python基础学习day6

代码块、缓存机制、深浅拷贝、集合

• id、is、==

1. id: 可类比为身份号，具备惟一性，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。

1. 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，值必定相同，值相同，id不必定相同。

• 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，它是做为一个单元执行的。一个模块，一个函数，一个类，一个文件等都是代码块。而做为互交命令方式输入的每一个命令都是一个代码块。两个机制:若是在同一代码块下，则采用同一代码块下的换缓存机制。若是是不一样代码块，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，若是存在，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，若是有一样的记录那么它会重复使用这个字典中的以前的这个值，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：几乎全部的字符串都会符合缓存机制（1，非乘法获得的字符串都知足代码块的缓存机制，,乘法获得的字符串分两种状况：1. 乘数为1时，任何字符串知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，知足代码块的缓存机制）

    s1 = 'iam'*1
    s2 = 'iam'*1
    print(s1 is s2)
    >>>True

    bool：True和False在字典中会以1，0方式存在，而且复用。

    优势：可以提升一些字符串，整数处理人物在时间和空间上的性能；须要值相同的字符串，整数的时候，直接从‘字典’中取出复用，避免频繁的建立和销毁，提高效率，节约内存。

  • 在不一样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，并不会从新建立对象，而是使用已经建立好的缓存对象。

    python会将必定规则的字符串在字符串驻留池中，建立一份，当你将这些字符串赋值给变量时，并不会从新建立对象， 而是使用在字符串驻留池中建立好的对象。

    　　其实，不管是缓存仍是字符串驻留池，都是python作的一个优化，就是将~5-256的整数，和必定规则的字符串，放在一个‘池’（容器，或者字典）中，不管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，就是内存中之建立一个。

    适用对象： int（float）：那么你们都知道对于整数来讲，小数据池的范围是-5~256 ，若是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 经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 由于代码块下的缓存机制适用于全部数字
    >>>True
    
    
    #经过交互方式中执行下面代码,这是不一样代码块下，则采用小数据池的驻留机制。
    >>> i1 = 1000
    >>> i2 = 1000
    >>> print(i1 is i2)
    False  # 不一样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.用乘法获得的字符串，分两种状况：1 乘数为1，知足规则的字符串，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
    #指定驻留是你能够指定任意的字符串加入到小数据池中，让其只在内存中建立一个对象，多个变量都是指向这一个字

    bool值就是True，False，不管你建立多少个变量指向True，False，那么他在内存中只存在一个。

    # 虽然在同一个文件中，可是函数自己就是代码块，因此这是在两个不一样的代码块下，不知足小数据池（驻存机制），则指向两个不一样的地址。
    def func():
        i1 = 1000
        print(id(i1))  # 2288555806672
    
    def func2():
        i1 = 1000
        print(id(i1))  # 2288557317392
    
    func()
    func2()

    优势：可以提升一些字符串，整数处理人物在时间和空间上的性能；须要值相同的字符串，整数的时候，直接从‘池’里拿来用，避免频繁的建立和销毁，提高效率，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），但它自己是可变的数据类型（不可哈希）。集合是无序的。以{}存放数据。

  • 做用：列表的去重；关系的测试（交集，并集…)

    /1. 集合的建立：

    set = {1,2，'a'}
    #空集合的表示：
    set1 = set()   #set1 = {}表示空字典

    /2 . 增：add update()#迭代增长，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：先删除再增长

  • 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）集合全部的元素

    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）每一个集合独有的元素

    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），可是里面的全部元素与被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中的每一个元素与l4中的每一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。对储存的可变对象能够进行更改；若改变不可变类型，则改变的不是不可变类型自己，而是变量的指向关系

• 深copy，需导入模块copy(浅copy也能够导入copy模块),不可变的数据类型沿用以前的内存地址，可变的数据类型建立新的内存地址。

  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。深拷贝会建立一个新的对象的内存地址。

  python对深copy作了一个优化，将对象为不可变数据类型的内存地址沿用同一个，只从新再建立一份可变数据类型的内存地址。

  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。

l1 = [1,2,['a']]
l2 = l1[:]
l1[-1].append(3)
print(l2)
>>>[1,2,['a',3]]  #切片是浅copy

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')

#小题试作,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}]