本文主要是介绍《流畅的python 第一章 python数据模型》，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
第一章 python数据模型
摘要：本章主要讲一些特殊方法（前后带双下划线写法的方法，如__len__，__getitem__），为什么有特殊方法，特殊方法的应用。
python是一种面向对象语言，那么为什么会有len(x)这种写法，而不是x.len()呢
Python 解释器遇到len()这种特殊句法时，会使用特殊方法去激活一些基本的对象操作，这些特殊方法的名字以两个下划线开头，以两个下划线结尾。如__len__，__getitem__。比如obj[key]背后就是__getitem__方法，为了能求得obj[key]的值，解释器实际上调用的是obj.__getitem__(key)。
通过合理使用这些方法，能让自己的对象实现和支持以下语言结构，并与之交互：
- 迭代
- 集合类
- 属性访问
- 运算符重载
- 函数和方法的调用
- 对象的创建和销毁
- 字符串表示形式和格式化
- 管理上下文（with模块）
魔术方法（magic method）是特殊方法的昵称，又叫双下方法（dunder method）。
一摞python风格的纸牌
用一个非常简单的例子来展示如何实现__getitem__、__len__这两个特殊方法。
import collections
Card=collections.namedtuple('Card',['rank','suit'])
#使用collections.namedtuple创建了一个元组类型的子类，子类类名为Card，子类中有两个key，key值分别为'rank'、'suit'
class FrenchDeck:ranks=[str(n) for n in range(2,11)]+list('JQKA')#ranks=['2', '3', '4', '5', '6', '7', '8', '9', '10', 'J', 'Q', 'K', 'A']suits='spades diamonds clubs hearts'.split()#suits=['spades', 'diamonds', 'clubs', 'hearts']def __init__(self):self._cards=[Card(rank,suit) for rank in self.ranks for suit in self.suits]def __len__(self):return len(self._cards)def __getitem__(self, item):return self._cards[item]
利用namedtuple，我们可以很轻松地得到一个纸牌对象：
bear_card=Card(rank='7',suit='spades')
print(bear_card)
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
Card(rank='7', suit='spades')Process finished with exit code 0
然后，我们来关注FrenchDeck这个类，将它实例化后，我们可以用len()函数来查看这叠纸牌共有多少张。
deck=FrenchDeck()
print(len(deck))
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
52Process finished with exit code 0
也可以使用index下标来访问特定的纸牌：
print(deck[5])
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
Card(rank='3', suit='diamonds')Process finished with exit code 0
如果在FrenchDeck类中注释掉__len__方法，就无法使用len(deck)，同理，如果在FrenchDeck类中注释掉__getitem__方法，就无法使用deck[key]访问特定元素。
而且我们不需要再写一个方法用来随机抽取一张纸牌，只需要调用python内置的random.choice。
from random import choice
deck=FrenchDeck()
print(choice(deck))
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
Card(rank='A', suit='spades')Process finished with exit code 0
从上述试验中，我们发现了通过实现特殊方法来利用python数据模型的两个好处：
- 用户实例化该类后，不必费心去记标准操作的格式名称，比如说获取元素总数，是size方法还是length方法
- 可以更加方便的利用python标准库，而不需要重新自己写代码
并且由于__getitem__方法把下标访问[]的操作交给了self._cards列表，deck自动支持了切片操作。
print(deck[:3])
print(deck[12::13])
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
[Card(rank='2', suit='spades'), Card(rank='2', suit='diamonds'), Card(rank='2', suit='clubs')]
[Card(rank='5', suit='spades'), Card(rank='8', suit='diamonds'), Card(rank='J', suit='clubs'), Card(rank='A', suit='hearts')]Process finished with exit code 0
另外，仅仅实现了__getitem__方法，deck就变成可迭代的了：
for card in deck:if card.rank=='J':print(card)else:pass
上述代码找到所有’J’的纸牌
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
Card(rank='J', suit='spades')
Card(rank='J', suit='diamonds')
Card(rank='J', suit='clubs')
Card(rank='J', suit='hearts')Process finished with exit code 0
