最大的缺点可能就是很多人觉得Python特别“简单”,没怎么仔细研究,然后掉进了下面这51项对于小白来说可能就是致命确定的问题……

下面的每一个都会出现一些出乎意料的输出结果,如果你是个老司机也许会了解部分,但是我相信这里面还是会出现你不知道的。

这个项目目前已经在GitHub上拿到了15000+星。

示例的结构

所有示例的结构都如下所示:

> 一个精选的标题# 准备代码. # 释放魔法...

Output (Python version):>>> 触发语句 出乎意料的输出结果

(可选): 对意外输出结果的简短描述。

说明:

简要说明发生了什么以及为什么会发生。如有必要,举例说明

Output:>>>触发语句#一些让魔法变得容易理解的例子 #一些正常的输入

注意:所有的示例都在Python3.5.2版本的交互解释器上测试过,如果不特别说明应该适用于所有Python版本。

用法

我个人建议,最好依次阅读下面的示例,并仔细阅读设置例子最开始的代码。

阅读输出结果确认结果是否如你所料.

确认你是否知道这背后的原理

一、微妙的字符串

1.

>>> a = "some_string"

>>> id(a)

140420665652016

>>> id("some" + "_" + "string") # 注意两个的id值是相同的.

140420665652016

2.

>>> a = "wtf"

>>> b = "wtf"

>>> a is b

True

>>> a = "wtf!"

>>> b = "wtf!"

>>> a is b

False

>>> a, b = "wtf!", "wtf!"

>>> a is b

True

3.

>>> 'a' * 20 is 'aaaaaaaaaaaaaaaaaaaa'

True

>>> 'a' * 21 is 'aaaaaaaaaaaaaaaaaaaaa'

False

说明:

这些行为是由于 Cpython 在编译优化时,某些情况下会尝试使用已经存在的不可变对象,而不是每次都创建一个新对象。(这种行为被称作字符串的驻留[string interning])

发生驻留之后,许多变量可能指向内存中的相同字符串对象。(从而节省内存)

在上面的代码中,字符串是隐式驻留的。何时发生隐式驻留则取决于具体的实现。这里有一些方法可以用来猜测字符串是否会被驻留:所有长度为 0 和长度为 1 的字符串都被驻留。

字符串在编译时被实现。('wtf' 将被驻留, 但是 ''.join(['w', 't', 'f'] 将不会被驻留)

字符串中只包含字母,数字或下划线时将会驻留。所以 'wtf!' 由于包含!而未被驻留。可以在这里找CPython对此规则的实现。 />

当在同一行将 a 和 b 的值设置为 "wtf!" 的时候, Python 解释器会创建一个新对象, 然后同时引用第二个变量。

如果你在不同的行上进行赋值操作, 它就不会“知道”已经有一个 wtf! 对象 (因为 "wtf!" 不是按照上面提到的方式被隐式驻留的)。

它是一种编译器优化,特别适用于交互式环境。

常量折叠(constant folding) 是 Python 中的一种窥孔优化(peephole optimization) 技术。

这意味着在编译时表达式 'a'*20 会被替换为 'aaaaaaaaaaaaaaaaaaaa' 以减少运行时的时钟周期。

只有长度小于 20 的字符串才会发生常量折叠。(为啥? 想象一下由于表达式'a'*10**10 而生成的 .pyc 文件的大小)相关的源码:

二、是时候来点蛋糕了!

1.

some_dict = {}

some_dict[5.5] = "Ruby"

some_dict[5.0] = "JavaScript"

some_dict[5] = "Python"

Output:

>>> some_dict[5.5]

"Ruby"

>>> some_dict[5.0]

"Python"

>>> some_dict[5]

"Python"

"Python" 消除了 "JavaScript" 的存在?

说明:

Python 字典通过检查键值是否相等和比较哈希值来确定两个键是否相同。

具有相同值的不可变对象在Python中始终具有相同的哈希值。

>>> 5 == 5.0

True

>>> hash(5) == hash(5.0)

True

注意: 具有不同值的对象也可能具有相同的哈希值(哈希冲突)。

当执行 some_dict[5] = "Python" 语句时, 因为Python将 5 和 5.0 识别为 some_dict 的同一个键, 所以已有值 "JavaScript" 就被 "Python" 覆盖了。

三、到处返回!

def some_func():

try:

return 'from_try'

finally:

return 'from_finally'

Output:

>>> some_func()

'from_finally'

说明:

当在 "try...finally" 语句的 try 中执行 return, break 或 continue 后, finally 子句依然会执行。

函数的返回值由最后执行的 return 语句决定。

由于 finally 子句一定会执行, 所以 finally 子句中的 return 将始终是最后执行的语句。

四、本质上,我们都一样

所以兄弟们收藏后别忘记点赞哦。

class WTF:

pass

Output:

