翻译：Chinese 中文|Vietnamese Tiếng Việt|Spanish Español|Add translation

其他模式：Interactive|CLI

Python是一种设计精美的高级和基于解释器的编程语言，它为程序员提供了许多舒适的特性。但有时，Python代码片段的结果乍一看可能并不明显

下面是一个有趣的项目，它试图解释Python中一些违反直觉的代码片段和鲜为人知的功能背后到底发生了什么

虽然您在下面看到的一些示例可能不是真正意义上的WTF，但它们将揭示您可能不知道的Python的一些有趣部分。我发现这是学习编程语言内部的一个很好的方法，我相信您也会发现它很有趣！

如果您是一名经验丰富的Python程序员，那么您可以将其视为一次尝试就能正确完成大部分操作的挑战。你以前可能已经经历过其中的一些，我也许能唤起你甜蜜的旧回忆！😅

PS：如果你是回头客，你可以了解到新的修改here(标有星号的例子为最新一次主要修订中增加的例子)

所以，我们开始吧

目录

• Structure of the Examples
  • ▶ Some fancy Title
• Usage
• 👀 Examples
  • Section: Strain your brain!
    • ▶ First things first! *
    • ▶ Strings can be tricky sometimes
    • ▶ Be careful with chained operations
    • ▶ How not to use is operator
    • ▶ Hash brownies
    • ▶ Deep down, we’re all the same.
    • ▶ Disorder within order *
    • ▶ Keep trying… *
    • ▶ For what?
    • ▶ Evaluation time discrepancy
    • ▶ is not ... is not is (not ...)
    • ▶ A tic-tac-toe where X wins in the first attempt!
    • ▶ Schrödinger’s variable
    • ▶ The chicken-egg problem *
    • ▶ Subclass relationships
    • ▶ Methods equality and identity
    • ▶ All-true-ation *
    • ▶ The surprising comma
    • ▶ Strings and the backslashes
    • ▶ not knot!
    • ▶ Half triple-quoted strings
    • ▶ What’s wrong with booleans?
    • ▶ Class attributes and instance attributes
    • ▶ yielding None
    • ▶ Yielding from… return! *
    • ▶ Nan-reflexivity *
    • ▶ Mutating the immutable!
    • ▶ The disappearing variable from outer scope
    • ▶ The mysterious key type conversion
    • ▶ Let’s see if you can guess this?
  • Section: Slippery Slopes
    • ▶ Modifying a dictionary while iterating over it
    • ▶ Stubborn del operation
    • ▶ The out of scope variable
    • ▶ Deleting a list item while iterating
    • ▶ Lossy zip of iterators *
    • ▶ Loop variables leaking out!
    • ▶ Beware of default mutable arguments!
    • ▶ Catching the Exceptions
    • ▶ Same operands, different story!
    • ▶ Name resolution ignoring class scope
    • ▶ Rounding like a banker *
    • ▶ Needles in a Haystack *
    • ▶ Splitsies *
    • ▶ Wild imports *
    • ▶ All sorted? *
    • ▶ Midnight time doesn’t exist?
  • Section: The Hidden treasures!
    • ▶ Okay Python, Can you make me fly?
    • ▶ goto, but why?
    • ▶ Brace yourself!
    • ▶ Let’s meet Friendly Language Uncle For Life
    • ▶ Even Python understands that love is complicated
    • ▶ Yes, it exists!
    • ▶ Ellipsis *
    • ▶ Inpinity
    • ▶ Let’s mangle
  • Section: Appearances are deceptive!
    • ▶ Skipping lines?
    • ▶ Teleportation
    • ▶ Well, something is fishy…
  • Section: Miscellaneous
    • ▶ += is faster
    • ▶ Let’s make a giant string!
    • ▶ Slowing down dict lookups *
    • ▶ Bloating instance dicts *
    • ▶ Minor Ones *
• Contributing
• Acknowledgements
• 🎓 License
  • Surprise your friends as well!
  • More content like this?

示例的结构

所有示例的结构如下：

▶一些花哨的标题

# Set up the code. # Preparation for the magic...

输出(Python版本)：

>>> triggering_statement Some unexpected output

(可选)：一行描述意外输出

💡说明：

• 简要说明正在发生的事情以及发生的原因

# Set up code # More examples for further clarification (if necessary)

输出(Python版本)：

>>> trigger # some example that makes it easy to unveil the magic # some justified output

注：所有示例都在Python 3.5.2交互式解释器上进行了测试，除非在输出之前明确指定，否则它们应该适用于所有Python版本

用法

在我看来，最大限度地利用这些例子的一个很好的方法是按时间顺序阅读它们，并针对每个例子：

• 仔细阅读设置示例的初始代码。如果您是一名经验丰富的Python程序员，您将在大多数情况下成功预测接下来会发生什么
• 阅读输出片段，
  • 检查输出是否与您预期的相同
  • 如果您知道输出背后的确切原因，请确保它是这样的
    • 如果答案是否定的(这完全没问题)，深呼吸，然后阅读解释(如果你仍然不明白，就大声喊出来！)然后制造一个问题here)
    • 如果是，轻轻拍一下你的背，你就可以跳到下一个例子了

PS：您也可以在命令行中使用pypi package，

$ pip install wtfpython -U
$ wtfpython

👀示例

部分：开动脑筋！

▶当务之急！*

由于某些原因，Python3.8的“Walrus”运算符(:=)已经变得相当流行了。我们去看看吧，

1个

# Python version 3.8+ >>> a = "wtf_walrus" >>> a 'wtf_walrus' >>> a := "wtf_walrus" File "<stdin>", line 1 a := "wtf_walrus" ^ SyntaxError: invalid syntax >>> (a := "wtf_walrus") # This works though 'wtf_walrus' >>> a 'wtf_walrus'

2个

# Python version 3.8+ >>> a = 6, 9 >>> a
(6, 9)

>>> (a := 6, 9)
(6, 9)
>>> a 6 >>> a, b = 6, 9 # Typical unpacking >>> a, b
(6, 9)
>>> (a, b = 16, 19) # Oops File "<stdin>", line 1
    (a, b = 16, 19)
          ^ SyntaxError: invalid syntax >>> (a, b := 16, 19) # This prints out a weird 3-tuple
(6, 16, 19)

>>> a # a is still unchanged? 6 >>> b 16

💡解释

海象操作员快速刷新器

海象操作员(:=)是在Python3.8中引入的，因此在需要为表达式中的变量赋值的情况下会很有用

def some_func():
        # Assume some expensive computation here # time.sleep(1000) return 5 # So instead of, if some_func():
        print(some_func()) # Which is bad practice since computation is happening twice # or a = some_func()
if a:
    print(a)

# Now you can concisely write if a := some_func():
        print(a)

输出(>3.8)：

5 5 5

这节省了一行代码，并且隐式地阻止了调用some_func两次

• 不带括号的“赋值表达式”(使用walrus运算符)在顶层受到限制，因此SyntaxError在a := "wtf_walrus"第一个代码段的语句。加上括号后，它按预期工作并分配给a
• 与往常一样，包含以下内容的表达式的括号=不允许使用操作员。因此，中的语法错误(a, b = 6, 9)
• Walrus运算符的语法为NAME:= expr，在哪里NAME是有效的标识符，并且expr是有效的表达式。因此，不支持迭代打包和解包，这意味着，
  • (a := 6, 9)相当于((a := 6), 9)最终(a, 9) (其中a的值为6‘)

    >>> (a := 6, 9) == ((a := 6), 9)
    True
    >>> x = (a := 696, 9)
    >>> x
    (696, 9)
    >>> x[0] is a # Both reference same memory location
    True

  • 同样，(a, b := 16, 19)相当于(a, (b := 16), 19)它只不过是一个3元组

▶字符串有时可能很棘手

1个

>>> a = "some_string" >>> id(a)
140420665652016 >>> id("some" + "_" + "string") # Notice that both the ids are same. 140420665652016

2个

>>> a = "wtf" >>> b = "wtf" >>> a is b True >>> a = "wtf!" >>> b = "wtf!" >>> a is b False

3个

>>> a, b = "wtf!", "wtf!" >>> a is b # All versions except 3.7.x True >>> a = "wtf!"; b = "wtf!" >>> a is b # This will print True or False depending on where you're invoking it (python shell / ipython / as a script) False

# This time in file some_file.py a = "wtf!" b = "wtf!" print(a is b)

# prints True when the module is invoked!

4.

输出(<Python3.7)

>>> 'a' * 20 is 'aaaaaaaaaaaaaaaaaaaa' True >>> 'a' * 21 is 'aaaaaaaaaaaaaaaaaaaaa' False

很有道理，对吧？

💡说明：

• 第一个和第二个代码段中的行为是由于CPython优化(称为字符串插入)，在某些情况下会尝试使用现有的不可变对象，而不是每次都创建新对象
• 在“内嵌”之后，许多变量可能会在内存中引用相同的字符串对象(从而节省内存)
• 在上面的代码片断中，字符串是隐式驻留的。何时隐式内嵌字符串的决定取决于实现。有一些规则可用于猜测字符串是否会被扣留：
  • 所有长度为0和长度1的字符串都会被插入
  • 字符串在编译时驻留('wtf'会被拘留，但是''.join(['w', 't', 'f'])不会被拘留)
  • 不包含由ASCII字母、数字或下划线组成的字符串。这就解释了为什么'wtf!'没有被拘留是因为!可以找到此规则的CPython实现here
    
• 什么时候a和b设置为"wtf!"在同一行中，Python解释器创建一个新对象，然后同时引用第二个变量。如果您在单独的行上执行，它不会“知道”已经有"wtf!"作为对象(因为"wtf!"根据上述事实，未被默示拘留)。它是编译时优化。此优化不适用于CPython的3.7.x版本(选中此选项issue有关更多讨论，请参见)
• 在像IPython这样的交互式环境中，编译单元由单个语句组成，而如果是模块，则由整个模块组成。a, b = "wtf!", "wtf!"是单个语句，而a = "wtf!"; b = "wtf!"是一行中的两个语句。这就解释了为什么a = "wtf!"; b = "wtf!"，并解释为什么它们在中调用时是相同的some_file.py
• 第四个代码段的输出突然更改是由于peephole optimization一种称为恒定折叠的技术。这意味着表达式'a'*20被替换为'aaaaaaaaaaaaaaaaaaaa'以在运行时节省几个时钟周期。常量折叠仅发生在长度小于21的字符串中。(为什么？想象一下……的大小.pyc作为表达式的结果生成的文件'a'*10**10)。Here’s相同的实现源
• 注意：在Python3.7中，常量折叠从窥视优化器移到了新的AST优化器，但在逻辑上也做了一些更改，因此第四个代码片段不适用于Python3.7。您可以阅读有关更改的更多信息here

