Python高级知识点学习（五）
dict的子类
首先，不建议自己编写代码继承dict和list这种原生使用c语言编写的，因为有时候，用c语言写的dict不会调用python写的覆盖的方法。
如果确实有继承dict来写代码的需求，可以使用UserDict，继承这个UserDict。
UserDict这个内部使用了python语言实现了c语言写的逻辑。
from collections import UserDict
class Mydict(UserDict):
def __setitem__(self, key, value):
super().__setitem__(key, value*2)
my_dict = Mydict(one=1)
print (my_dict)
打印结果：
{'one': 2}
set和fronzenset
set集合：
- 无序
- 不重复
- set 接受一个可迭代对象
frozenset集合：
- 一旦设置好就无法修改。
- frozenset为不可变类型。
- 相对于可变类型来说的好处，可以作为dict的key。
set的初始化方法：
set([a, b, c])
a = {a, b, c}
两种都可以初始化
dict、set实现原理
当我们了解了背后的实现原理，就可以判断什么情况下使用dict以及为什么要使用dict。
dict查找的性能远远大于list。
在list中随着list数据的增大 查找时间会增大。
在dict中查找元素不会随着dict的增大而增大。
dict原理实际上就是利用hash算法。
数组和链表相比来说最大的优势，就是它可以做到任何一个位置直接存取而不需要从头到尾遍历，因为数组是一段连续的空间，数组取数据的时间复杂度是O(1)。
dict的key或者set的值，都必须是可以hash的。不可变对象都是可hash的， str， fronzenset， tuple。
自己实现的类重载__hash__这个魔法函数，让它可以变为可哈希对象。
dict的内存花销大，但是查询速度快， 自定义的对象或者python内部的对象都是用dict包装的。
dict的存储顺序和元素添加顺序有关，添加数据有可能改变已有数据的顺序。
Python中的变量是什么
python和java中的变量本质不一样，python的变量实质上是一个指针。我们可以理解变量就是一个便利贴，
例如:a = 1
先成对象，然后贴便利贴，把a贴在1上面。
a = [1, 2, 3]
b = a
print(id(a), id(b))
打印结果：
a和b的地址值一样。
is 和 == 的区别
is是判断对象的id是否相同，但是注意看下边例子：
a = [1, 2, 3, 4]
b = [1, 2, 3, 4]
print (id(a), id(b))
print (a is b)
输出结果：
4446597320 4446597640
False
上边这种用法得到的结果很正常，再看下边代码：
a = 1
b = 1
print (id(a), id(b))
print (a is b)
运行结果：
4325627840 4325627840
True
这种情况下，a和b指向的是同一个。这是由于Python内部机制决定的，将小正数建立一个全局唯一的对象，小段字符串也是一样的。
a = [1, 2, 3]
b = [1, 2, 3]
print(a==b) 返回True
因为：
list里边实现了一个魔法函数 __eq__,当我们调用a==b这种模式的时候，会调用__eq__这个魔法函数，从而来判断值是否相等。
它们的值是相等的，只是不是同一个对象而已，所有a==b是True。
垃圾回收和del语句
cpython中垃圾回收的算法是采用 引用计数
a = 1
b = a
此时，1这个对象上就又有一个计数器，a = 1 时会在计数器上加1，b如果指向的还是1，1上边的计数器会再加1，当不使用时，执行del a,他就会将引用计数器减1，当引用计数器减到0时，python解释器会将对象回收。
对象只有在计数器减到0时，才会被回收，del只是减计数器的功能。
a = object()
b = a
del a
print(b)
print(a)
打印结果：
<object object at 0x104a86100>
NameError: name 'a' is not defined
可以看到，执行del后，只是把a销毁了，b还在。
__del__魔法函数：
可以在__del__魔法函数中实现自己的逻辑，当python解释器回收对象的时候，会调用对象的__del__魔法函数，它可以帮我们在回收对象时做一些事。
@property的用法
我们在读源码时，往往会看到这这种方法：
@property
def hello(self):
pass
@property 这个装饰器会把函数变为属性描述符，怎么说？
看代码：
class Allen(object):
def word(self):
return 'word'
@property
def hello(self):
return 'hello'
a = Allen()
print(a.hello)
print(a.word())
运行结果：
hello
word
可以发现，@property这个装饰器把取方法的模式变为取属性。
魔法函数__getattr__、__getattribute__介绍
魔法函数是python解释器内部需要用的方法，它是整个python动态特性的最根本原因。
__getattr__：就是在查找不到属性的时候调用。
例1：
class User:
def __init__(self, info):
self.info = info
def __getattr__(self, item):
return '2'
if __name__ == "__main__":
user = User('allen')
print(user.info)
print(user.age)
运行结果：
allen
2
例2：
class User:
def __init__(self, info={}):
self.info = info
def __getattr__(self, item):
return self.info[item]
if __name__ == "__main__":
user = User(info={"name": "allen", "age": "3"})
print(user.name)
打印结果：
allen
__getattribute__ : 比__getattr__更高级，只要查找属性，就会首先进入__getattribute__这个魔法函数,强制进入，无条件的。
__getattribute__这个魔法函数尽量不要去重写，因为如果一旦写不好，整个类的属性访问就会崩溃掉，一般写框架时会用到这个魔法函数。
class User:
def __init__(self,info={}):
self.info = info
def __getattr__(self, item):
return self.info[item]
def __getattribute__(self, item):
return "10"
if __name__ == "__main__":
user = User(info={"name":"allen"})
print(user.name)
print(user.test)
打印结果：
10
10
属性描述符和属性查找过程
一个类只需要实现__get__、__set__、__delete__这三个中的任意一个方法，它就算是属性描述符。
通过属性描述符，可以控制在赋值的时候它的行为，在属性设置的时候参数检查。
属性描述符有两种：
- 数据属性描述符：实现
__get__和__set__就是数据属性描述符。 - 非数据属性描述符：只实现一个
__get__方法就是非数据属性描述符。
数据属性描述符 和 非数据属性描述符 它们的属性查找过程是不一样的。
前边提到的属性查找过程，先查找实例中的属性，然后查找类中的属性，实际上它有更加详细的查找过程。
魔法函数__new__ 和 __init__ 区别
__new__ 魔法函数在python新式类才会有 python2.2之前没有这个。
class User:
def __new__(cls, *args, **kwargs):
print(" in new ")
return super().__new__(cls)
def __init__(self):
print(" in init")
pass
if __name__ == "__main__":
user = User()
打印结果：
in new
in init
__new__魔法函数允许在生成对象之前加逻辑，自定义对象生成过程，传递进来的是类。
__init__方法传递进去的是对象。
__new__ 在 __init__ 之前调用。
__new__中必须return super().__new__(cls)才会调用__init__方法。
def __new__(cls, *args, **kwargs):这个中的*args，和**kwargs，代表的是传入的参数。
