python进阶：python高级编程技巧(中)

2023-11-04

1、通过实例方法名字的字符串调用方法

①getattr(object, name, default=None)：得到一个对象中的name方法，如果没有则返回默认值
②map(func, *iterables) ：第一个传递函数名称，第二个传递一个可迭代的对象，返回一个map object，转成list得以显现
③练习的例子

'''
都有一个获取图形面积的方法,但是方法名字不同,
设计一个统一的获取面积的函数,使用每种方法名进行尝试,调用相应类的接口
'''
class Rectangle:
    def __init__(self,a,b):
        self.a,self.b = a,b
    
    def getArea(self):
        return self.a * self.b
        
class Circle:
    def __init__(self,r):
        self.r = r
    
    def area(self):
        return self.r ** 2 * 3.14159

应用①②的知识可以设计出来，结果为

def get_area(shape):
    func_list = ['getArea', 'area']
    for name in func_list:
        f = getattr(shape, name, None)
        if f:
            return f()
        raise ImportError

if __name__ == '__main__':
    shape1 = Rectangle(1, 2)
    shape2 = Circle(6)
    list1 = [shape1, shape2]
    print(list(map(get_area, list1)))

2、可变与不可变的深入了解

①可变数据类型为列表(list)、字典(dict)、集合(set)
②不可变的数据类型为数字、字符串、元组
③每一个对象都是由id(内存的存储地址)、value(保存的真实数据)、type(类型)组成
④经典的参数错误，问题如图
在这里插入图片描述

解释：因为列表是可变数据类型，改变的是它的value，它的id不变，也就是储存的地址没变，而元组是不可变的数据类型，相当于重新生成了一个a

3、python内存管理

3.1前言

在 C / C++ 中，我们需要手动的进行内存管理，比如 C 语言中通过 malloc(分配内存) 和 free 函数来申请给定字节数的内存以及释放对应的内存。但在 Python 中，无须手动进行内存的申请和释放，Python 在内部完成了大量涉及到内存管理的操作，包括内存分配及垃圾回收。

3.2内存池

在 Python 中，有很多常用的数据结构，包括列表、字典等。针对这些常用对象的一系列操作，会在 Python 中造成内存的频繁分配和释放，因此 Python 在内部引入了内存池机制，实现了小块内存的管理器（称为 PyMalloc ）用于提高处理小块内存的效率，这样避免了在底层频繁的 malloc 和 free 操作对效率带来的影响。

3.3缓冲池机制

在内存池机制的基础之上，Python 为了提高常用对象的创建和释放效率，又进一步对整数、字符串等对象建立了对象缓冲池。比如对于 [-5, 256] 内的小整数，Python 已经在内部创建好了对应的小整数对象的缓冲池。

4、垃圾回收机制

4.1介绍

Python 程序在运行的时候，需要在内存中开辟出一块空间，用于存放运行时产生的临时变量，计算完成后，再将结果输出到永久性存储器中。如果数据量过大，内存空间管理不善就很容易出现 OOM（out of memory），俗称爆内存，程序可能被操作系统中止。为了解决oom及时回收不用的变量，当这个对象的引用计数（指针数）为 0 的时候，则对象永不可达，自然它也就成为了垃圾，需要被回收。

4.2测试

①os模块操作系统模块，自带的模块不需要安装
②psutil与系统交互的库，能够轻松实现获取系统运行的进程和系统利用率（包括CPU、内存、磁盘、网络等）信息。它主要用来做系统监控，性能分析，进程管理。需要安装pip install psutil

import os
import psutil

def show_info(start):
    pid = os.getpid()     # 创建一个进程
    p = psutil.Process(pid)
    info = p.memory_full_info()
    memory = info.uss/1024./1024
    print(f"{start}一共占用{memory:.2f}MB")


def func():
    show_info("initial")
    a = [i for i in range(1000000)]   
    show_info("created")


func()
show_info("finished")

在这里插入图片描述
③当a是局部变量时，在返回到函数调用处时，局部变量的引用会注销。这时，列表a所指代对象的引用数为0，Python便会执行垃圾回收,因此之前占用的内存被收回了。
④当a是全局变量的时，即使函数体内代码执行完毕，返回到函数调用处时，对列表a的引用仍然是存在的，所以对象不会被垃圾回收，依然占有大量内存。

4.3引用计数sys.getrefcount()

import sys
a = [1,2,3]
print(sys.getrefcount(a))

结果是2，因为它本身也算做一次引用，垃圾回收的充分非必要条件就是当对象的引用计数为0的时候

4.4循环引用

import gc
def show_info(start):
    pid = os.getpid()
    p = psutil.Process(pid)
    info = p.memory_full_info()
    memory = info.uss/1024./1024
    print(f"{start}一共占用{memory:.2f}MB")


def func():
    show_info("initial")
    a = [i for i in range(100000)]
    b = [i for i in range(100000)]
    show_info("after a,b created")
    a.append(b) # 相互引用
    b.append(a) # 相互引用

func()
gc.collect()
show_info("finished")

当双向引用的时候，即使函数结束后并不需要它，可它的引用计数还在，但我们可以手动拉起回收，进行释放内存。通过gc.clloect()对所有内存数据进行回收
在这里插入图片描述

5、用 cProfile 进行性能分析

cProfile.run(‘想要测试的模块’)

import cProfile


def fib(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fib(n-1) + fib(n-2)

def fib_seq(n):
    res = []
    if n > 0:
        res.extend(fib_seq(n-1))
    res.append(fib(n))
    return res

cProfile.run('fib_seq(30)')

在这里插入图片描述
①ncalls：函数被调用的次数。如果这一列有两个值，就表示有递归调用，第二个值是原生调用次数，第一个值是总调用次数。
②tottime：函数内部消耗的总时间。（可以帮助优化）
③percall：是tottime除以ncalls，一个函数每次调用平均消耗时间。
④cumtime：之前所有子函数消费时间的累计和。
⑥filename:lineno(function)：被分析函数所在文件名、行号、函数名。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

Python基础学习