>>> WTF() == WTF() # 两个不同的对象应该不相等

False

>>> WTF() is WTF() # 也不相同

False

>>> hash(WTF()) == hash(WTF()) # 哈希值也应该不同

True

>>> id(WTF()) == id(WTF())

True

说明:

当调用 id 函数时, Python 创建了一个 WTF 类的对象并传给 id 函数。

然后 id 函数获取其id值 (也就是内存地址), 然后丢弃该对象. 该对象就被销毁了。

当我们连续两次进行这个操作时, Python会将相同的内存地址分配给第二个对象。 因为 (在CPython中) id 函数使用对象的内存地址作为对象的id值, 所以两个对象的id值是相同的。

综上, 对象的id值仅仅在对象的生命周期内唯一。在对象被销毁之后, 或被创建之前, 其他对象可以具有相同的id值。

那为什么 is 操作的结果为 False 呢? 让我们看看这段代码:

class WTF(object):

def __init__(self): print("I")

def __del__(self): print("D")

Output:

>>> WTF() is WTF()

I

I

D

D

False

>>> id(WTF()) == id(WTF())

I

D

I

D

True

正如你所看到的, 对象销毁的顺序是造成所有不同之处的原因。

五、为什么?

some_string = "wtf"

some_dict = {}

for i, some_dict[i] in enumerate(some_string):

pass

Output:

>>> some_dict # 创建了索引字典.

{0: 'w', 1: 't', 2: 'f'}

说明:

Python 语法 中对 for 的定义是:

for_stmt: 'for' exprlist 'in' testlist ':' suite ['else' ':' suite]

其中 exprlist 指分配目标. 这意味着对可迭代对象中的每一项都会执行类似 {exprlist} = {next_value} 的操作。

一个有趣的例子说明了这一点:

for i in range(4):

print(i)

i = 10

Output:

0

1

2

3

你可曾觉得这个循环只会运行一次?

说明:

由于循环在Python中工作方式, 赋值语句 i = 10 并不会影响迭代循环, 在每次迭代开始之前, 迭代器(这里指 range(4)) 生成的下一个元素就被解包并赋值给目标列表的变量(这里指 i)了。

在每次迭代中, enumerate(some_string) 函数就生成一个新值 i (计数器增加) 并从 some_string 中获取一个字符。

然后将字典 some_dict 键 i (刚刚分配的) 的值设为该字符。本例中循环的展开可以简化为:

>>> i, some_dict[i] = (0, 'w')

>>> i, some_dict[i] = (1, 't')

>>> i, some_dict[i] = (2, 'f')

>>> some_dict

六、执行时机差异

1.

array = [1, 8, 15]

g = (x for x in array if array.count(x) > 0)

array = [2, 8, 22]

Output:

>>> print(list(g))

[8]

2.

array_1 = [1,2,3,4]

g1 = (x for x in array_1)

array_1 = [1,2,3,4,5]

array_2 = [1,2,3,4]

g2 = (x for x in array_2)

array_2[:] = [1,2,3,4,5]

Output:

>>> print(list(g1))

[1,2,3,4]

>>> print(list(g2))

[1,2,3,4,5]

说明:

在生成器表达式中, in 子句在声明时执行, 而条件子句则是在运行时执行。

所以在运行前, array 已经被重新赋值为 [2, 8, 22], 因此对于之前的 1, 8 和 15, 只有 count(8) 的结果是大于 0 的, 所以生成器只会生成 8。

第二部分中 g1 和 g2 的输出差异则是由于变量 array_1 和 array_2 被重新赋值的方式导致的。

在第一种情况下, array_1 被绑定到新对象 [1,2,3,4,5], 因为 in 子句是在声明时被执行的,所以它仍然引用旧对象 [1,2,3,4](并没有被销毁)。

在第二种情况下, 对 array_2 的切片赋值将相同的旧对象 [1,2,3,4] 原地更新为 [1,2,3,4,5]。

因此 g2 和 array_2 仍然引用同一个对象(这个对象现在已经更新为 [1,2,3,4,5])。

七、出人意料的is!

下面是一个在互联网上非常有名的例子。

>>> a = 256

>>> b = 256

>>> a is b

True

>>> a = 257

>>> b = 257

>>> a is b

False

>>> a = 257; b = 257

>>> a is b

True

说明:

is 和 == 的区别is 运算符检查两个运算对象是否引用自同一对象 (即, 它检查两个预算对象是否相同).

== 运算符比较两个运算对象的值是否相等.

