Python基础

Python基础

  • 本科阶段系统学过C、C++，自学过Go，但是Java和Python都没有系统的学过或是自学过。
  • 深度学习对Python编程的要求比较大，所以还是得系统的过一遍Python的基础语法和相关用法，并将一些容易遗忘的知识点或者是比较好的阅读内容Ping在这篇博客中，用于记录和温习。
  • 遇到不懂的内容随时记录。

学习内容

  • 基础的语法和数据结构-菜鸟教程链接：🔗
  • python进阶内容：🔗

Python 是一种解释型语言

  • C++代码需要一个编译的过程，全部编译为机器码后执行；
  • Python具有即时的解释运行的能力，解释一行运行一行
  • 跨平台兼容特性：只需要相应的Python解释器；
  • 性能较低，低于编译型语言；

Python 中如何调用 C++ 代码

  • 将c++代码编译为共享库（so文件），然后通过ctypes加载并调用
截屏2024-10-07 23.21.17

  • 使用Cython：

    Cython是一种编程语言，是python的超集，同时融合了C++的静态类型特性；

    阅读：https://www.cnblogs.com/traditional/p/13196509.html

    Cython 是一个用于将 Python 和 C/C++ 代码无缝集成的工具。你可以通过 Cython 编写 Python 和 C++ 混合代码，或者直接调用现有的 C++ 函数库。

    步骤：

    1. 用 Cython 编写接口代码，使 Python 可以调用 C++ 函数。
    2. 使用 Cython 编译并生成 Python 可调用的扩展模块。

什么是CPython、JPython

  • CPython是Python的解释器的一种实现，而Cython是一种编程语言（融合了Python以及C++的特性）；
  • 标准解释器 CPython 是由 C 语言实现的，除了 CPython 之外还有 Jython（java实现的 Python 解释器）、PyPy（Python 语言实现的 Python 解释器）

Python 是一种动态类型语言(指在运行期间才去做数据类型检查的语言)，这意味着变量的类型是在运行时确定的

  • 在 Python 中，变量并不是存储实际的值，而是存储对象的引用。可以理解为，Python 中的变量是指向对象的指针，指向的对象包含了实际的数据和值。
1
2
x = 42   # x 是指向整数对象 42 的引用
x = "hello"  # 现在 x 指向的是字符串对象 "hello"

Python的垃圾回收机制

  • 主要依赖于 引用计数 和 垃圾回收器（GC）

引用计数是 Python 管理内存的基本机制。当一个对象被创建时，Python 会给这个对象分配内存，并为该对象的引用计数设置为 1。每当有一个新的引用指向该对象时，引用计数增加；当一个引用不再指向该对象时，引用计数减少。

引用计数的工作方式：

  • 增加引用计数：当一个新变量引用该对象时。

    1
    2
    a = [1, 2, 3]  # 列表对象的引用计数为 1
    b = a          # 列表对象的引用计数增加到 2

  • 减少引用计数：当一个引用不再指向该对象时（如使用 del 删除变量，或者变量指向了其他对象）。

    1
    2
    del a          # 列表对象的引用计数减少到 1
    b = None       # 列表对象的引用计数减少到 0，触发垃圾回收

  • 对象销毁：当对象的引用计数降为 0 时，Python 立即释放该对象占用的内存。

  • 具体来说，有如下的引用计数的方法：

    截屏2024-10-07 23.46.37
引用计数的优势：
  • 简单高效，当引用计数为 0 时，Python 可以立即释放内存。
  • 实时性强，内存回收可以即时发生。
引用计数的局限：

  • 循环引用问题：如果对象之间相互引用，则即使没有其他变量引用这些对象，它们的引用计数也永远不会归零，导致无法被销毁。这种情况下，单靠引用计数是无法解决的。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    class Node:
        def __init__(self):
            self.other = None

    node1 = Node()
    node2 = Node()
    node1.other = node2
    node2.other = node1
    # node1 和 node2 之间形成了循环引用，它们的引用计数不会降为 0

为了解决引用计数无法处理循环引用的问题，Python 还引入了一个 垃圾回收器（GC），它专门处理循环引用。

Python 的垃圾回收器如何工作：

Python 的垃圾回收器采用的是 分代收集 算法，它将对象划分为三代：

  • 第一代（Generation 0）：新创建的对象。
  • 第二代（Generation 1）：经过一次垃圾回收未被销毁的对象。
  • 第三代（Generation 2）：经过多次垃圾回收仍未被销毁的对象。

垃圾回收器会定期对第一代对象进行检查。如果发现某些对象形成循环引用，且无法通过引用计数回收，它会标记这些对象并进行内存回收。通常，对象越老，越有可能继续存在，因此垃圾回收的频率对高代对象较低，对新生对象较高。

垃圾回收器的工作流程：

  • 标记-清除（Mark-and-Sweep）算法：垃圾回收器会遍历所有的对象，将可达的对象标记为 “活跃”。未被标记的对象则会被认为是垃圾，最终被销毁。
  • 分代回收：新创建的对象通常有较高的可能性很快就会被销毁，因此垃圾回收器主要针对新对象（第一代）进行回收，而较老的对象（第二代和第三代）被认为是长期存在的对象，回收频率较低。

Python的常用数据结构

  • 列表、元组、字典
  • 这些常见的操作直接看菜鸟教程，都写的比较详细了；

对比列表和元组

特性 元组（Tuple） 列表（List）
可变性 不可变 可变
语法 圆括号 () 方括号 []
用途 固定数据集合 动态数据集合
性能 访问速度更快 访问速度稍慢
哈希性 可哈希（可作为字典键） 不可哈希
存储空间 占用空间更小 占用空间较大

  • 主要：

    1. 元组是不可变的：元组一旦创建，不能修改其中的元素。也就是说，不能对元组中的元素进行增、删、改操作。

      列表是可变的：列表中的元素可以随时修改，支持增、删、改操作。

    2. 元组的不可变性使它更安全：如果一个对象不希望在程序的其他地方被修改，可以使用元组，提供了更多的安全性。

    3. 元组是可哈希的，因此可以作为字典的键或集合中的元素（前提是元组中的所有元素也是可哈希的）。

      列表不可哈希，因此不能作为字典的键或集合中的元素。