▶注意链式操作

>>> (False == False) in [False] # makes sense False >>> False == (False in [False]) # makes sense False >>> False == False in [False] # now what? True >>> True is False == False False >>> False is False is False True >>> 1 > 0 < 1 True >>> (1 > 0) < 1 False >>> 1 > (0 < 1)
False

💡说明：

按规定https://docs.python.org/3/reference/expressions.html#membership-test-operations

形式上，如果a、b、c、…、y、z是表达式，并且op1、op2、…、opn是比较运算符，则a op1b、op2c。y opn z等同于a op1b和b op2c。y opn z，只是每个表达式最多求值一次

虽然在上面的示例中，这样的行为在您看来可能很愚蠢，但对于像这样的东西来说，它是非常棒的a == b == c和0 <= x <= 100

• False is False is False相当于(False is False) and (False is False)
• True is False == False相当于True is False and False == False由于声明的第一部分(True is False)的计算结果为False，则整个表达式的计算结果为False
• 1 > 0 < 1相当于1 > 0 and 0 < 1，它的计算结果为True
• 表达式(1 > 0) < 1相当于True < 1和

  >>> int(True)
  1
  >>> True + 1 #not relevant for this example, but just for fun
  2

  所以,1 < 1计算结果为False

▶如何不使用is操作员

下面是一个在互联网上流传的非常著名的例子。

1个

>>> a = 256 >>> b = 256 >>> a is b True >>> a = 257 >>> b = 257 >>> a is b False

2个

>>> a = []
>>> b = []
>>> a is b False >>> a = tuple()
>>> b = tuple()
>>> a is b True

3个输出

>>> a, b = 257, 257 >>> a is b True

输出(特别是Python 3.7.x)

>>> a, b = 257, 257 >> a is b False

💡说明：

两者之间的区别is和==

• is运算符检查两个操作数是否引用同一对象(即，它检查操作数的标识是否匹配)
• ==运算符比较两个操作数的值并检查它们是否相同
• 所以is是为了引用相等和==是为了价值平等。这是一个澄清问题的例子，

  >>> class A: pass
  >>> A() is A() # These are two empty objects at two different memory locations.
  False

256是现有对象，但257不是吗

当您启动python时，来自-5至256将会被分配。这些数字用得很多，所以只要准备好就行了

报价自https://docs.python.org/3/c-api/long.html

当前的实现为-5到256之间的所有整数保留了一个整数对象数组，当您在该范围内创建一个int时，您只会得到对现有对象的引用。所以应该可以更改1的值。我怀疑Python的行为(在本例中)是未定义的。：-)

>>> id(256)
10922528 >>> a = 256 >>> b = 256 >>> id(a)
10922528 >>> id(b)
10922528 >>> id(257)
140084850247312 >>> x = 257 >>> y = 257 >>> id(x)
140084850247440 >>> id(y)
140084850247344

在这里，解释器在执行时不够聪明y = 257要认识到我们已经创建了一个值的整数257,因此，它继续在内存中创建另一个对象

类似的优化也适用于其他不可变的对象也喜欢空元组。由于列表是可变的，这就是为什么[] is []会回来的False和() is ()会回来的True这解释了我们的第二个片段。让我们继续第三个问题，

两者都有a和b在同一行中使用相同的值初始化时引用相同的对象

输出

>>> a, b = 257, 257 >>> id(a)
140640774013296 >>> id(b)
140640774013296 >>> a = 257 >>> b = 257 >>> id(a)
140640774013392 >>> id(b)
140640774013488

• 当a和b设置为257在同一行中，Python解释器创建一个新对象，然后同时引用第二个变量。如果您在单独的行上执行，它不会“知道”已经有257作为一个对象
• 它是一种编译器优化，特别适用于交互式环境。当您在实时解释器中输入两行时，它们被单独编译，因此分别进行了优化。如果您要在.py文件时，您将不会看到相同的行为，因为该文件是一次性编译的。这种优化并不局限于整数，它也适用于其他不可变的数据类型，如字符串(请查看“字符串是棘手的示例”)和浮点数。

  >>> a, b = 257.0, 257.0
  >>> a is b
  True

• 为什么这不适用于Python3.7？抽象原因是因为这样的编译器优化是特定于实现的(即可能随版本、OS等而改变)。我还在找出是什么具体的实现更改导致了这个问题，您可以查看以下内容issue用于更新

▶哈希布朗尼

1个

some_dict = {}
some_dict[5.5] = "JavaScript" some_dict[5.0] = "Ruby" some_dict[5] = "Python"

输出：

>>> some_dict[5.5]
"JavaScript" >>> some_dict[5.0] # "Python" destroyed the existence of "Ruby"? "Python" >>> some_dict[5] 
"Python" >>> complex_five = 5 + 0j >>> type(complex_five)
complex >>> some_dict[complex_five]
"Python"

那么，为什么到处都是Python呢？

💡解释

• Python字典中键的唯一性由等价性，而不是身份。所以即使是这样5，5.0，以及5 + 0j是不同类型的不同对象，因为它们是相等的，所以它们不可能都在同一个dict(或set)。一旦您插入其中的任何一个，尝试查找任何不同但等价的键将使用原始映射值成功(而不是使用KeyError)：

  >>> 5 == 5.0 == 5 + 0j
  True
  >>> 5 is not 5.0 is not 5 + 0j
  True
  >>> some_dict = {}
  >>> some_dict[5.0] = "Ruby"
  >>> 5.0 in some_dict
  True
  >>> (5 in some_dict) and (5 + 0j in some_dict)
  True

• 这在设置项目时也适用。所以当你这么做的时候some_dict[5] = "Python"时，Python会查找具有等效键的现有项5.0 -> "Ruby"，在原地覆盖其值，而不使用原始键。

  >>> some_dict
  {5.0: 'Ruby'}
  >>> some_dict[5] = "Python"
  >>> some_dict
  {5.0: 'Python'}

• 那么我们如何更新密钥以5(而不是5.0)?我们实际上不能就地进行此更新，但我们可以做的是首先删除密钥(del some_dict[5.0])，然后设置它(some_dict[5])以获取整数5作为密钥，而不是浮动5.0，尽管在极少数情况下应该需要这样做
• Python是如何找到5在包含以下内容的词典中5.0？Python在固定时间内完成此操作，而不必使用散列函数扫描每一项。当Python查找密钥时foo在字典中，它首先计算hash(foo)(它以恒定时间运行)。因为在Python中要求比较相等的对象也具有相同的散列值(docs这里)，5，5.0，以及5 + 0j具有相同的哈希值

  >>> 5 == 5.0 == 5 + 0j
  True
  >>> hash(5) == hash(5.0) == hash(5 + 0j)
  True

  注：反之亦然：散列值相等的对象本身可能不相等。(这导致了所谓的hash collision，并且降低了散列通常提供的恒定时间性能。)

▶在内心深处，我们都是一样的

class WTF:
  pass

输出：

>>> WTF() == WTF() # two different instances can't be equal False >>> WTF() is WTF() # identities are also different False >>> hash(WTF()) == hash(WTF()) # hashes _should_ be different as well True >>> id(WTF()) == id(WTF())
True

💡说明：

• 什么时候id时，Python创建了一个WTF类对象，并将其传递给id功能。这个id函数将其id(其内存位置)，并丢弃该对象。该对象将被销毁
• 当我们连续两次执行此操作时，Python也会将相同的内存位置分配给第二个对象。自(在CPython中)id使用内存位置作为对象ID，两个对象的ID相同
• 因此，对象的id只在对象的生存期内是唯一的。在销毁对象之后，或在创建对象之前，其他对象可以具有相同的id
• 但是为什么is运算符的计算结果为False？让我们看看这个片段

  class WTF(object):
    def __init__(self): print("I")
    def __del__(self): print("D")

  输出：

  >>> WTF() is WTF()
  I
  I
  D
  D
  False
  >>> id(WTF()) == id(WTF())
  I
  D
  I
  D
  True

  正如你可能注意到的，这些物品被销毁的顺序是造成这里的所有不同之处的原因

▶秩序中的混乱*

from collections import OrderedDict dictionary = dict()
dictionary[1] = 'a'; dictionary[2] = 'b';

ordered_dict = OrderedDict()
ordered_dict[1] = 'a'; ordered_dict[2] = 'b';

another_ordered_dict = OrderedDict()
another_ordered_dict[2] = 'b'; another_ordered_dict[1] = 'a';

class DictWithHash(dict):
    """     A dict that also implements __hash__ magic.     """ __hash__ = lambda self: 0 class OrderedDictWithHash(OrderedDict):
    """     An OrderedDict that also implements __hash__ magic.     """ __hash__ = lambda self: 0

输出

>>> dictionary == ordered_dict # If a == b True >>> dictionary == another_ordered_dict # and b == c True >>> ordered_dict == another_ordered_dict # then why isn't c == a ?? False # We all know that a set consists of only unique elements, # let's try making a set of these dictionaries and see what happens... >>> len({dictionary, ordered_dict, another_ordered_dict})
Traceback (most recent call last):
  File "<stdin>", line 1, in <module> TypeError: unhashable type: 'dict' # Makes sense since dict don't have __hash__ implemented, let's use # our wrapper classes. >>> dictionary = DictWithHash()
>>> dictionary[1] = 'a'; dictionary[2] = 'b';
>>> ordered_dict = OrderedDictWithHash()
>>> ordered_dict[1] = 'a'; ordered_dict[2] = 'b';
>>> another_ordered_dict = OrderedDictWithHash()
>>> another_ordered_dict[2] = 'b'; another_ordered_dict[1] = 'a';
>>> len({dictionary, ordered_dict, another_ordered_dict})
1 >>> len({ordered_dict, another_ordered_dict, dictionary}) # changing the order 2

这里发生什么事情？

💡说明：

• 不及物性平等不成立的原因dictionary，ordered_dict和another_ordered_dict是因为这种方式__eq__方法是在OrderedDict班级。从docs
  

  OrderedDict对象之间的相等性测试是顺序敏感的，并且实现为list(od1.items())==list(od2.items())之间的相等性测试OrderedDict对象和其他映射对象与常规字典一样不区分顺序