因此 is 代表引用相同, == 代表值相等. 下面的例子可以很好的说明这点,>>> [] == [] True >>> [] is [] # 这两个空列表位于不同的内存地址. False

256 是一个已经存在的对象, 而 257 不是

当你启动Python 的时候, -5 到 256 的数值就已经被分配好了. 这些数字因为经常使用所以适合被提前准备好.当前的实现为-5到256之间的所有整数保留一个整数对象数组, 当你创建了一个该范围内的整数时, 你只需要返回现有对象的引用. 所以改变1的值是有可能的. 我怀疑这种行为在Python中是未定义行为. :-)

>>> id(256)

10922528

>>> a = 256

>>> b = 256

>>> id(a)

10922528

>>> id(b)

10922528

>>> id(257)

140084850247312

>>> x = 257

>>> y = 257

>>> id(x)

140084850247440

>>> id(y)

140084850247344

这里解释器并没有智能到能在执行 y = 257 时意识到我们已经创建了一个整数 257, 所以它在内存中又新建了另一个对象.

当 a 和 b 在同一行中使用相同的值初始化时,会指向同一个对象.

>>> a, b = 257, 257

>>> id(a)

140640774013296

>>> id(b)

140640774013296

>>> a = 257

>>> b = 257

>>> id(a)

140640774013392

>>> id(b)

140640774013488当 a 和 b 在同一行中被设置为 257 时, Python 解释器会创建一个新对象, 然后同时引用第二个变量. 如果你在不同的行上进行, 它就不会 "知道" 已经存在一个 257 对象了.

这是一种特别为交互式环境做的编译器优化. 当你在实时解释器中输入两行的时候, 他们会单独编译, 因此也会单独进行优化. 如果你在 .py 文件中尝试这个例子, 则不会看到相同的行为, 因为文件是一次性编译的.

八、一蹴即至!

# 我们先初始化一个变量row

row = [""]*3 #row i['', '', '']

# 并创建一个变量board

board = [row]*3

Output:

>>> board

[['', '', ''], ['', '', ''], ['', '', '']]

>>> board[0]

['', '', '']

>>> board[0][0]

''

>>> board[0][0] = "X"

>>> board

[['X', '', ''], ['X', '', ''], ['X', '', '']]

我们有没有赋值过3个 "X" 呢?

说明:

当我们初始化 row 变量时, 下面这张图展示了内存中的情况。 />

而当通过对 row 做乘法来初始化 board 时, 内存中的情况则如下图所示 (每个元素 board[0], board[1] 和 board[2] 都和 row 一样引用了同一列表.) />

我们可以通过不使用变量 row 生成 board 来避免这种情况. (这个issue提出了这个需求.)

>>> board = [['']*3 for _ in range(3)]

>>> board[0][0] = "X"

>>> board

[['X', '', ''], ['', '', ''], ['', '', '']]根据多位大佬的实践证明,在知乎双击屏幕会显著降低自己代码的BUG率。

九、麻烦的输出

funcs = []

results = []

for x in range(7):

def some_func():

return x

funcs.append(some_func)

results.append(some_func()) # 注意这里函数被执行了

funcs_results = [func() for func in funcs]

Output:

>>> results

[0, 1, 2, 3, 4, 5, 6]

>>> funcs_results

[6, 6, 6, 6, 6, 6, 6]

即使每次在迭代中将 some_func 加入 funcs 前的 x 值都不相同, 所有的函数还是都返回6.

// 再换个例子

>>> powers_of_x = [lambda x: x**i for i in range(10)]

>>> [f(2) for f in powers_of_x]

[512, 512, 512, 512, 512, 512, 512, 512, 512, 512]

说明:当在循环内部定义一个函数时, 如果该函数在其主体中使用了循环变量, 则闭包函数将与循环变量绑定, 而不是它的值. 因此, 所有的函数都是使用最后分配给变量的值来进行计算的.

可以通过将循环变量作为命名变量传递给函数来获得预期的结果. 为什么这样可行? 因为这会在函数内再次定义一个局部变量. funcs = [] for x in range(7): def some_func(x=x): return x funcs.append(some_func) Output: >>> funcs_results = [func() for func in funcs] >>> funcs_results [0, 1, 2, 3, 4, 5, 6]

本文内容来自中文版项目,项目全文2万多字,以及海量代码。

因为篇幅原因,小七就先只为大家展示这6个案例,后续会逐步更新。 />

转载自公众号“七月在线实验室”

↓↓↓

公号后台回复“666”。即可免费获得 七月在线【面试求职 第四期】课程+最新升级版《名企AI面试100题》电子书。 /> />

《名企AI⾯试100题》涵盖计算机语⾔基础、算法和⼤数据、机器学习、深度学习、应⽤⽅向 (CV NLP 推荐 ⾦融风控)等五⼤章节,每⼀段代码、每⼀道题⽬的解析都经过了反复审查或review。

部分内容展示 /> /> />(点击图片可查看大图)

python的优缺点-Python 有什么一般人不知道的缺点?相关推荐

  1. python的优缺点-Python语言的优点和缺点 - 深度剖析

    01. 前言 Python是一门解释型高级语言,应用广泛.与Java和C/C++相比,Python的的代码更加简洁. Python一行抵C++十行,坊间流传着这个说法. 用Python开发,既简单又有 ...

