__weakref__与弱引用有关。我了解弱引用背后的整个想法以及我可以在哪里使用它们。我唯一不明白的事情如下所述:
实例本身没有属性__weakref__,与类不同,因此实例继承 __weakref__自类,这意味着A.__weakref__应该与以下内容相同 A().__weakref__:
>>> class A: pass
...
>>> A().__dict__ # Each instance starts out as an empty namespace
{}
>>> A.__weakref__ is None;
False
>>> A().__weakref__ is None #But this is True!
True
Run Code Online (Sandbox Code Playgroud)
为什么whileA.__weakref__不是while实例继承自类?Noneinstance.__weakref__None__weakref__
如果我有一个清单:
list_1 = ["apples", "apricots", "oranges"]
Run Code Online (Sandbox Code Playgroud)
我将一个新项目添加到列表中:“浆果”
list_1 = ["apples", "apricots", "oranges", "berries"]
Run Code Online (Sandbox Code Playgroud)
在幕后(可以这么说),我想我记得读过Python创建了另一个列表(list_2)并将其指向原始列表(list_1),以便list_1保持静态......如果这是真的,它看起来会吗?像这样的东西(在引擎盖下)?
list_1 = ["apples", "apricots", ["oranges", "berries"]]
Run Code Online (Sandbox Code Playgroud)
所以这样一来,原来的列表就保持了原来的大小。这是正确的看待方式吗?
如在LOAD_FAST. LOAD_CONST是显而易见的。或者也许快速只是代表“快速”并且是加载局部变量的快速方法?
python 中的软限制和硬限制之间的实际区别是什么resource?
例如,执行以下操作有什么区别:
import resource
soft_limit,hard_limit=resource.getrlimit(resource.RLIMIT_DATA)
# set soft limit
resource.setrlimit(resource.RLIMIT_DATA, (1024,hard_limit))
# set soft and hard limit
resource.setrlimit(resource.RLIMIT_DATA, (1024,1024))
Run Code Online (Sandbox Code Playgroud)
最后,是的,我已经阅读了软限制和硬限制的文档,但仍然不明白实际的区别是什么:
可以使用下面描述的 setrlimit() 函数来限制资源使用。每个资源都由一对限制控制:软限制和硬限制。软限制是当前限制,并且可以随着时间的推移由进程降低或提高。软限制永远不能超过硬限制。硬限制可以降低到大于软限制的任何值,但不能提高。(只有具有超级用户有效 UID 的进程才能提高硬限制。)
玩弄isinstance,我想知道它如何用于子类检查。
class A:
pass
class B(A):
pass
class C(B):
pass
print(isinstance(C(), C)) # True, I understand this fine
print(isinstance(C(), B)) # True, Ok, but how is this `True`?
print(isinstance(C(), A)) # True, this too?
Run Code Online (Sandbox Code Playgroud)
type() 和 isinstance() 有什么区别?解释这isinstance确实适用于我的第二个和第三个print语句中所见的子类。我的问题不是那个,但是,它是如何工作的?当 classA被定义时,它没有关于 classB或 class存在的信息C,同样B没有关于C.
根据isinstance 如何为 List 工作? __instancecheck__被调用isinstance,所以如果我的课A是之前创建B和C如何做到这一点的Python知道,C()确实是子类的一个实例(B的子类A)或子类的子类A …
状态的 Python 文档asyncio.create_task:
\n\n重要提示:保存对此函数结果的引用,以避免任务在执行过程中消失。事件循环仅保留对任务的弱引用。未在其他地方引用的任务可能会随时被垃圾回收,甚至在它完成之前也是如此。对于可靠的 \xe2\x80\x9cfire-and-forget\xe2\x80\x9d 后台任务,请将它们收集在一个集合中:
\n
asyncio在创建的任务完成之前使用弱引用而不是强引用有什么好处?正如上面的警告所表明的那样,保留强引用肯定至少有一个好处——这意味着弱引用可能会带来抵消性的好处。请注意,对于强引用,asyncio完成后可以完全删除引用或切换到弱引用,具体取决于异步逻辑的要求。
文档警告中隐含的用例是:我们不想等待任务(特别是不使用任务的返回值),但我们确实希望给任务一个最终运行的机会。
\n请注意,asyncio.TaskGroup上下文确实保留了对其创建的任务的强引用。但是,它不适合上述用例,因为退出时,上下文会阻塞(它等待所有任务完成)。(此外,即使任务完成后,它也会保留对任务的强引用,因此如果上下文的生存时间比任务长得多,则会导致内存泄漏。)
(摘自另一个问题。)像这样逐个删除该集合的 200,000 个元素需要 30 秒(在线尝试!):
s = set(range(200000))
while s:
for x in s:
s.remove(x)
break
Run Code Online (Sandbox Code Playgroud)
为什么这么慢?删除集合元素应该很快。
我想为练习编写测试函数,以确保正确实现函数.
所以我想知道,有没有办法,给定一个函数"foo",来检查它是否是递归实现的?
如果它封装了一个递归函数并使用它,它也会计数.例如:
def foo(n):
def inner(n):
#more code
inner(n-1)
return inner(n)
Run Code Online (Sandbox Code Playgroud)
这也应该被认为是递归的.
请注意,我想使用外部测试功能来执行此检查.不改变函数的原始代码.
从自省的角度来看,列表值位于类对象中。如果列表对象是python中的类:
>>> a = ['one', 'two']
>>> type(a)
<class 'list'>
Run Code Online (Sandbox Code Playgroud)
所以它存储在类的某个地方,但是在哪里?
例如:如果我们用值定义一个类:
class Test:
def __init__(self):
self.test_name = "Do Not"
self.test_surname = "Know"
Run Code Online (Sandbox Code Playgroud)
找到实例值很容易:
>>> b = Test()
>>> print(a.__dict__)
{'test_surname': 'Know', 'test_name': 'Do not'}
Run Code Online (Sandbox Code Playgroud)
是否有类似的选项可以在列表类对象中达到这些值?
刚刚__length_hint__()从PEP 424(https://www.python.org/dev/peps/pep-0424/)遇到了这个非常棒的迭代器方法.哇!一种获取迭代器长度而不会耗尽迭代器的方法.
我的问题:
编辑: BTW,我看到__length__hint__()从当前位置到结束的计数.即部分消耗的迭代器将报告剩余长度.有趣.
python-internals ×10
python ×9
list ×2
arrays ×1
bytecode ×1
dictionary ×1
generator ×1
isinstance ×1
oop ×1
performance ×1
python-3.x ×1
recursion ×1
resources ×1
set ×1