• 这种行为平等的原因是它允许OrderedDict在使用常规字典的任何地方都要直接替换的对象
• 好的，那么为什么更改订单会影响生成的set反对吗？答案只有一个，那就是缺乏不及物平等。由于集合是唯一元素的“无序”集合，因此插入元素的顺序应该无关紧要。但在这种情况下，这确实很重要。让我们把它分解一下，

  >>> some_set = set()
  >>> some_set.add(dictionary) # these are the mapping objects from the snippets above
  >>> ordered_dict in some_set
  True
  >>> some_set.add(ordered_dict)
  >>> len(some_set)
  1
  >>> another_ordered_dict in some_set
  True
  >>> some_set.add(another_ordered_dict)
  >>> len(some_set)
  1
  
  >>> another_set = set()
  >>> another_set.add(ordered_dict)
  >>> another_ordered_dict in another_set
  False
  >>> another_set.add(another_ordered_dict)
  >>> len(another_set)
  2
  >>> dictionary in another_set
  True
  >>> another_set.add(another_ordered_dict)
  >>> len(another_set)
  2

  所以不一致是因为another_ordered_dict in another_set存在False因为ordered_dict已经出现在another_set正如之前观察到的，ordered_dict == another_ordered_dict是False

▶继续努力。*

def some_func():
    try:
        return 'from_try' finally:
        return 'from_finally' def another_func(): 
    for _ in range(3):
        try:
            continue finally:
            print("Finally!")

def one_more_func(): # A gotcha! try:
        for i in range(3):
            try:
                1 / i except ZeroDivisionError:
                # Let's throw it here and handle it outside for loop raise ZeroDivisionError("A trivial divide by zero error")
            finally:
                print("Iteration", i)
                break except ZeroDivisionError as e:
        print("Zero division error occurred", e)

输出：

>>> some_func()
'from_finally' >>> another_func()
Finally!
Finally!
Finally!

>>> 1 / 0 Traceback (most recent call last):
  File "<stdin>", line 1, in <module> ZeroDivisionError: division by zero >>> one_more_func()
Iteration 0

💡说明：

• 当一个return，break或continue语句在try一套“Try…Finally”语句，finally子句也在退出时执行。
• 函数的返回值由最后一个return语句已执行。由于finally子句始终执行，则会引发return中执行的语句finally子句将始终是最后执行的子句。
• 这里需要注意的是，如果Finally子句执行return或break语句，则会丢弃临时保存的异常。

▶为了什么?

some_string = "wtf" some_dict = {}
for i, some_dict[i] in enumerate(some_string):
    i = 10

输出：

>>> some_dict # An indexed dict appears.
{0: 'w', 1: 't', 2: 'f'}

💡说明：

• 一个for语句在Python grammar作为：

  for_stmt: 'for' exprlist 'in' testlist ':' suite ['else' ':' suite]
  

  哪里exprlist是分配目标。这意味着相当于{exprlist} = {next_value}是为每个项目执行在可迭代中。一个有趣的例子说明了这一点：

  for i in range(4):
      print(i)
      i = 10

  输出：

  0
  1
  2
  3
  

  您是否希望循环只运行一次？

  💡说明：

  • 赋值语句i = 10由于for循环在Python中的工作方式，永远不会影响循环的迭代。在每次迭代开始之前，迭代器提供的下一项(range(4)在本例中)被解包并分配给目标列表变量(i在这种情况下)
• 这个enumerate(some_string)函数会产生一个新值。i(计数器向上)和来自some_string在每一次迭代中。然后它设置(刚刚分配的)i词典的关键字some_dict给那个角色。循环的展开可以简化为：

  >>> i, some_dict[i] = (0, 'w')
  >>> i, some_dict[i] = (1, 't')
  >>> i, some_dict[i] = (2, 'f')
  >>> some_dict

▶评估时间差异

1个

array = [1, 8, 15]
# A typical generator expression gen = (x for x in array if array.count(x) > 0)
array = [2, 8, 22]

输出：

>>> print(list(gen)) # Where did the other values go?
[8]

2个

array_1 = [1,2,3,4]
gen_1 = (x for x in array_1)
array_1 = [1,2,3,4,5]

array_2 = [1,2,3,4]
gen_2 = (x for x in array_2)
array_2[:] = [1,2,3,4,5]

输出：

>>> print(list(gen_1))
[1, 2, 3, 4]

>>> print(list(gen_2))
[1, 2, 3, 4, 5]

3个

array_3 = [1, 2, 3]
array_4 = [10, 20, 30]
gen = (i + j for i in array_3 for j in array_4)

array_3 = [4, 5, 6]
array_4 = [400, 500, 600]

输出：

>>> print(list(gen))
[401, 501, 601, 402, 502, 602, 403, 503, 603]

💡解释

• 在一个generator表达式，则in子句在声明时求值，但条件子句在运行时求值
• 所以在运行之前，array被重新分配到列表中[2, 8, 22]，并且由于不在1，8和15，只有8大于0，发电机只会产生8
• 其产量的不同之处在于g1和g2第二部分是因应方式变量array_1和array_2是重新赋值的
• 在第一种情况下，array_1绑定到新对象[1,2,3,4,5]而且由于in子句在声明时求值，它仍然引用旧对象。[1,2,3,4](未销毁)
• 在第二种情况下，将切片分配给array_2更新相同的旧对象[1,2,3,4]至[1,2,3,4,5]因此，这两个g2和array_2仍然有对同一对象的引用(该对象现在已更新为[1,2,3,4,5])
• 好的，按照到目前为止讨论的逻辑，不应该是list(gen)在第三个片段中[11, 21, 31, 12, 22, 32, 13, 23, 33]？(因为array_3和array_4会表现得就像array_1)。原因(仅限)array_4有关更新的值的说明，请参阅PEP-289
  

  仅立即计算最外层的for-expression，其他表达式将推迟到生成器运行

▶is not ...不是is (not ...)

>>> 'something' is not None True >>> 'something' is (not None)
False

💡解释

• is not是单个二元运算符，其行为与使用is和not分开的
• is not计算结果为False如果运算符两侧的变量指向同一对象，并且True否则
• 在该示例中，(not None)计算结果为True因为它的价值None是False在布尔上下文中，因此表达式变为'something' is True

▶一个X在第一次尝试中就赢了的井字棋(tic-tac-toe)！

# Let's initialize a row row = [""] * 3 #row i['', '', ''] # Let's make a board board = [row] * 3

输出：

>>> board
[['', '', ''], ['', '', ''], ['', '', '']]
>>> board[0]
['', '', '']
>>> board[0][0]
'' >>> board[0][0] = "X" >>> board
[['X', '', ''], ['X', '', ''], ['X', '', '']]

我们没有分配三个"X"S，我们有吗？

💡说明：

当我们初始化时row变量，这种可视化解释了内存中发生的事情

而当board通过将row，这就是内存中发生的事情(每个元素board[0]，board[1]和board[2]是对由引用的同一列表的引用row)

我们可以在这里避免这种情况，方法是不使用row要生成的变量board(被问及this问题)

>>> board = [['']*3 for _ in range(3)]
>>> board[0][0] = "X" >>> board
[['X', '', ''], ['', '', ''], ['', '', '']]

▶薛定谔变量*

funcs = []
results = []
for x in range(7):
    def some_func():
        return x funcs.append(some_func)
    results.append(some_func())  # note the function call here funcs_results = [func() for func in funcs]

输出(Python版本)：

>>> results
[0, 1, 2, 3, 4, 5, 6]
>>> funcs_results
[6, 6, 6, 6, 6, 6, 6]

的价值x在追加之前的每个迭代中都是不同的some_func至funcs，但是在循环完成后对所有函数求值时，所有函数都返回6

>>> powers_of_x = [lambda x: x**i for i in range(10)]
>>> [f(2) for f in powers_of_x]
[512, 512, 512, 512, 512, 512, 512, 512, 512, 512]

💡说明：

• 在循环内定义在其主体中使用循环变量的函数时，循环函数的闭包将绑定到变量，而不是ITS价值该函数查找x在周围的上下文中，而不是使用x在创建函数时。因此，所有函数都使用分配给变量的最新值进行计算。我们可以看到它正在使用x从周围的上下文(即不局部变量)，具有：

>>> import inspect >>> inspect.getclosurevars(funcs[0])
ClosureVars(nonlocals={}, globals={'x': 6}, builtins={}, unbound=set())

因为x是全局值，我们可以更改funcs将通过更新查找并返回x：

>>> x = 42 >>> [func() for func in funcs]
[42, 42, 42, 42, 42, 42, 42]

• 要获得所需的行为，可以将循环变量作为命名变量传递给函数。为什么这个管用呢？因为这将定义变量内部函数的作用域。它将不再转到周围的(全局)作用域来查找变量值，而是创建一个局部变量来存储x在那个时间点上

funcs = []
for x in range(7):
    def some_func(x=x):
        return x funcs.append(some_func)

输出：

>>> funcs_results = [func() for func in funcs]
>>> funcs_results
[0, 1, 2, 3, 4, 5, 6]

它不再使用x在全局范围内：

>>> inspect.getclosurevars(funcs[0])
ClosureVars(nonlocals={}, globals={}, builtins={}, unbound=set())

▶先有鸡还是先有蛋的问题**

1个

>>> isinstance(3, int)
True >>> isinstance(type, object)
True >>> isinstance(object, type)
True

那么，哪个是“终极”基类呢？顺便说一下，念力还有更多内容，

2个

>>> class A: pass >>> isinstance(A, A)
False >>> isinstance(type, type)
True >>> isinstance(object, object)
True

3个

>>> issubclass(int, object)
True >>> issubclass(type, object)
True >>> issubclass(object, type)
False

💡解释

• type是一种metaclass在Python中
• 所有的一切是一种object在Python中，包括类及其对象(实例)
• 班级type是类的元类object，以及每个班级(包括type)直接或间接继承自object
• 中没有真正的基类。object和type上述片段中的念力之所以出现，是因为我们正在考虑这些关系(issubclass和isinstance)在Python类方面。两国之间的关系object和type不能用纯python复制。更准确地说，以下关系不能在纯Python中重现，
  • 类A是类B的实例，类B是类A的实例
  • A类是其自身的一个实例
• 这些关系之间的关系object和type(两者既是彼此的实例，也是自己的实例)存在于Python中，因为在实现级别上存在“欺骗”

▶子类关系

输出：

>>> from collections import Hashable >>> issubclass(list, object)
True >>> issubclass(object, Hashable)
True >>> issubclass(list, Hashable)
False