反向迭代也可以：
for card in reversed(deck):if card.rank=='J':print(card)else:pass
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
Card(rank='J', suit='hearts')
Card(rank='J', suit='clubs')
Card(rank='J', suit='diamonds')
Card(rank='J', suit='spades')Process finished with exit code 0
迭代通常是隐式的，比如说一个集合类型没有实现__contains__方法，那么in运算符就会按顺序做一次迭代搜索，因为它是可迭代的：
print(Card(rank='J', suit='hearts') in deck)
print(Card(rank='O', suit='hearts') in deck)
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
True
FalseProcess finished with exit code 0
给纸牌排序：2最小，A最大，黑桃最大，红桃次之，方块再次，梅花最小。
suit_values=dict(spades=3,hearts=2,diamonds=1,clubs=0)#spades:黑桃 hearts:红桃 diamonds:方块 clubs:梅花
# spades A>hearts A>diamonds A>clubs A>
# spades K>hearts K>diamonds K>clubs K>
# spades Q>hearts Q>diamonds Q>clubs Q>
# spades J>hearts J>diamonds J>clubs J>
# spades 10>hearts 10>diamonds 10>clubs 10>
# spades 9>hearts 9>diamonds 9>clubs 9>
# spades 8>hearts 8>diamonds 8>clubs 8>
# spades 7>hearts 7>diamonds 7>clubs 7>
# spades 6>hearts 6>diamonds 6>clubs 6>
# spades 5>hearts 5>diamonds 5>clubs 5>
# spades 4>hearts 4>diamonds 4>clubs 4>
# spades 3>hearts 3>diamonds 3>clubs 3>
# 1*4+3 1*4+2 1*4+1 1*4+0
# spades 2>hearts 2>diamonds 2>clubs 2
# 0*4+3 0*4+2 0*4+1 0*4+0
def spades_high(card):rank_value=FrenchDeck.ranks.index(card.rank)return rank_value*len(suit_values)+suit_values[card.suit]#排序规则的公式for card in sorted(deck,key=spades_high):#先将card传入spades_high()函数进行计算，按最终返回值排序print(card,spades_high(card))
有了spades_high函数，就能对这摞纸牌进行升序排序了。
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
Card(rank='2', suit='clubs') 0
Card(rank='2', suit='diamonds') 1
Card(rank='2', suit='hearts') 2
Card(rank='2', suit='spades') 3
Card(rank='3', suit='clubs') 4
Card(rank='3', suit='diamonds') 5
Card(rank='3', suit='hearts') 6
Card(rank='3', suit='spades') 7
Card(rank='4', suit='clubs') 8
Card(rank='4', suit='diamonds') 9
Card(rank='4', suit='hearts') 10
Card(rank='4', suit='spades') 11
Card(rank='5', suit='clubs') 12
Card(rank='5', suit='diamonds') 13
Card(rank='5', suit='hearts') 14
Card(rank='5', suit='spades') 15
Card(rank='6', suit='clubs') 16
Card(rank='6', suit='diamonds') 17
Card(rank='6', suit='hearts') 18
Card(rank='6', suit='spades') 19
Card(rank='7', suit='clubs') 20
Card(rank='7', suit='diamonds') 21
Card(rank='7', suit='hearts') 22
Card(rank='7', suit='spades') 23
Card(rank='8', suit='clubs') 24
Card(rank='8', suit='diamonds') 25
Card(rank='8', suit='hearts') 26
Card(rank='8', suit='spades') 27
Card(rank='9', suit='clubs') 28
Card(rank='9', suit='diamonds') 29
Card(rank='9', suit='hearts') 30
Card(rank='9', suit='spades') 31
Card(rank='10', suit='clubs') 32
Card(rank='10', suit='diamonds') 33
Card(rank='10', suit='hearts') 34
Card(rank='10', suit='spades') 35
Card(rank='J', suit='clubs') 36
Card(rank='J', suit='diamonds') 37
Card(rank='J', suit='hearts') 38
Card(rank='J', suit='spades') 39
