Python陷阱有哪些
小编给大家分享一下Python陷阱有哪些,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!
创新互联是一家集网站建设,随州企业网站建设,随州品牌网站建设,网站定制,随州网站建设报价,网络营销,网络优化,随州网站推广为一体的创新建站企业,帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿,时刻以成就客户成长自我,坚持不断学习、思考、沉淀、净化自己,让我们为更多的企业打造出实用型网站。
我个人对陷阱的定义是这样的:代码看起来可以工作,但不是以你“想当然”的方式。如果一段代码直接出错,抛出了异常,我不认为这是陷阱。比如,Python程序员应该都遇到过的“UnboundLocalError”, 示例:
>>> a=1 >>> def func(): ... a+=1 ... print a ... >>> func() traceback (most recent call last): File "", line 1, in File " ", line 2, in func UnboundLocalError: local variable 'a' referenced before assignment
对于“UnboundLocalError”,还有更高级的版本:
import random def func(ok): if ok: a = random.random() else: import random a = random.randint(1, 10) return a func(True)# UnboundLocalError: local variable 'random' referenced before assignment
可能对于很多python新手来说,这个Error让人摸不着头脑。但我认为这不算陷阱,因为这段代码一定会报错,而不是默默的以错误的方式运行。不怕真小人,就怕伪君子。我认为缺陷就好比伪君子。
那么Python中哪些真正算得上陷阱呢
第一:以mutable对象作为默认参数
这个估计是最广为人知的了,Python和其他很多语言一样,提供了默认参数,默认参数确实是个好东西,可以让函数调用者忽略一些细节(比如GUI编程,Tkinter,QT),对于lambda表达式也非常有用。但是如果使用了可变对象作为默认参数,那么事情就不那么愉快了
>>> def f(lst = []): ... lst.append(1) ... return lst ... >>> f() [1] >>> f() [1, 1]
惊喜不惊喜?!究其原因,python中一切都是对象,函数也不列外,默认参数只是函数的一个属性。而默认参数在函数定义的时候已经求值了。
Default parameter values are evaluated when the function definition is executed.
stackoverflow上有一个更适当的例子来说明默认参数是在定义的时候求值,而不是调用的时候。
>>> import time >>> def report(when=time.time()): ... return when ... >>> report() 1500113234.487932 >>> report() 1500113234.487932
python docoment 给出了标准的解决办法:
A way around this is to use None as the default, and explicitly test for it in the body of the function
>>> def report(when=None): ... if when is None: ... when = time.time() ... return when ... >>> report() 1500113446.746997 >>> report() 1500113448.552873
第二: x += y vs x = x + y
一般来说,二者是等价的,至少看起来是等价的(这也是陷阱的定义 — 看起来都OK,但不一定正确)。
>>> x=1;x += 1;print x 2 >>> x=1;xx = x+1;print x 2 >>> x=[1];x+=[2];print x [1, 2] >>> x=[1];xx=x+[2];print x [1, 2]
呃,被光速打脸了?
>>> x=[1];print id(x);xx=x+[2];print id(x) 4357132800 4357132728 >>> x=[1];print id(x);x+=[2];print id(x) 4357132800 4357132800
前者x指向一个新的对象,后者x在原来的对象是修改,当然,那种效果是正确的取决于应用场景。至少,得知道,二者有时候并不一样
第三,神奇的小括号—()
小括号(parenthese)在各种编程语言中都有广泛的应用,python中,小括号还能表示元组(tuple)这一数据类型, 元组是immutable的序列。
>>> a = (1, 2) >>> type(a)>>> type(())
但如果只有一个元素呢
>>> a=(1) >>> type(a)
神奇不神奇,如果要表示只有一个元素的元组,正确的姿势是:
>>> a=(1,) >>> type(a)
第四:生成一个元素是列表的列表
这个有点像二维数组,当然生成一个元素是字典的列表也是可以的,更通俗的说,生成一个元素是可变对象的序列
很简单嘛:
>>> a= [[]] * 10 >>> a [[], [], [], [], [], [], [], [], [], []] >>> a[0].append(10) >>> a[0] [10]
看起来很不错,简单明了,but
>>> a[1] [10] >>> a [[10], [10], [10], [10], [10], [10], [10], [10], [10], [10]]
我猜,这应该不是你预期的结果吧,究其原因,还是因为python中list是可变对象,上述的写法大家都指向的同一个可变对象,正确的姿势
>>> a = [[] for _ in xrange(10)] >>> a[0].append(10) >>> a [[10], [], [], [], [], [], [], [], [], []]
另外一个在实际编码中遇到的问题,dict.fromkeys, 也有异曲同工之妙:创建的dict的所有values指向同一个对象。
fromkeys(seq[, value])
Create a new dictionary with keys from seq and values set to value.
第五,在访问列表的时候,修改列表
列表(list)在python中使用非常广泛,当然经常会在访问列表的时候增加或者删除一些元素。比如,下面这个函数,试图删掉列表中为3的倍数的元素:
>>> def modify_lst(lst): ... for idx, elem in enumerate(lst): ... if elem % 3 == 0: ... del lst[idx] ...