子类关系应该是可传递的，对吗？(即，如果A是的子类B，以及B是的子类C，即A应该的子类C)

💡说明：

• 在Python中，子类关系不一定是可传递的。任何人都可以定义他们自己的，武断的__subclasscheck__在元类中
• 什么时候issubclass(cls, Hashable)被调用，它只是简单地查找非Falsey“__hash__“中的方法cls或它继承的任何东西
• 因为object是可以哈希的，但是list是不可散列的，它打破了传递性关系
• 可以找到更详细的解释here

▶方法的等价性和同一性

class SomeClass:
    def method(self):
        pass @classmethod def classm(cls):
        pass @staticmethod def staticm():
        pass

输出：

>>> print(SomeClass.method is SomeClass.method)
True >>> print(SomeClass.classm is SomeClass.classm)
False >>> print(SomeClass.classm == SomeClass.classm)
True >>> print(SomeClass.staticm is SomeClass.staticm)
True

访问classm两次，我们得到一个相等的对象，但不是相同的一?让我们看看如何处理以下实例SomeClass：

o1 = SomeClass()
o2 = SomeClass()

输出：

>>> print(o1.method == o2.method)
False >>> print(o1.method == o1.method)
True >>> print(o1.method is o1.method)
False >>> print(o1.classm is o1.classm)
False >>> print(o1.classm == o1.classm == o2.classm == SomeClass.classm)
True >>> print(o1.staticm is o1.staticm is o2.staticm is SomeClass.staticm)
True

访问 classm或method两次，创建相等但不相等相同的对象的同一实例的SomeClass

💡解释

• 函数有descriptors无论何时将函数作为属性访问，都会调用描述符，从而创建一个方法对象，该对象将函数与拥有该属性的对象“绑定”在一起。如果被调用，该方法调用函数，将绑定对象作为第一个参数隐式传递(这就是我们如何获取self作为第一个参数，尽管没有显式传递)

>>> o1.method <bound method SomeClass.method of <__main__.SomeClass object at ...>>

• 多次访问该属性每次都会创建一个方法对象！因此，o1.method is o1.method从来都不是真实的。但是，将函数作为类属性访问(与实例相反)并不会创建方法；因此SomeClass.method is SomeClass.method是真实的吗？

>>> SomeClass.method <function SomeClass.method at ...>

• classmethod将函数转换为类方法。类方法是描述符，当访问这些描述符时，会创建一个方法对象，该对象将班级对象的(类型)，而不是对象本身

>>> o1.classm <bound method SomeClass.classm of <class '__main__.SomeClass'>>

• 与函数不同，classmethod在作为类属性访问时，也将创建一个方法(在这种情况下，它们绑定类，而不是绑定到类的类型)。所以SomeClass.classm is SomeClass.classm是假的

>>> SomeClass.classm <bound method SomeClass.classm of <class '__main__.SomeClass'>>

• 当两个函数相等且绑定对象相同时，方法对象会比较相等。所以o1.method == o1.method是真实的，尽管在内存中不是同一对象
• staticmethod将函数转换为“no-op”描述符，该描述符按原样返回函数。不会创建任何方法对象，因此与is是真实的吗？

>>> o1.staticm <function SomeClass.staticm at ...> >>> SomeClass.staticm <function SomeClass.staticm at ...>

• 每次Python调用实例方法时都必须创建新的“方法”对象，并且每次都必须修改参数才能插入self严重影响了性能。CPython3.7solved it通过引入新的操作码来处理调用方法，而无需创建临时方法对象。这仅在实际调用所访问的函数时使用，因此此处的代码段不受影响，并且仍会生成方法：)

▶全真*

>>> all([True, True, True])
True >>> all([True, True, False])
False >>> all([])
True >>> all([[]])
False >>> all([[[]]])
True

为什么会有这种真假的改变呢？

💡说明：

• 该计划的实施all函数等效于

• def all(iterable):
      for element in iterable:
          if not element:
              return False return True

• all([])退货True由于迭代器为空
• all([[]])退货False因为传递的数组有一个元素，[]，在python中，空列表是虚假的。
• all([[[]]])更高的递归变体总是True这是因为传递的数组的单个元素([[...]])不再为空，带有值的列表为真

▶令人惊讶的逗号

输出(<3.6)：

>>> def f(x, y,):
...     print(x, y)
...
>>> def g(x=4, y=5,):
...     print(x, y)
...
>>> def h(x, **kwargs,):
  File "<stdin>", line 1 def h(x, **kwargs,):
                     ^ SyntaxError: invalid syntax >>> def h(*args,):
  File "<stdin>", line 1 def h(*args,):
                ^ SyntaxError: invalid syntax

💡说明：

• 在Python函数的形参列表中，尾随逗号并不总是合法的
• 在Python中，参数列表部分使用前导逗号定义，部分使用尾随逗号定义。此冲突会导致逗号被困在中间的情况，并且没有规则接受它
• 注：后面的逗号问题是fixed in Python 3.6中的评论this简要讨论Python中尾随逗号的不同用法

▶字符串和反斜杠

输出：

>>> print("\"")
"

>>> print(r"\"")
\"

>>> print(r"\")
File "<stdin>", line 1 print(r"\")
              ^ SyntaxError: EOL while scanning string literal >>> r'\'' == "\\'" True

💡解释

• 在通常的python字符串中，反斜杠用于转义可能具有特殊含义的字符(如单引号、双引号和反斜杠本身)。

  >>> "wt\"f" 'wt"f'

• 在原始字符串文字中(由前缀指示r)，则反斜杠会按原样传递自身，同时转义以下字符的行为

  >>> r'wt\"f' == 'wt\\"f'
  True
  >>> print(repr(r'wt\"f')
  'wt\\"f'
  
  >>> print("\n")
  
  >>> print(r"\\n")
  '\\n'

• 这意味着当解析器在原始字符串中遇到反斜杠时，它会期待后面跟着另一个字符。在我们的情况下(print(r"\"))，则反斜杠转义尾部引号，使解析器没有终止引号(因此SyntaxError)。这就是原始字符串末尾不能使用反斜杠的原因

▶不是结！

x = True y = False

输出：

>>> not x == y True >>> x == not y File "<input>", line 1 x == not y ^ SyntaxError: invalid syntax

💡说明：

• 运算符优先级影响表达式的求值方式，并且==运算符的优先级高于notPython中的运算符
• 所以not x == y相当于not (x == y)这相当于not (True == False)最终评估为True
• 但x == not y引发一个SyntaxError因为它可以被认为等同于(x == not) y而不是x == (not y)这可能是你第一眼看到的
• 解析器期望not令牌作为not in运算符(因为两者==和not in运算符具有相同的优先级)，但在无法找到in标记后跟在not令牌，则会引发SyntaxError

▶半个三引号字符串

输出：

>>> print('wtfpython''')
wtfpython >>> print("wtfpython""")
wtfpython >>> # The following statements raise `SyntaxError` >>> # print('''wtfpython') >>> # print("""wtfpython") File "<input>", line 3 print("""wtfpython")
                        ^ SyntaxError: EOF while scanning triple-quoted string literal

💡说明：

• Python支持隐式string literal concatenation，例如，

  >>> print("wtf" "python")
  wtfpython
  >>> print("wtf" "") # or "wtf"""
  wtf
  

• '''和"""也是Python中的字符串分隔符，这会导致语法错误，因为Python解释器在扫描当前遇到的三重引号字符串文字时期望使用终止的三重引号作为分隔符

▶布尔人有什么问题吗？

1个

# A simple example to count the number of booleans and # integers in an iterable of mixed data types. mixed_list = [False, 1.0, "some_string", 3, True, [], False]
integers_found_so_far = 0 booleans_found_so_far = 0 for item in mixed_list:
    if isinstance(item, int):
        integers_found_so_far += 1 elif isinstance(item, bool):
        booleans_found_so_far += 1

输出：

>>> integers_found_so_far 4 >>> booleans_found_so_far 0

2个

>>> some_bool = True >>> "wtf" * some_bool 'wtf' >>> some_bool = False >>> "wtf" * some_bool ''

3个

def tell_truth():
    True = False if True == False:
        print("I have lost faith in truth!")

输出(<3.x)：

>>> tell_truth()
I have lost faith in truth!

💡说明：

• bool是的子类int在Python中

  >>> issubclass(bool, int)
  True
  >>> issubclass(int, bool)
  False

• 因此，True和False是以下对象的实例int

  >>> isinstance(True, int)
  True
  >>> isinstance(False, int)
  True

• 的整数值True是1那就是False是0

  >>> int(True)
  1
  >>> int(False)
  0

• 查看此StackOverflowanswer以了解其背后的理论基础
• 最初，Python过去没有bool类型(人们使用0表示FALSE，使用非零值1表示TRUE)。True，False，和一个bool类型是在2.x版本中添加的，但是为了向后兼容，True和False不能成为常量。它们只是内置变量，可以重新赋值
• Python3向后不兼容，该问题最终被修复，因此最后一个代码片段不能与Python3.x一起工作！

▶类属性和实例属性

1个

class A:
    x = 1 class B(A):
    pass class C(A):
    pass

输出：

>>> A.x, B.x, C.x
(1, 1, 1)
>>> B.x = 2 >>> A.x, B.x, C.x
(1, 2, 1)
>>> A.x = 3 >>> A.x, B.x, C.x # C.x changed, but B.x didn't
(3, 2, 3)
>>> a = A()
>>> a.x, A.x
(3, 3)
>>> a.x += 1 >>> a.x, A.x
(4, 3)

2个

class SomeClass:
    some_var = 15 some_list = [5]
    another_list = [5]
    def __init__(self, x):
        self.some_var = x + 1 self.some_list = self.some_list + [x]
        self.another_list += [x]

输出：

>>> some_obj = SomeClass(420)
>>> some_obj.some_list
[5, 420]
>>> some_obj.another_list
[5, 420]
>>> another_obj = SomeClass(111)
>>> another_obj.some_list
[5, 111]
>>> another_obj.another_list
[5, 420, 111]
>>> another_obj.another_list is SomeClass.another_list True >>> another_obj.another_list is some_obj.another_list True

💡说明：

• 类变量和类实例中的变量作为类对象的字典在内部处理。如果在当前类的字典中找不到变量名，则会在父类中搜索该变量名
• 这个+=运算符就地修改可变对象，而不创建新对象。因此，更改一个实例的属性会影响其他实例和类属性

