền, dung lượng trống, v.v.] để tạo thư mục con
>>> print[x] 1152 và ghi mô-đun đã biên dịch vào thư mục con đó
Chạy Python trên tập lệnh cấp cao nhất không được coi là nhập và sẽ không có
>>> print[x] 1151 nào được tạo. Ví dụ: nếu bạn có mô-đun cấp cao nhất
>>> print[x] 1163 nhập một mô-đun khác
>>> print[x] 1164, khi bạn chạy
>>> print[x] 1165 [bằng cách nhập
>>> print[x] 1166 dưới dạng lệnh trình bao], một
>>> print[x] 1151 sẽ được tạo cho
>>> print[x] 1168 vì
>>> print[x] 1168 được nhập, nhưng sẽ không có tệp
>>> print[x] 1151 nào được nhập
Nếu bạn cần tạo tệp
>>> print[x] 1151 cho
>>> print[x] 1165 – nghĩa là tạo tệp
>>> print[x] 1151 cho mô-đun không được nhập – bạn có thể sử dụng và mô-đun
Mô-đun có thể tự biên dịch bất kỳ mô-đun nào. Một cách là sử dụng chức năng
>>> print[x] 1179 trong mô-đun đó một cách tương tác
>>> x = 10 >>> def foo[]: .. print[x] .. x += 109
Thao tác này sẽ ghi
>>> print[x] 1151 vào thư mục con
>>> print[x] 1152 ở cùng vị trí với
>>> print[x] 1163 [hoặc bạn có thể ghi đè thư mục đó bằng tham số tùy chọn
>>> print[x] 1183]
Bạn cũng có thể tự động biên dịch tất cả các tệp trong một thư mục hoặc thư mục bằng cách sử dụng mô-đun. Bạn có thể làm điều đó từ dấu nhắc shell bằng cách chạy
>>> print[x] 1185 và cung cấp đường dẫn của một thư mục chứa các tệp Python để biên dịch
>>> x = 10 >>> def foo[]: .. print[x] .. x += 110
Một mô-đun có thể tìm ra tên mô-đun của chính nó bằng cách xem biến toàn cục được xác định trước
>>> print[x] 1186. Nếu giá trị này có giá trị
>>> print[x] 1187, chương trình đang chạy dưới dạng tập lệnh. Nhiều mô-đun thường được sử dụng bằng cách nhập chúng cũng cung cấp giao diện dòng lệnh hoặc tự kiểm tra và chỉ thực thi mã này sau khi kiểm tra
>>> print[x] 1186
>>> x = 10 >>> def foo[]: .. print[x] .. x += 111
Giả sử bạn có các mô-đun sau
>>> print[x] 1163
>>> x = 10 >>> def foo[]: .. print[x] .. x += 112
>>> print[x] 1190
>>> x = 10 >>> def foo[]: .. print[x] .. x += 113
Vấn đề là trình thông dịch sẽ thực hiện các bước sau
nhập khẩu chính
>>> print[x] 11
65Toàn cầu trống cho
>>> print[x] 11
65 được tạo>>> print[x] 11
65 được biên dịch và bắt đầu thực thi>>> print[x] 11
65 nhập khẩu>>> print[x] 11
95Toàn cầu trống cho
>>> print[x] 11
95 được tạo>>> print[x] 11
95 được biên dịch và bắt đầu thực thi>>> print[x] 11
95 nhập khẩu>>> print[x] 11
65 [không hoạt động vì đã có một mô-đun tên là>>> print[x] 11
65]Cơ chế nhập cố gắng đọc
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 11
01 từ toàn cầu>>> print[x] 11
65, để đặt>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 11
03
Bước cuối cùng không thành công, vì Python vẫn chưa hoàn thành việc diễn giải
>>> print[x] 1165 và từ điển ký hiệu chung cho
>>> print[x] 1165 vẫn còn trống
Điều tương tự cũng xảy ra khi bạn sử dụng
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 1106, sau đó thử truy cập vào
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 1107 bằng mã toàn cầu
Có [ít nhất] ba cách giải quyết khả thi cho sự cố này
Guido van Rossum khuyên bạn nên tránh tất cả việc sử dụng
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 1108 và đặt tất cả mã bên trong các chức năng. Việc khởi tạo biến toàn cục và biến lớp chỉ nên sử dụng hằng hoặc hàm tích hợp. Điều này có nghĩa là mọi thứ từ mô-đun đã nhập được tham chiếu là
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 1109
Jim Roskind gợi ý thực hiện các bước theo thứ tự sau trong mỗi mô-đun
xuất [toàn cục, hàm và lớp không cần các lớp cơ sở đã nhập]
>>> def foo[]: .. x = 10 .. def bar[]: .. nonlocal x .. print[x] .. x += 1 .. bar[] .. print[x] ... >>> foo[] 10 11
10 báo cáomã hoạt động [bao gồm toàn cầu được khởi tạo từ các giá trị đã nhập]
Van Rossum không thích cách tiếp cận này lắm vì hàng nhập khẩu xuất hiện ở một nơi xa lạ, nhưng nó hoạt động
Matthias Urlichs khuyên bạn nên cấu trúc lại mã của mình để không cần nhập đệ quy ngay từ đầu
Các giải pháp này không loại trừ lẫn nhau
Thay vào đó, hãy xem xét sử dụng chức năng tiện lợi từ
>>> x = 10 >>> def foo[]: .. print[x] .. x += 114
Vì lý do hiệu quả cũng như tính nhất quán, Python chỉ đọc tệp mô-đun trong lần đầu tiên mô-đun được nhập. Nếu không, trong một chương trình bao gồm nhiều mô-đun mà mỗi mô-đun nhập cùng một mô-đun cơ bản, mô-đun cơ bản sẽ được phân tích cú pháp và phân tích lại nhiều lần. Để buộc đọc lại một mô-đun đã thay đổi, hãy làm điều này
>>> x = 10 >>> def foo[]: .. print[x] .. x += 115
Cảnh báo. kỹ thuật này không phải là bằng chứng 100%. Cụ thể, các mô-đun chứa các câu lệnh như
>>> x = 10 >>> def foo[]: .. print[x] .. x += 116
sẽ tiếp tục hoạt động với phiên bản cũ của các đối tượng đã nhập. Nếu mô-đun chứa các định nghĩa lớp, các thể hiện của lớp hiện tại sẽ không được cập nhật để sử dụng định nghĩa lớp mới. Điều này có thể dẫn đến hành vi nghịch lý sau đây