Card(rank='Q', suit='clubs') 40
Card(rank='Q', suit='diamonds') 41
Card(rank='Q', suit='hearts') 42
Card(rank='Q', suit='spades') 43
Card(rank='K', suit='clubs') 44
Card(rank='K', suit='diamonds') 45
Card(rank='K', suit='hearts') 46
Card(rank='K', suit='spades') 47
Card(rank='A', suit='clubs') 48
Card(rank='A', suit='diamonds') 49
Card(rank='A', suit='hearts') 50
Card(rank='A', suit='spades') 51Process finished with exit code 0通过实现__len__和__getitem__这两个特殊方法，FrenchDeck这个类就像python自有的序列数据类型一样，拥有迭代、切片等python核心语言特性。
练习：创建一个书本类
Book=collections.namedtuple('Book',['name','editor','id'])
# a_book=Book(name='救赎',editor='lily',id='20211101')
# print(a_book)
class MyBook:names='abandon baby cloud dead'.split()editors='lili susan yang alice'.split()ids=[x for x in range(2,6)]def __init__(self):self._book=[Book(name,editor,id) for name in self.names for editor in self.editors for id in self.ids] #这种写法对names,editors,ids进行了全排列组合def __len__(self):return len(self._book)def __getitem__(self, item):return self._book[item]b=MyBook()
print(len(b))
print(b[2])
执行结果如下：
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
64
Book(name='abandon', editor='lili', id=4)Process finished with exit code 0
如何使用特殊方法
特殊方法的存在是为了被python解释器调用，你自己并不需要去调用它。
deck.__len__()
deck.__getitem__(3)
也就是说，上面这两种写法虽然可执行，但是是不合规的。应该使用下面的写法
len(deck)
deck[1]
如果是一个自定义类，比如FrenchDeck，在执行len(deck)，python会自动去调用FrenchDeck类中由你自己实现的__len__方法。
如果是python内置的类型，比如str，list，执行len(str)，CPython会抄个近路，直接返回PyVarObject里的ob_size属性，直接读取这个值比调用一个方法快很多。
特殊方法的调用是隐式的，比如for i in x:这个语句，背后其实是iter(x)，而这个函数的背后是x.__iter__()（前提是__iter__这个方法在x中被实现了）。
一般你的代码无需直接使用特殊方法，除了在你自己的子类的__init__中调用超类的构造器。一般通过内置函数（len、str、iter等）来使用特殊方法是最好的选择。
模拟数值类型
利用特殊方法，可以让自定义对象通过“+”号进行运算。
示例：自定义类，实现二维向量的加减
from math import hypot
class Vector:def __init__(self,x,y):self.x=xself.y=ydef __repr__(self):'''自定义输出实例化对象时的信息:return:'''return 'Vector(%r,%r)' % (self.x,self.y)def __abs__(self):'''自定义向量求模:return:'''return hypot(self.x,self.y)def __add__(self, other):'''自定义向量相加方法:param other::return:'''x=self.x+other.xy=self.y+other.yreturn Vector(x,y)def __mul__(self, scalar):'''自定义向量乘常数:param scalar::return:'''return Vector(self.x*scalar,self.y*scalar)def __bool__(self):'''返回向量是否为0:return:'''return bool(abs(self))vector1=Vector(3,4)
print("调用__repr__方法：%r" % vector1)
vector2=Vector(1,2)
print("调用__add__方法：%r" % (vector1+vector2))
print("调用__mul__方法：%r" % (vector1*3))
vector3=Vector(0,0)
print("调用__abs__方法：%r"% abs(vector1))
print("调用__bool__方法：%r" % bool(vector3))
执行结果：
/Users/zy/PycharmProjects/learnpython/venv/bin/python /Users/zy/PycharmProjects/learnpython/collect.py
调用__repr__方法：Vector(3,4)
调用__add__方法：Vector(4,6)
调用__mul__方法：Vector(9,12)
调用__abs__方法：5.0
调用__bool__方法：FalseProcess finished with exit code 0
补充知识点：
python格式符
| 格式符 | 类型码 |
|---|---|
| %s | 字符串（采用str()的显示） |
| %r | 字符串（采用repr()的显示） |
| %c | 单个字符 |
| %b | 二进制整数 |
| %d | 十进制整数 |