▶一无所获

some_iterable = ('a', 'b')

def some_func(val):
    return "something"

输出(<=3.7.x)：

>>> [x for x in some_iterable]
['a', 'b']
>>> [(yield x) for x in some_iterable]
<generator object <listcomp> at 0x7f70b0a4ad58> >>> list([(yield x) for x in some_iterable])
['a', 'b']
>>> list((yield x) for x in some_iterable)
['a', None, 'b', None]
>>> list(some_func((yield x)) for x in some_iterable)
['a', 'something', 'b', 'something']

💡说明：

• 这是CPython处理yield在生成器和理解中
• 来源和解释可以在这里找到：https://stackoverflow.com/questions/32139885/yield-in-list-comprehensions-and-generator-expressions
• 相关错误报告：https://bugs.python.org/issue10544
• Python 3.8+不再允许yield内部列表理解，并将抛出SyntaxError

▶屈服于。回来！*

1个

def some_func(x):
    if x == 3:
        return ["wtf"]
    else:
        yield from range(x)

输出(>3.3)：

>>> list(some_func(3))
[]

那辆车在哪里呢？"wtf"去?是不是因为有一些特殊的效果yield from？我们来验证一下，

2个

def some_func(x):
    if x == 3:
        return ["wtf"]
    else:
        for i in range(x):
          yield i

输出：

>>> list(some_func(3))
[]

同样的结果，这也不管用

💡说明：

• 从Python3.3开始，可以使用return在生成器内具有值的语句(请参见PEP380)。这个official docs这么说吧，

“。”return expr在发电机中引起StopIteration(expr)在离开发电机时提升。“

• 在以下情况下some_func(3)，StopIteration是在一开始就提出的，因为return声明。这个StopIteration异常会自动捕获到list(...)包装器和for循环。因此，上述两个代码段将产生一个空列表
• 为了得到["wtf"]从发电机some_func我们需要赶上StopIteration例外，

  try:
      next(some_func(3))
  except StopIteration as e:
      some_string = e.value

  >>> some_string
  ["wtf"]

▶NaN-自反性*

1个

a = float('inf')
b = float('nan')
c = float('-iNf')  # These strings are case-insensitive d = float('nan')

输出：

>>> a inf >>> b nan >>> c -inf >>> float('some_other_string')
ValueError: could not convert string to float: some_other_string >>> a == -c # inf==inf True >>> None == None # None == None True >>> b == d # but nan!=nan False >>> 50 / a 0.0 >>> a / a nan >>> 23 + b nan

2个

>>> x = float('nan')
>>> y = x / x >>> y is y # identity holds True >>> y == y # equality fails of y False >>> [y] == [y] # but the equality succeeds for the list containing y True

💡说明：

• 'inf'和'nan'是特殊字符串(不区分大小写)，当显式类型转换为float类型，分别用于表示数学上的“无穷大”和“非数字”
• 因为根据IEEE标准 NaN != NaN遵守此规则，则打破了Python中集合元素的自反性假设，即如果x是像这样的集合的一部分list，类似比较的实现是基于以下假设的x == x由于这一假设，在比较两个元素时，首先比较标识(因为这样更快)，只有当标识不匹配时才比较值。下面的片段会让事情变得更清楚，

  >>> x = float('nan')
  >>> x == x, [x] == [x]
  (False, True)
  >>> y = float('nan')
  >>> y == y, [y] == [y]
  (False, True)
  >>> x == y, [x] == [y]
  (False, False)

  因为他们的身份x和y是不同的，则考虑这些值，这些值也是不同的；因此比较返回False这一次

• 有趣的阅读：Reflexivity, and other pillars of civilization

▶变异不变的东西！

如果您知道引用在Python中的工作方式，这可能看起来微不足道

some_tuple = ("A", "tuple", "with", "values")
another_tuple = ([1, 2], [3, 4], [5, 6])

输出：

>>> some_tuple[2] = "change this" TypeError: 'tuple' object does not support item assignment >>> another_tuple[2].append(1000) #This throws no error >>> another_tuple
([1, 2], [3, 4], [5, 6, 1000])
>>> another_tuple[2] += [99, 999]
TypeError: 'tuple' object does not support item assignment >>> another_tuple
([1, 2], [3, 4], [5, 6, 1000, 99, 999])

但是我认为元组是不变的

💡说明：

• 报价自https://docs.python.org/3/reference/datamodel.html
  

  不可变序列不可变序列类型的对象一旦创建就不能更改。(如果对象包含对其他对象的引用，则这些其他对象可以是可变的，并且可以修改；但是，由不可变对象直接引用的对象集合不能更改。)

• +=操作员就地更改列表。项目分配不起作用，但当异常发生时，项目已更改到位
• 这里面也有一个解释official Python FAQ

▶外部作用域中正在消失的变量

e = 7 try:
    raise Exception()
except Exception as e:
    pass

输出(Python 2.x)：

>>> print(e)
# prints nothing

输出(Python 3.x)：

>>> print(e)
NameError: name 'e' is not defined

💡说明：

• 来源：https://docs.python.org/3/reference/compound_stmts.html#except

  在使用以下命令分配异常时as目标，则在except条款。这就好像

  except E as N:
      foo

  被翻译成

  except E as N:
      try:
          foo finally:
          del N

  这意味着必须为异常指定不同的名称，才能在EXCEPT子句之后引用它。异常之所以被清除，是因为附加了回溯后，它们与堆栈帧形成一个引用循环，使该帧中的所有局部变量保持活动状态，直到下一次垃圾回收发生

• 这些子句在Python中没有作用域。示例中的所有内容都在相同的作用域中，并且变量e由于执行except条款。对于具有独立内部作用域的函数则不是这样。下面的示例说明了这一点：

  def f(x):
      del(x)
      print(x)
  
  x = 5
  y = [5, 4, 3]

  输出：

  >>>f(x)
  UnboundLocalError: local variable 'x' referenced before assignment
  >>>f(y)
  UnboundLocalError: local variable 'x' referenced before assignment
  >>> x
  5
  >>> y
  [5, 4, 3]

• 在Python 2.x中，变量名称e分配给Exception()实例，因此当您尝试打印时，它不打印任何内容

  输出(Python 2.x)：

  >>> e
  Exception()
  >>> print e
  # Nothing is printed!

▶神秘的钥匙类型转换

class SomeClass(str):
    pass some_dict = {'s': 42}

输出：

>>> type(list(some_dict.keys())[0])
str >>> s = SomeClass('s')
>>> some_dict[s] = 40 >>> some_dict # expected: Two different keys-value pairs
{'s': 40}
>>> type(list(some_dict.keys())[0])
str

💡说明：

• 这两个对象s和那根弦"s"散列为相同的值，因为SomeClass继承__hash__一种方法str班级
• SomeClass("s") == "s"计算结果为True因为SomeClass还继承了__eq__方法来自str班级
• 由于这两个对象散列为相同的值并且相等，因此它们在字典中由相同的键表示
• 对于所需的行为，我们可以重新定义__eq__中的方法SomeClass

  class SomeClass(str):
    def __eq__(self, other):
        return (
            type(self) is SomeClass
            and type(other) is SomeClass
            and super().__eq__(other)
        )
  
    # When we define a custom __eq__, Python stops automatically inheriting the
    # __hash__ method, so we need to define it as well
    __hash__ = str.__hash__
  
  some_dict = {'s':42}

  输出：

  >>> s = SomeClass('s')
  >>> some_dict[s] = 40
  >>> some_dict
  {'s': 40, 's': 42}
  >>> keys = list(some_dict.keys())
  >>> type(keys[0]), type(keys[1])
  (__main__.SomeClass, str)

▶让我们看看你能不能猜到这个？

a, b = a[b] = {}, 5

输出：

>>> a
{5: ({...}, 5)}

💡说明：

• 根据Python language reference，赋值语句的形式为

  (target_list "=")+ (expression_list | yield_expression)
  

  和

赋值语句计算表达式列表(请记住，这可以是单个表达式或逗号分隔的列表，后者生成一个元组)，并将单个结果对象从左到右分配给每个目标列表

• 这个+在……里面(target_list "=")+意味着可以有一个或多个目标列表。在本例中，目标列表为a, b和a[b](请注意，表达式列表正好是一个，在我们的示例中是{}, 5)
• 对表达式列表求值后，将其值解压缩到目标列表中从左到右因此，在我们的案例中，首先{}, 5将元组解包为a, b现在我们有了a = {}和b = 5
• a现在分配给{}，它是一个可变对象
• 第二个目标列表是a[b](您可能认为这会抛出一个错误，因为a和b在以前的语句中没有定义。但请记住，我们刚刚分配了a至{}和b至5)
• 现在，我们正在设置密钥5在字典中设置为元组({}, 5)创建循环引用({...}在输出中引用的对象与a已在引用)。循环引用的另一个更简单的示例可以是

  >>> some_list = some_list[0] = [0]
  >>> some_list
  [[...]]
  >>> some_list[0]
  [[...]]
  >>> some_list is some_list[0]
  True
  >>> some_list[0][0][0][0][0][0] == some_list
  True

  我们示例中的情况与此类似(a[b][0]是与以下对象相同的对象a)

• 因此，总而言之，您可以将该示例分解为

  a, b = {}, 5 a[b] = a, b

  循环引用可以用以下事实来证明a[b][0]是与以下对象相同的对象a

  >>> a[b][0] is a True

剖面：湿滑斜坡

▶在迭代字典时修改字典

x = {0: None}

for i in x:
    del x[i]
    x[i+1] = None print(i)

输出(Python 2.7-Python 3.5)：

0
1
2
3
4
5
6
7

是的，它的运行时间正好是八时间和停靠站

💡说明：

• 不支持对同时编辑的字典进行迭代
• 它运行8次，因为这是字典调整大小以容纳更多键的时间点(我们有8个删除条目，因此需要调整大小)。这实际上是一个实现细节
• 对于不同的Python实现，处理已删除键的方式和调整大小的时间可能会有所不同
• 因此，对于除Python2.7-Python3.5之外的Python版本，计数可能不同于8(但无论计数是多少，每次运行它都是一样的)。你可以找到一些关于这方面的讨论here或在this堆栈溢出线程
• 从Python 3.7.6开始，您将看到RuntimeError: dictionary keys changed during iteration如果您尝试执行此操作，则会出现异常

▶固执的del运营

class SomeClass:
    def __del__(self):
        print("Deleted!")

输出：1个

>>> x = SomeClass()
>>> y = x >>> del x # this should print "Deleted!" >>> del y Deleted!

