fluent_python_part_2

Fluent Python

第一章 数据模型

主要是一些魔术方法的使用

特殊方法的创建
__getitem__ 列表[]
__len__ len()
__bool__ bool()
__str__ str,若无__str__,则会使用__repr__
__repr__ 主要供开发人员使用

第二章 序列

  1. 针对大量数据,使用列表占用大量内存,可以使用生成器。生成器仅可使用一次,到达末尾后生成器生命结束
   针对列表
   [[]]*3 内部的列表只是一个引用,若进行修改则会修改所有
  1. 使用简单列表推导式,同样生成生成器。相对于filter与map,列表推导式可能会有更好的性能,更易读
  2. 元组作为不可变序列,更强大的功能是作为少量字段的记录功能。
  具名元组 namedtuple
  from collections import namedtuple
  Name = namedtuple("Name","name1 name2")
  or
  Name = namedtuple("Name",["name1","name2"])

  1. 切片,自定义slice方法,可以对切片进行命名.slice(start,end,step),与[start,end,step]具有相同的效果
  2. 对于内置函数sorted()和list.sort(),后者会就地排序而不会产生新的列表,返回值为None,前者会返回一个新的列表。关键字参数key定义排序方法
  3. bisect与insort使用二分查找对有序序列进行快速的查找与插入。
  4. 针对序列,可以选择使用其它不同的数据结构
  array.array() 数字数组,节省空间,速度更快。数组有Numpy和Scipy,提供高阶数组和矩阵操作。
  collections.deque() 双向队列
  queue 标准队列,队列可限制大小。满之后则会锁定队列
  multiprocessing 进程间通信队列
  asyncio 异步编程任务管理
  heapq 类似栈结构的实现,作为堆队列或优先队列

第三章 集合与字典

  1. 可散列的映射类型,字典的键必须是可散列的。字典同样可用推导式来生成。
  2. 常见的映射方法
  dict 普通字典映射
  collections.defaultdict 带有默认值的字典,__getitem__取不到值则返回默认值
  collections.OrderedDict 带顺序的字典,根据插入顺序

  特殊方法__missing__,针对映射找不到键的情况,只会在__getitem__找不到键时调用,对get()和in无效
  collections.ChainMap 接受多个映射对象,查找时逐一映射进行查找
  collections.Counter 计数器,统计每个键出现的次数
  collections.UserDict 实现自己的dict
  types.MappingProxyType 生成一个只读属性的映射
  1. 集合无序且不能散列,frozenset集合不可变
  2. 字典与集合使用散列表进行存储与查找,字典是以空间换时间的存储方式。散列表会根据存储动态修改,因此无序,并且不能在循环的同时修改。

第四章 文本和字节序列

  1. Chardet 可检测编码,不过达不到完全准确
  2. 尽量全部使用utf-8
  3. 在遇到具体问题时根据具体问题进行解决!!!
  4. 二进制字符串与字符串问题,通过decode解码,encode转码
  5. 读写文件使用相同编码,尽量明确指定编码
  6. normalize 规范化,特殊情况下使用
  7. 根据区域进行unicode排序,PyUCA,Unicode排序算法
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,445评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,889评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,047评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,760评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,745评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,638评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,011评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,669评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,923评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,655评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,740评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,406评论 4 320
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,995评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,961评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,023评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,483评论 2 342

推荐阅读更多精彩内容