  2. python 有什么一般人不知道的缺点_关于python,你知道它的优缺点吗?

    python语言的优势介绍: 1.python是一门简单的编程语言,代表简单主义思想; 2.python简单容易上手,语法简单文档也非常明确; 3.python免费开源,是一款FLOSS(自由/源代码 ...

  3. python的优点-python的优点

    广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! sdk 3.0 实现了统一化,各个语言版本的 sdk具备使用方法相同.接口调用方 ...

  4. python骗局-1.python真的是万恶之源么?(初识python)

    python真的是万恶之源么? 计算机基础及puthon了解 1.计算机基础知识 cpu : 相当于人类大脑,运算和处理问题 内存 : 临时存储数据,单点就消失,4G,8G,16G,32G 硬盘 : ...

  5. Python|Python简介|安装Python解释器|运行|开发工具|Python之禅|turtle绘制五星红旗|绘制方块|绘制小猪佩奇|语言100课:学习(1)

    文章目录 源项目地址 初识Python Python简介 Python的历史 Python的优缺点 Python的应用领域 安装Python解释器 运行Python程序 确认Python的版本 编写P ...

  6. Python学习笔记 Python概述 编码规范 输出与输入 变量 标识符

    Python学习第一天 Python的概述 1.Python的优缺点 1.1 优点: 1.2 缺点: 2.Python的编码规范 3.注释 3.Python的输出与输入 4.Python中的变量 5. ...

  7. python的优缺点有哪些-那么多人选择Python,它的优缺点有哪些?

    提及到目前最火的编程语言,Python可谓是非常受欢迎的,属于四大编程语言之一,近些年来Python的增长趋势也是非常明显的,很多人都将Python作为入门的语言,对于很多人来说都会选择学习Pytho ...

  8. Python的优缺点介绍

    Python是一种面向对象.解释性.通用性和开源性的脚本编程语言.在下面的文章中,我们将总结Python的特点,并综合比较其优缺点. Python是一种面向对象.解释性.通用性和开源性的脚本编程语言. ...

  9. go比python的优缺点

    go比python的优缺点 部署简单.go编译生成的是一个静态可执行文件,除了glibc外没有其他外部的依赖.这让部署变得异常方便:目标机器只需要一个基础的系统和必要的管理,监控工具,完全不需要操心应 ...

最新文章

  1. 【Python基础】13个知识点,系统整理Python时间处理模块Datetime
  2. 复现经典:《统计学习方法》第18章 概率潜在语义分析
  3. linux快捷命令补齐,Linux Shell简介——自动补齐/命令行的历史记录/编辑命令行/可用的 Shell 快捷方式.doc...
  4. 阿里巴巴对Java编程【控制语句】的规约
  5. XVI Open Cup named after E.V. Pankratiev. GP of Eurasia
  6. memcached简单的使用教程
  7. ETL的增量抽取机制
  8. c++ stl string char* 向 string 转换的问题
  9. Mac 16进制编辑器Hex Friend
  10. Spring Boot 日志
  11. Kafka从上手到实践 - 庖丁解牛:Consumer | 凌云时刻
  12. idea mac xml注释快捷键
  13. CSR8811蓝牙音频发射一拖二解决方案
  14. C# 读取Word中的脚注和尾注内容
  15. linux下Intel无线网卡驱动安装
  16. 《工程伦理与学术道德》第一章习题
  17. centos7 安装obs studio
  18. 怎么对文件夹进行随机重命名?怎么批量给多个文件夹生成随机名称?
  19. dalle2:hierarchical text-conditional image generation with clip
  20. VIM编辑器不能wq退出

热门文章

  1. mac 配置maven相关
  2. 转载 SharedPreference.Editor的apply和commit方法异同
  3. 3.1.7 封装的应用
  4. 17.抢购(秒杀)业务的技术要点
  5. 字符串操作:索引位置、去空格、替换字符串
  6. nefu 118 n!后面有多少个0 算数基本定理,素数分解
  7. 基于Selenium2+Java的UI自动化(6)-操作Alert、confirm、prompt弹出框
  8. 【代码笔记】iOS-获得设备型号
  9. Exception in thread main java.lang.ClassNotFoundException: com.mysql.jdbc.Driver
  10. 创业者必看:创业得出的10条血泪经验