哎呀，终于删掉了。你可能已经猜到是什么救了你__del__在我们第一次尝试删除时被调用x让我们在这个示例中添加更多的曲折

2个

>>> x = SomeClass()
>>> y = x >>> del x >>> y # check if y exists <__main__.SomeClass instance at 0x7f98a1a67fc8> >>> del y # Like previously, this should print "Deleted!" >>> globals() # oh, it didn't. Let's check all our global variables and confirm Deleted!
{'__builtins__': <module '__builtin__' (built-in)>, 'SomeClass': <class __main__.SomeClass at 0x7f98a1a5f668>, '__package__': None, '__name__': '__main__', '__doc__': None}

好的，现在它被删除了😕

💡说明：

• del x不会直接调用x.__del__()
• 什么时候del x时，Python将删除该名称x从当前作用域开始，并将对象的引用计数减1x已引用。__del__()仅当对象的引用计数达到零时才调用
• 在第二个输出片段中，__del__()未调用，因为前面的语句(>>> y)创建了对同一对象的另一个引用(具体地说，_魔术变量，它引用最后一个非None表达式)，从而防止在以下情况下引用计数达到零del y遇到了
• 呼叫globals(或者实际上，执行任何将具有非None结果)导致_若要引用新结果，请删除现有引用。现在引用计数达到0，我们可以看到“已删除！”正在打印中(终于！)

▶超出作用域的变量

1个

a = 1 def some_func():
    return a def another_func():
    a += 1 return a

2个

def some_closure_func():
    a = 1 def some_inner_func():
        return a return some_inner_func()

def another_closure_func():
    a = 1 def another_inner_func():
        a += 1 return a return another_inner_func()

输出：

>>> some_func()
1 >>> another_func()
UnboundLocalError: local variable 'a' referenced before assignment >>> some_closure_func()
1 >>> another_closure_func()
UnboundLocalError: local variable 'a' referenced before assignment

💡说明：

• 当您为作用域中的变量赋值时，它将变为该作用域的局部变量。所以a成为本地化的作用域another_func，但是它以前没有在相同的作用域中初始化，这会引发错误
• 修改外部作用域变量a在……里面another_func，我们必须使用global关键字

  def another_func()
      global a
      a += 1
      return a

  输出：

  >>> another_func()
  2

• 在……里面another_closure_func，a成为本地化的作用域another_inner_func，但是它以前没有在相同的作用域中初始化，这就是它抛出错误的原因。
• 修改外部作用域变量a在……里面another_inner_func，请使用nonlocal关键字。非本地语句用于引用在最近的外部(不包括全局)作用域中定义的变量

  def another_func():
      a = 1
      def another_inner_func():
          nonlocal a
          a += 1
          return a
      return another_inner_func()

  输出：

  >>> another_func()
  2

• 关键字global和nonlocal告诉python解释器不要声明新变量，并在相应的外部作用域中查找它们。
• 朗读this这是一本简短但令人敬畏的指南，可帮助您详细了解Python中的名称空间和作用域解析是如何工作的

▶迭代时删除列表项

list_1 = [1, 2, 3, 4]
list_2 = [1, 2, 3, 4]
list_3 = [1, 2, 3, 4]
list_4 = [1, 2, 3, 4]

for idx, item in enumerate(list_1):
    del item for idx, item in enumerate(list_2):
    list_2.remove(item)

for idx, item in enumerate(list_3[:]):
    list_3.remove(item)

for idx, item in enumerate(list_4):
    list_4.pop(idx)

输出：

>>> list_1
[1, 2, 3, 4]
>>> list_2
[2, 4]
>>> list_3
[]
>>> list_4
[2, 4]

你能猜出为什么输出是[2, 4]？

💡说明：

• 更改正在迭代的对象从来都不是一个好主意。这样做的正确方法是迭代对象的副本，并且list_3[:]就是这么做的吗？

  >>> some_list = [1, 2, 3, 4]
  >>> id(some_list)
  139798789457608
  >>> id(some_list[:]) # Notice that python creates new object for sliced list.
  139798779601192

两者之间的差异del，remove，以及pop：

• del var_name只是移除了var_name从本地或全局命名空间(这就是为什么list_1不受影响)
• remove移除第一个匹配值，而不是特定索引，将引发ValueError如果找不到该值
• pop移除特定索引处的元素并将其返回，引发IndexError如果指定的索引无效

为什么输出是[2, 4]？

• 列表迭代是逐个索引完成的，当我们删除1从…list_2或list_4，列表的内容现在是[2, 3, 4]剩余的元素被下移，即，2位于索引0，并且3由于下一次迭代将查看索引1(它是3)、2完全跳过了。列表序列中的每个备用元素都会发生类似的情况

• 请参阅此StackOverflowthread解释示例
• 另请参见这个不错的StackOverflowthread查看与Python中的字典相关的类似示例

▶迭代程序的有损压缩*

>>> numbers = list(range(7))
>>> numbers
[0, 1, 2, 3, 4, 5, 6]
>>> first_three, remaining = numbers[:3], numbers[3:]
>>> first_three, remaining
([0, 1, 2], [3, 4, 5, 6])
>>> numbers_iter = iter(numbers)
>>> list(zip(numbers_iter, first_three)) 
[(0, 0), (1, 1), (2, 2)]
# so far so good, let's zip the remaining >>> list(zip(numbers_iter, remaining))
[(4, 3), (5, 4), (6, 5)]

DID元素位于何处3从numbers名单？

💡说明：

• 来自Pythondocs，这里是zip函数的大致实现，

  def zip(*iterables):
      sentinel = object()
      iterators = [iter(it) for it in iterables]
      while iterators:
          result = []
          for it in iterators:
              elem = next(it, sentinel)
              if elem is sentinel: return result.append(elem)
          yield tuple(result)

• 因此，该函数接受任意数量的可迭代对象，并将它们的每个项添加到result列表，方法是调用next函数，并在任何迭代量耗尽时停止
• 这里需要注意的是，当耗尽任何可迭代时，result列表将被丢弃。这就是发生在3在numbers_iter
• 执行上述操作的正确方法是使用zip会是，

  >>> numbers = list(range(7))
  >>> numbers_iter = iter(numbers)
  >>> list(zip(first_three, numbers_iter))
  [(0, 0), (1, 1), (2, 2)]
  >>> list(zip(remaining, numbers_iter))
  [(3, 3), (4, 4), (5, 5), (6, 6)]

  zip的第一个参数应该是元素最少的那个

▶循环变量泄漏！

1个

for x in range(7):
    if x == 6:
        print(x, ': for x inside loop')
print(x, ': x in global')

输出：

6 : for x inside loop 6 : x in global

但x从未在for循环的作用域之外定义

2个

# This time let's initialize x first x = -1 for x in range(7):
    if x == 6:
        print(x, ': for x inside loop')
print(x, ': x in global')

输出：

6 : for x inside loop 6 : x in global

3个

输出(Python 2.x)：

>>> x = 1 >>> print([x for x in range(5)])
[0, 1, 2, 3, 4]
>>> print(x)
4

输出(Python 3.x)：

>>> x = 1 >>> print([x for x in range(5)])
[0, 1, 2, 3, 4]
>>> print(x)
1

💡说明：

• 在Python中，for循环使用它们所在的作用域，并将其定义的循环变量留在后面。如果我们之前在全局名称空间中显式定义了for-loop变量，这也适用。在这种情况下，它将重新绑定现有变量
• 列表理解示例的Python 2.x和Python 3.x解释器的输出差异可通过中记录的以下更改进行解释What’s New In Python 3.0更改日志：
  

  “列表理解不再支持语法形式[... for var in item1, item2, ...]使用[... for var in (item1, item2, ...)]取而代之的是。还要注意，列表理解具有不同的语义：它们更接近于list()构造函数，特别是循环控制变量不再泄漏到周围的作用域。“

▶注意默认的可变参数！

def some_func(default_arg=[]):
    default_arg.append("some_string")
    return default_arg

输出：

>>> some_func()
['some_string']
>>> some_func()
['some_string', 'some_string']
>>> some_func([])
['some_string']
>>> some_func()
['some_string', 'some_string', 'some_string']

💡说明：

• Python中函数的默认可变参数并不是在您每次调用函数时都真正初始化的。取而代之的是，使用最近分配给它们的值作为默认值。当我们显式地传递[]至some_func作为参数，default_arg未使用变量，因此函数按预期返回

  def some_func(default_arg=[]):
      default_arg.append("some_string")
      return default_arg

  输出：

  >>> some_func.__defaults__ #This will show the default argument values for the function
  ([],)
  >>> some_func()
  >>> some_func.__defaults__
  (['some_string'],)
  >>> some_func()
  >>> some_func.__defaults__
  (['some_string', 'some_string'],)
  >>> some_func([])
  >>> some_func.__defaults__
  (['some_string', 'some_string'],)

• 避免由于可变参数导致的错误的常见做法是将None作为默认值，稍后检查是否有任何值传递给与该参数对应的函数。示例：

  def some_func(default_arg=None):
      if default_arg is None:
          default_arg = []
      default_arg.append("some_string")
      return default_arg

▶捕捉异常

some_list = [1, 2, 3]
try:
    # This should raise an ``IndexError`` print(some_list[4])
except IndexError, ValueError:
    print("Caught!")

try:
    # This should raise a ``ValueError`` some_list.remove(4)
except IndexError, ValueError:
    print("Caught again!")

输出(Python 2.x)：

Caught!