| %i | 十进制整数 |
| %o | 八进制整数 |
| %s | 十六进制整数 |
| %e | 指数（基底写为e） |
| %E | 指数（基底写为E） |
| %f | 浮点数 |
| %F | 浮点数（同上） |
| %g | 指数（e）或浮点数（根据显示长度） |
| %G | 指数（E）或浮点数（根据显示长度） |
字符串表示形式
python内置函数repr()，能把一个对象用字符串表示形式表达出来，这就是“字符串表示形式”。repr()函数背后调用的是__repr__。如果没有实现__repr__，我们打印一个对象，可能会是**<main.testrepr object at 0x108e6e9d0>**这种显示。
在格式符中，用%r来代替repr()函数返回的结果。str.format()的新式格式化字符串语法也用到了repr。
在Vector向量的示例中，我们使用**“Vector(%r,%r)” %(self.x,self.y)**来获取对象的字符串表示形式，而不是使用%s来获取对象的字符串值。
__repr__和__str__的区别是，后者会在str()函数和使用print()时被调用，且返回的字符串对终端用户更友好。
如果你只想实现两个特殊方法的其中一个，建议实现__repr__，当调用str()时，如果对象没有实现__str__，解释器会用__repr__替代。见下面的示例：
class testrepr:def __init__(self,x):self.x=xdef __repr__(self):return 'y'def __str__(self):return 'z'tr=testrepr(1)
print(str(tr))
执行上述代码，可以看到str(tr)的返回是z，如果注释掉__str__方法，再次执行，str(tr)的返回是y。
python对象的一个基本要求就是它得有合理的字符串表示形式，我们可以通过__repr__和__str__来满足这个要求，前者方便我们调试和记录日志，后者方便给终端用户看。
算术运算符
在Vector向量运算的示例中，我们通过特殊方法__mul__，__add__重新定义了向量加法，向量乘法的运算规则。
自定义布尔值
任何对象都可以用于需要布尔值的上下文，比如if、while、and、or、not，默认情况下，我们自定义的类的实例总是被认为是True。如下面的示例：
class testbool:def __init__(self,x):self.x=xtb=testbool(1)
print(bool(tb))
执行结果为True。
bool(x)的背后是调用x.__bool__()的结果，如果不存在__bool__方法，python解释器会尝试去调用__len__()方法，若返回0，则bool会返回False，否则返回True。示例如下：
x=""
print(bool(x))
执行结果为False。
我们可以自定义__bool__方法，像Vector向量示例中那样，去定义判断规则，返回值。
特殊方法一览
跟运算符无关的特殊方法：
| 类别 | 方法名 |
|---|---|
| 字符串/字节序列表示形式 | __repr__、__str__、__format__、__bytes__ |
| 数值转换 | __abs__、__bool__、__complex__、__int__、__float__、__hash__、__index__ |
| 集合模拟 | __len__、__getitem__、__setitem__、__delitem__、__contains__ |
| 迭代枚举 | __iter__、__reversed__、__next__ |
| 可调用模拟 | __call__ |
| 上下文管理 | __enter__、__exit__ |
| 实例创建和销毁 | __new__、__init__、__del__ |
| 属性管理 | __getattr__、__getattribute__、__setattr__、__delattr__、__dir__ |
| 属性描述符 | __get__、__set__、__delete__ |
| 跟类相关的服务 | __prepare__、__instancecheck__、__subclasscheck__ |
跟运算符相关的特殊方法：
| 类别 | 方法名和对应的运算符 |
|---|---|
| 一元运算符 | __neg__ -、__pos__ +、__abs__ abs() |
| 众多比较运算符 | __lt__ <、__le__ <=、__eq__ ==、__ne__ !=、__gt__ >、__ge__ >= |
| 算术运算符 | __add__ +、__sub__ -、__mul__ *、__truediv__ /、__floordiv__ //、__mod__ %、__divmod__ divmode()、__pow__ **或pow()、__round__ round() |
| 反向算数运算符 | __radd__、__rsub__、__rmul__、__rtruediv__、__rfloordiv__、__rmod__、__rdivmod__、__rpow__ |
| 增量赋值算数运算符 | __iadd__、__isub__、__imul__、__itruediv__、__ifloordiv__、__imod__、__ipow__ |
| 位运算符 | __invert__ ~、__lshift__ <<、__rshift__ >>、__and__ &、__or__ |、__xor__ ^ |
| 反向位运算符 | __rlshift__、__rrshift__、__rand__、__rxor__、__ror__ |
| 增量赋值位运算符 | __ilshift__、__irshift__、__iand__、__ixor__、__ior__ |
反向运算符：当交换两数的位置时，就会调用反向运算符。（b*a而不是a*b）
增量赋值运算符：增量赋值运算是一种把中缀运算符变成赋值运算的捷径。（如a=a+b变成a+=b）
为什么len不是普通方法
“使用胜于纯粹。”——《python之禅》
如果x是一个内置类型的实例，len(x)执行不需要调用任何方法（CPython会直接从一个C结构体里读取对象的长度），故而len(x)的速度会非常快而高效。len之所以不是一个普通方法，是因为它让python自带的数据结构可以走后门，abs也是同理。
这篇关于《流畅的python 第一章 python数据模型》的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