测试一下,
>>> lst = [1,2,3,4,5,6] >>> modify_lst(lst) >>> lst [1, 2, 4, 5]
好像没什么错,不过这只是运气好
>>> lst = [1,2,3,6,5,4] >>> modify_lst(lst) >>> lst [1, 2, 6, 5, 4]
上面的例子中,6这个元素就没有被删除。如果在modify_lst函数中print idx, item就可以发现端倪:lst在变短,但idx是递增的,所以在上面出错的例子中,当3被删除之后,6变成了lst的第2个元素(从0开始)。在C++中,如果遍历容器的时候用迭代器删除元素,也会有同样的问题。
如果逻辑比较简单,使用list comprehension是不错的注意
第六,闭包与lambda
这个也是老生长谈的例子,在其他语言也有类似的情况。先看一个例子:
>>> def create_multipliers(): ... return [lambda x:i*x for i in range(5)] ... >>> for multiplier in create_multipliers(): ... print multiplier(2) ...
create_multipliers函数的返回值时一个列表,列表的每一个元素都是一个函数 -- 将输入参数x乘以一个倍数i的函数。预期的结果时0,2,4,6,8. 但结果是5个8,意外不意外。
由于出现这个陷阱的时候经常使用了lambda,所以可能会认为是lambda的问题,但lambda表示不愿意背这个锅。问题的本质在与python中的属性查找规则,LEGB(local,enclousing,global,bulitin),在上面的例子中,i就是在闭包作用域(enclousing),而Python的闭包是 迟绑定 , 这意味着闭包中用到的变量的值,是在内部函数被调用时查询得到的。
解决办法也很简单,那就是变闭包作用域为局部作用域。
>>> def create_multipliers(): ... return [lambda x, ii = i:i*x for i in range(5)] ...
第七,定义del
大多数计算机专业的同学可能都是先学的C、C++,构造、析构函数的概念应该都非常熟。于是,当切换到python的时候,自然也想知道有没有相应的函数。比如,在C++中非常有名的RAII,即通过构造、析构来管理资源(如内存、文件描述符)的声明周期。那在python中要达到同样的效果怎么做呢,即需要找到一个对象在销毁的时候一定会调用的函数,于是发现了init, del函数,可能简单写了两个例子发现确实也能工作。但事实上可能掉进了一个陷阱,在python documnet是有描述的:
Circular references which are garbage are detected when the option cycle detector is enabled (it’s on by default), but can only be cleaned up if there are no Python-level del() methods involved.
简单来说,如果在循环引用中的对象定义了del,那么python gc不能进行回收,因此,存在内存泄漏的风险
第八,不同的姿势import同一个module
示例在stackoverflow的例子上稍作修改,假设现在有一个package叫mypackage,里面包含三个python文件:mymodule.py, main.py,init.py。mymodule.py代码如下:
l = [] class A(object): pass
main.py代码如下:
def add(x): from mypackage import mymodule mymodule.l.append(x) print "updated list",mymodule.l, id(mymodule) def get(): import mymodule print 'module in get', id(mymodule) return mymodule.l if __name__ == '__main__': import sys sys.path.append('../') add(1) ret = get() print "lets check", ret 运行python main.py,结果如下: updated list [1] 4406700752 module in get 4406700920 lets check []
从运行结果可以看到,在add 和 get函数中import的mymodule不是同一个module,ID不同。当然,在python2.7.10中,需要main.py的第13行才能出现这样的效果。你可能会问,谁会写出第13行这样的代码呢?事实上,在很多项目中,为了import的时候方便,会往sys.path加入一堆路径。那么在项目中,大家同意一种import方式就非常有必要了
第九,python升级
python3.x并不向后兼容,所以如果从2.x升级到3.x的时候得小心了,下面列举两点:
在python2.7中,range的返回值是一个列表;而在python3.x中,返回的是一个range对象。
map()、filter()、 dict.items()在python2.7返回列表,而在3.x中返回迭代器。当然迭代器大多数都是比较好的选择,更加pythonic,但是也有缺点,就是只能遍历一次。在instagram的分享中,也提到因为这个导致的一个坑爹的bug。
第十:++i —i
这个陷阱主要是坑来自C、C++背景的同学。简单来说,++i是对i取两次正号,—i是对i取两次负号,运算完之后i的值不变。
第十一:setattr getattr getattribute
Python中有大量的magic method(形似xx),其中许多跟属性访问有关,比如get,set,delete_,getattr, setattr, delattr, getattribute。前三个跟descriptor相关,坑爹的是,getattr与setattr相差很大。简单说来,setattr与getattribute是对应的,都是修改python默认的属性修改、查找机制,而getattr只是默认查找机制无法找到属性的时候才会调用,setattr应该叫setattribute__才恰当!
第负一,gil
以GIL结尾,因为gil是Python中大家公认的缺陷!
其他语言过来的同学可能看到python用threading模块,拿过来就用,结果发现效果不对啊,然后就会喷,什么鬼
以上是“Python陷阱有哪些”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注创新互联行业资讯频道!
名称栏目:Python陷阱有哪些
URL链接:http://myzitong.com/article/jsgspc.html