ValueError: list.remove(x): x not in list

输出(Python 3.x)：

File "<input>", line 3 except IndexError, ValueError:
                     ^ SyntaxError: invalid syntax

💡解释

• 要向EXCEPT子句添加多个异常，需要将它们作为带括号的元组作为第一个参数传递。第二个参数是一个可选名称，当提供该名称时，它将绑定已引发的异常实例。例如，

  some_list = [1, 2, 3]
  try:
     # This should raise a ``ValueError`` some_list.remove(4)
  except (IndexError, ValueError), e:
     print("Caught again!")
     print(e)

  输出(Python 2.x)：

  Caught again!
  list.remove(x): x not in list
  

  输出(Python 3.x)：

  File "<input>", line 4 except (IndexError, ValueError), e:
                                       ^ IndentationError: unindent does not match any outer indentation level

• 不建议使用逗号将异常与变量分开，这在Python3中不起作用；正确的方法是使用as例如，

  some_list = [1, 2, 3]
  try:
      some_list.remove(4)
  
  except (IndexError, ValueError) as e:
      print("Caught again!")
      print(e)

  输出：

  Caught again!
  list.remove(x): x not in list
  

▶同样的操作数，不同的故事！

1个

a = [1, 2, 3, 4]
b = a a = a + [5, 6, 7, 8]

输出：

>>> a
[1, 2, 3, 4, 5, 6, 7, 8]
>>> b
[1, 2, 3, 4]

2个

a = [1, 2, 3, 4]
b = a a += [5, 6, 7, 8]

输出：

>>> a
[1, 2, 3, 4, 5, 6, 7, 8]
>>> b
[1, 2, 3, 4, 5, 6, 7, 8]

💡说明：

• a += b并不总是以相同的方式表现为a = a + b班级可能实施op=运算符不同，列表就是这样做的
• 表达式a = a + [5,6,7,8]生成新列表并设置a对新列表的引用，离开b不变
• 表达式a += [5,6,7,8]实际上映射到在列表上操作的“扩展”函数，以便a和b仍然指向已就地修改的同一列表

▶忽略类作用域的名称解析

1个

x = 5 class SomeClass:
    x = 17 y = (x for i in range(10))

输出：

>>> list(SomeClass.y)[0]
5

2个

x = 5 class SomeClass:
    x = 17 y = [x for i in range(10)]

输出(Python 2.x)：

>>> SomeClass.y[0]
17

输出(Python 3.x)：

>>> SomeClass.y[0]
5

💡解释

• 嵌套在类定义内的作用域忽略类级别绑定的名称
• 生成器表达式有其自己的作用域
• 从Python3.x开始，列表理解也有自己的作用域

▶像银行家一样圆滑*

让我们实现一个朴素的函数来获取列表的中间元素：

def get_middle(some_list):
    mid_index = round(len(some_list) / 2)
    return some_list[mid_index - 1]

Python 3.x：

>>> get_middle([1])  # looks good 1 >>> get_middle([1,2,3])  # looks good 2 >>> get_middle([1,2,3,4,5])  # huh? 2 >>> len([1,2,3,4,5]) / 2 # good 2.5 >>> round(len([1,2,3,4,5]) / 2)  # why? 2

看起来Python似乎将2.5舍入为2

💡说明：

• 这不是浮点精度错误，事实上，此行为是故意的。从Python3.0开始，round()用途banker’s rounding其中0.5个分数四舍五入到最接近的甚至编号：

>>> round(0.5)
0 >>> round(1.5)
2 >>> round(2.5)
2 >>> import numpy # numpy does the same >>> numpy.round(0.5)
0.0 >>> numpy.round(1.5)
2.0 >>> numpy.round(2.5)
2.0

• 这是对0.5小数进行舍入的推荐方式，如中所述IEEE 754然而，另一种方式(从零开始四舍五入)大部分时间都是在学校教授的，所以银行家的舍入可能不是那么出名。此外，一些最流行的编程语言(例如：JavaScript、Java、C/C++、Ruby、Rust)也不使用银行家取整。因此，这对于Python语言来说仍然非常特殊，并且在对分数进行舍入时可能会导致念力
• 请参阅round() docs或this stackoverflow thread了解更多信息
• 请注意，get_middle([1])仅返回1，因为索引为round(0.5) - 1 = 0 - 1 = -1，返回列表中的最后一个元素

▶干草堆里的针*

到目前为止，我还没有遇到过一位体验过Pythonist的人，他没有遇到过以下一个或多个场景，

1个

x, y = (0, 1) if True else None, None

输出：

>>> x, y # expected (0, 1)
((0, 1), None)

2个

t = ('one', 'two')
for i in t:
    print(i)

t = ('one')
for i in t:
    print(i)

t = ()
print(t)

输出：

one two o n e tuple()

3个

ten_words_list = [
    "some",
    "very",
    "big",
    "list",
    "that"
    "consists",
    "of",
    "exactly",
    "ten",
    "words"
]

输出

>>> len(ten_words_list)
9

4.主张不够有力

a = "python" b = "javascript"

输出：

# An assert statement with an assertion failure message. >>> assert(a == b, "Both languages are different")
# No AssertionError is raised

5个

some_list = [1, 2, 3]
some_dict = {
  "key_1": 1,
  "key_2": 2,
  "key_3": 3
}

some_list = some_list.append(4) 
some_dict = some_dict.update({"key_4": 4})

输出：

>>> print(some_list)
None >>> print(some_dict)
None

6个

def some_recursive_func(a):
    if a[0] == 0:
        return a[0] -= 1 some_recursive_func(a)
    return a def similar_recursive_func(a):
    if a == 0:
        return a a -= 1 similar_recursive_func(a)
    return a

输出：

>>> some_recursive_func([5, 0])
[0, 0]
>>> similar_recursive_func(5)
4

💡说明：

• 对于%1，预期行为的正确语句为x, y = (0, 1) if True else (None, None)
• 对于2，预期行为的正确语句为t = ('one',)或t = 'one',(缺少逗号)否则口译员会认为t成为一名str并逐个字符对其进行迭代
• ()是一个特殊标记，表示为空tuple
• 在3中，正如您可能已经知道的那样，第5个元素后面缺少逗号("that")。因此，通过隐式字符串文字连接，

  >>> ten_words_list
  ['some', 'very', 'big', 'list', 'thatconsists', 'of', 'exactly', 'ten', 'words']

• 不是的AssertionError在第四个代码段中引发，因为不是断言单个表达式a == b，我们断言整个元组。下面的代码片断将澄清问题，

  >>> a = "python"
  >>> b = "javascript"
  >>> assert a == b
  Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
  AssertionError
  
  >>> assert (a == b, "Values are not equal")
  <stdin>:1: SyntaxWarning: assertion is always true, perhaps remove parentheses?
  
  >>> assert a == b, "Values are not equal"
  Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
  AssertionError: Values are not equal

• 对于第五个代码段，大多数修改序列/映射对象项的方法，如list.append，dict.update，list.sort等，就地修改对象并返回None这背后的基本原理是，如果操作可以就地完成，则可以通过避免复制对象来提高性能(请参阅here)
• 最后一个应该是相当明显的可变对象(如list)可以在函数中更改，并且重新分配不可变的(a -= 1)不是对价值的更改
• 从长远来看，意识到这些吹毛求疵可以为您节省数小时的调试工作

▶分裂*

>>> 'a'.split()
['a']

# is same as >>> 'a'.split(' ')
['a']

# but >>> len(''.split())
0 # isn't the same as >>> len(''.split(' '))
1

💡说明：

• 最初可能显示分割的默认分隔符是单个空格' '，但根据docs
  

  如果未指定SEP或None，则应用不同的拆分算法：连续的空格串被视为单个分隔符，如果字符串具有前导空格或尾随空格，则结果的开头或结尾处将不包含空字符串。因此，拆分空字符串或仅由空格组成的字符串(使用NONE分隔符)将返回[]如果给定了SEP，则连续的分隔符不会组合在一起，并被视为分隔空字符串(例如，'1,,2'.split(',')退货['1', '', '2'])。使用指定的分隔符拆分空字符串将返回['']

• 注意以下代码片段中前导空格和尾随空格的处理方式会让事情变得清晰起来，

  >>> ' a '.split(' ')
  ['', 'a', '']
  >>> ' a '.split()
  ['a']
  >>> ''.split(' ')
  ['']

▶野生进口**

# File: module.py def some_weird_name_func_():
    print("works!")

def _another_weird_name_func():
    print("works!")

输出

>>> from module import * >>> some_weird_name_func_()
"works!" >>> _another_weird_name_func()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module> NameError: name '_another_weird_name_func' is not defined

💡说明：

• 通常建议不要使用通配符导入。第一个显而易见的原因是，在通配符导入中，不会导入带有前导下划线的名称。这可能会导致运行时出错
• 如果我们用了from ... import a, b, c语法，以上NameError就不会发生

  >>> from module import some_weird_name_func_, _another_weird_name_func
  >>> _another_weird_name_func()
  works!

• 如果您真的想使用通配符导入，那么您必须定义列表__all__在您的模块中，它将包含在执行通配符导入时可用的公共对象列表

  __all__ = ['_another_weird_name_func']
  
  def some_weird_name_func_():
      print("works!")
  
  def _another_weird_name_func():
      print("works!")

  输出

  >>> _another_weird_name_func()
  "works!"
  >>> some_weird_name_func_()
  Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
  NameError: name 'some_weird_name_func_' is not defined

▶都整理好了吗*

>>> x = 7, 8, 9 >>> sorted(x) == x False >>> sorted(x) == sorted(x)
True >>> y = reversed(x)
>>> sorted(y) == sorted(y)
False

💡说明：

• 这个sorted方法始终返回列表，比较列表和元组始终返回False在Python中

• >>> [] == tuple()
  False >>> x = 7, 8, 9 >>> type(x), type(sorted(x))
  (tuple, list)

• 不像sorted，即reversed方法返回迭代器。为什么？因为排序需要就地修改迭代器或使用额外的容器(列表)，而反转只需从最后一个索引迭代到第一个索引即可
• 所以在比较的时候sorted(y) == sorted(y)，第一次调用sorted()将使用迭代器y，下一次调用将只返回一个空列表

  >>> x = 7, 8, 9
  >>> y = reversed(x)
  >>> sorted(y), sorted(y)
  ([7, 8, 9], [])

▶午夜时间不存在吗？

from datetime import datetime midnight = datetime(2018, 1, 1, 0, 0)
midnight_time = midnight.time()

noon = datetime(2018, 1, 1, 12, 0)
noon_time = noon.time()

if midnight_time:
    print("Time at midnight is", midnight_time)

if noon_time:
    print("Time at noon is", noon_time)

输出(<3.5)：

('Time at noon is', datetime.time(12, 0))

未打印午夜时间

💡说明：

在Python 3.5之前的版本中，datetime.time对象被认为是False如果它代表协调世界时的午夜。在使用if obj:语法，以检查是否obj为NULL或与“Empty”等价物。

部分：隐藏的宝藏！

这一节包含一些像我这样的初学者不知道的关于Python的鲜为人知和有趣的事情(好吧，现在不知道了)

▶好的，python，能给我做飞翔吗？

好的，给你

import antigravity

输出：嘘。这是个超级秘密

💡说明：

• antigravity模块是Python开发人员发布的为数不多的复活节彩蛋之一
• import antigravity打开Web浏览器，指向classic XKCD comic关于Python
• 嗯，还有更多的原因。那里有复活节彩蛋里面的另一个复活节彩蛋如果你看一下code中定义了一个函数，该函数旨在实现XKCD’s geohashing algorithm

▶goto但是为什么呢？

from goto import goto, label for i in range(9):
    for j in range(9):
        for k in range(9):
            print("I am trapped, please rescue!")
            if k == 2:
                goto .breakout # breaking out from a deeply nested loop label .breakout print("Freedom!")

