Python拾遗(2)

包括Python中的常用数据类型。

int

在64位平台上，int类型是64位整数：

• 从堆上按需申请名为PyIntBlcok的缓存区域存储整数对象
• 使用固定数组缓存[-5， 257]之间的小数字，只需计算下标就能获得指针
• PyIntBlock内存不会返还给操作系统，直至进程结束

根据第三点，如果使用range创建巨大的数字列表，这就需要很大内存空间。但是换成xrange，每次迭代之后数字对象被回收，其占用内存空间出来并被复用，内存就不会暴涨。(仅指python2)。
当超出int限制时，会自动转换成为long。

float

在python2中，/默认返回整数，而python3中默认返回浮点数。如果需要准确控制运算精度，有效位数和round的结果，使用Decimal代替。(但是建议往Decimal传入字符串型的浮点数 – 为什么你需要少看垃圾博客以及如何在Python里精确地四舍五入

string

不太熟的方法

• splitlines(): 按行分割
• find(): 查找
• lstrip()/rstrip()/strip(): 剔除前后空格
• replace()：替换字符
• expandtabs()：将tab替换成空格
• ljust()/rjust()/center()/zfill()：填充
  

  字符编码

  在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，转换为UTF-8编码。
  py3：
  

py2：

因此代码中，最核心的部分应该使用Unicode字符类型，即py3中使用str，py2中使用unicode。这两种字符类型没有相关联的二进制编码(原生的8个比特值)，因此如果要将Unicode转换为二进制数据，应该使用encode方法。而反过来，如果要二进制编码转化为Unicode字符，必须使用decode方法。
py3中的写法：

py2中的写法：

需要注意的是两大陷阱：

• 在py2中，当一个str类型仅仅包含7个比特的ASCII码字符的时候，unicode和str实例看起来是一致的。因此可以采用：

  • +运算符合并str和unicode
  • 可以使用等价或者不等价运算符来比较str和unicode实例
  • 可以使用unicode来替换像%s这种字符串中的格式化占位符
    

• 在py3中，涉及到文件的处理操作，例如采用内置的open函数，会默认以utf8编码，而在py2中默认采用二进制的形式编码。举个例子，在py3的情况下，会报错：

画重点

• py3中，bytes是包含8个比特位的序列，str是包含unicode的字符串，它们不能同时出现在操作符>或者+中。
• py2中，str是包含8个比特位的序列，而unicode是包含unicode的字符串，二者可以同时出现在只包含7个比特的ASCII码的运算中。
• 使用工具函数来确保程序输入的数据是程序预期的类型，例如上面的to_str之类的函数。
• 总是使用wb和rb模式来处理文件。

string.ascii_letters/digits

使用string类的ascii_letters或者digits可以获得大小写字符，以及数字，避免自己写循环生成：

池化

使用intern()可以把运行期动态生成的字符串池化：

dict

• popitem()

• setdefault(key, default=None)

• fromkeys(it, [initial])

• update

可以采用key=value的形式：

也可以采用{key:value}的形式：

也可以使用tuple的形式：

对于大字典，调用keys()、values()、items()会同样构造巨大的列表，因此可以使用迭代器(iterkeys()、itervalues()、iteritems())减少内存开销。

视图

判断两个字典间的差异，除了使用Counter，也可以使用视图。

视图会和字典同步变更：大专栏  Python拾遗(2)r/>

collections.defaultdict

在实例化一个defaultdict的时候，需要给构造方法提供一个可调用对象或者无参数函数，这个可调用对象会在__getitem__(例如dd是个defaultdict，当dd[k]时会调用此方法)碰到找不到的键的时候被调用，让__getitem__返回某种默认值。如果在创建defaultdict的时候没有指定可调用对象，查询不存在的键会触发KeyError(这是由于__missing__方法的缘故)。
使用一个类型初始化，当访问键值不存在时，默认值为该类型实例。

也可以使用不带参数的可调用函数进行初始化，当键值没有指定的时候，可以采用该函数进行初始化

简化为：

OrderedDict

字典是哈希表，默认迭代是无序的，如果需要元素按照添加顺序输出结果，可以使用OrderedDict。

set

set方法的pop也是随机弹出的。集合和字典的主键都必须是可哈希类型对象。

如果需要将自定义类型放入集合中，需要保证hash和equal的结果都相同才行：

list

对于频繁增删元素的大型列表，应该考虑使用链表或者迭代器创建列表对象的方法(itertools)。某些时候，可以考虑用数组(array)代替列表，但是它只能放指定的数据类型：

向有序列表插入元素

Tuple

在对tuple进行比较的时候，Python会优先比较元组中下标为0的元素，然后依次递增。有个很神奇的例子：

namedtuple

需要两个参数，一个是类名，另一个是类的各个字段的名字。后者可以是由数个字符串组成的可迭代对象，或者是由空格分隔开的字段名组成的字符串。

• 将数据变为namedtuple类：

• 如果要进行更新，需要调用方法_replace：

• 将字典数据转换成namedtuple：