输出(Python 2.3)：

I am trapped, please rescue!
I am trapped, please rescue!
Freedom!

💡说明：

• 的工作版本goto在Python中是announced作为2004年4月1日的愚人节笑话
• 当前版本的Python没有此模块
• 虽然有效，但请不要使用。这是reason为什么goto在Python中不存在

▶振作起来！

如果您不喜欢在Python中使用空格来表示作用域，您可以使用C样式{}，方法是导入

from __future__ import braces

输出：

File "some_file.py", line 1 from __future__ import braces SyntaxError: not a chance

牙套？不行!如果您认为这令人失望，可以使用Java。好的，另一件令人惊讶的事，你能找到SyntaxError成长于__future__模块code？

💡说明：

• 这个__future__模块通常用于提供未来版本的Python的功能。然而，在这一特定背景下的“未来”是具有讽刺意味的。
• 这是一个复活节彩蛋，关注社区在这个问题上的感受
• 代码实际上是存在的here在……里面future.c文件
• 当CPython编译器遇到future statement，它首先在future.c在将其视为普通导入语句之前

▶让我们来见见友好的终生语言大叔

输出(Python 3.x)

>>> from __future__ import barry_as_FLUFL >>> "Ruby" != "Python" # there's no doubt about it File "some_file.py", line 1 "Ruby" != "Python" ^ SyntaxError: invalid syntax >>> "Ruby" <> "Python" True

好了，我们走吧

💡说明：

• 这与以下内容相关PEP-4012009年4月1日上映(现在你知道这意味着什么了)
• 引用PEP-401
  

  认识到Python3.0中的！=不等式运算符是一个可怕的、会导致手指疼痛的错误，FLUFL恢复了<>菱形运算符作为唯一拼写

• 巴里叔叔在PEP中有更多的东西要分享；你可以阅读它们here
• 它在交互环境中工作得很好，但它会引发SyntaxError当您通过python文件运行时(请参阅此issue)。但是，您可以将语句包装在eval或compile为了让它运转起来，

  from __future__ import barry_as_FLUFL
  print(eval('"Ruby" <> "Python"'))

▶即使是python也明白爱情是复杂的

import this

等等，这是什么这？this就是爱❤️

输出：

The Zen of Python, by Tim Peters

Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
Special cases aren't special enough to break the rules.
Although practicality beats purity.
Errors should never pass silently.
Unless explicitly silenced.
In the face of ambiguity, refuse the temptation to guess.
There should be one-- and preferably only one --obvious way to do it.
Although that way may not be obvious at first unless you're Dutch.
Now is better than never.
Although never is often better than *right* now.
If the implementation is hard to explain, it's a bad idea.
If the implementation is easy to explain, it may be a good idea.
Namespaces are one honking great idea -- let's do more of those!

这是巨蟒的禅宗！

>>> love = this >>> this is love True >>> love is True False >>> love is False False >>> love is not True or False True >>> love is not True or False; love is love # Love is complicated True

💡说明：

• thisPython中的模块是Python禅宗的复活节彩蛋(PEP 20)
• 如果您认为这已经足够有趣，请查看this.py有趣的是，禅宗的密码违背了它自己(这可能是唯一发生这种情况的地方)
• 关于这份声明love is not True or False; love is love，具有讽刺意味，但这是不言而喻的(如果不是，请参阅与以下内容相关的示例is和is not操作员)

▶是的，它确实存在！

这个elseFOR循环子句一个典型的示例可能是：

def does_exists_num(l, to_find):
      for num in l:
          if num == to_find:
              print("Exists!")
              break else:
          print("Does not exist")

输出：

>>> some_list = [1, 2, 3, 4, 5]
>>> does_exists_num(some_list, 4)
Exists!
>>> does_exists_num(some_list, -1)
Does not exist

这个else异常处理中的子句举个例子，

try:
    pass except:
    print("Exception occurred!!!")
else:
    print("Try block executed successfully...")

输出：

Try block executed successfully...

💡说明：

• 这个else循环后的子句仅在没有显式break在所有的迭代之后。你可以把它看作是“不中断”条款。
• else挡路试水后条款又称“补全条款”，即到达else子句中的子句try语句表示试用挡路实际已成功完成

▶省略号*

def some_func():
    Ellipsis

输出

>>> some_func()
# No output, No Error >>> SomeRandomString Traceback (most recent call last):
  File "<stdin>", line 1, in <module> NameError: name 'SomeRandomString' is not defined >>> Ellipsis Ellipsis

💡解释

• 在Python中，Ellipsis是全局可用的内置对象，它等效于...

  >>> ...
  Ellipsis

• 省略可以用于几个目的，
  • 作为尚未编写的代码的占位符(就像pass声明)
  • 在切片语法中表示剩余方向上的完整切片

  >>> import numpy as np >>> three_dimensional_array = np.arange(8).reshape(2, 2, 2)
  array([
      [
          [0, 1],
          [2, 3]
      ],
  
      [
          [4, 5],
          [6, 7]
      ]
  ])

  所以我们的three_dimensional_array是由数组数组组成的数组。假设我们要打印第二个元素(index1)在所有最里面的数组中，我们可以使用省略号绕过前面的所有维度

  >>> three_dimensional_array[:,:,1]
  array([[1, 3],
     [5, 7]])
  >>> three_dimensional_array[..., 1] # using Ellipsis. array([[1, 3],
     [5, 7]])

  注意：这适用于任何数量的维度。您甚至可以选择第一个和最后一个维度中的切片，而忽略中间维度(n_dimensional_array[firs_dim_slice, ..., last_dim_slice])

  • 在……里面type hinting仅表示该类型的一部分(如(Callable[..., int]或Tuple[str, ...]))
  • 您还可以使用省略号作为默认函数参数(在需要区分“没有传递参数”和“没有传递值”的情况下)

▶纯洁

这个拼写是有意的。请不要为此提交补丁

输出(Python 3.x)：

>>> infinity = float('infinity')
>>> hash(infinity)
314159 >>> hash(float('-inf'))
-314159

💡说明：

• 无穷大的散列是10⁵xπ
• 有趣的是，float('-inf')在Python3中为“-10⁵xπ”，而在Python2中为“-10⁵x e

▶让我们毁了它吧

1个

class Yo(object):
    def __init__(self):
        self.__honey = True self.bro = True

输出：

>>> Yo().bro True >>> Yo().__honey AttributeError: 'Yo' object has no attribute '__honey' >>> Yo()._Yo__honey True

2个

class Yo(object):
    def __init__(self):
        # Let's try something symmetrical this time self.__honey__ = True self.bro = True

输出：

>>> Yo().bro True >>> Yo()._Yo__honey__ Traceback (most recent call last):
  File "<stdin>", line 1, in <module> AttributeError: 'Yo' object has no attribute '_Yo__honey__'

为什么要Yo()._Yo__honey工作?

3个

_A__variable = "Some value" class A(object):
    def some_func(self):
        return __variable # not initialized anywhere yet

输出：

>>> A().__variable Traceback (most recent call last):
  File "<stdin>", line 1, in <module> AttributeError: 'A' object has no attribute '__variable' >>> A().some_func()
'Some value'

💡说明：

• Name Mangling用于避免不同命名空间之间的命名冲突。
• 在Python中，解释器修改(损坏)以开头的类成员名称__(双下划线，也称为“下划线”)，并且不能以多个尾部下划线结尾，方法是添加_NameOfTheClass在前面
• 因此，要访问__honey属性，我们必须在第一个代码段中追加_Yo添加到前面，这样可以防止与任何其他类中定义的相同名称属性发生冲突
• 但是为什么它在第二个片段中不起作用呢？因为名称损坏会排除以双下划线结尾的名称
• 第三个代码片段也是名称损坏的结果。名字__variable在声明中return __variable被弄得残缺不全_A__variable，恰好也是我们在外部作用域中声明的变量的名称
• 此外，如果损坏的名称超过255个字符，则会发生截断

部分：外表是有欺骗性的！

▶跳过台词？

输出：

>>> value = 11 >>> valuе = 32 >>> value 11

无精打采的？

注：要再现这一点，最简单的方法是简单地从上面的代码片段复制语句，并将它们粘贴到文件/shell中

💡解释

有些非西方字符看起来与英语字母表中的字母相同，但口译员认为它们是不同的

>>> ord('е') # cyrillic 'e' (Ye) 1077 >>> ord('e') # latin 'e', as used in English and typed using standard keyboard 101 >>> 'е' == 'e' False >>> value = 42 # latin e >>> valuе = 23 # cyrillic 'e', Python 2.x interpreter would raise a `SyntaxError` here >>> value 42

内置的ord()函数返回字符的Unicodecode point，并且西里尔文‘e’和拉丁文‘e’的不同代码位置证明了上述示例的行为

▶隐形传态

# `pip install numpy` first. import numpy as np def energy_send(x):
    # Initializing a numpy array np.array([float(x)])

def energy_receive():
    # Return an empty numpy array return np.empty((), dtype=np.float).tolist()

输出：

>>> energy_send(123.456)
>>> energy_receive()
123.456

诺贝尔奖在哪里？

💡说明：

• 请注意，在energy_send函数不返回，因此内存空间可以自由重新分配。
• numpy.empty()返回下一个可用内存插槽，而不重新初始化它。这个内存点恰好与刚刚释放的内存点相同(通常，但不总是)

▶嗯，有些事很可疑

def square(x):
    """     A simple function to calculate the square of a number by addition.     """ sum_so_far = 0 for counter in range(x):
        sum_so_far = sum_so_far + x return sum_so_far

输出(Python 2.x)：

>>> square(10)
10

不是应该是100吗？

注：如果无法重现此文件，请尝试运行该文件mixed_tabs_and_spaces.py通过外壳

💡解释

• 不要将制表符和空格混为一谈！紧接在回车之前的字符是“制表符”，并且在示例中的其他地方，代码以“4个空格”的倍数缩进
• 以下是Python处理选项卡的方式：
  

  首先，制表符被替换(从左到右)1到8个空格，这样替换之前(包括替换)的字符总数是8的倍数<.>

• 所以最后一行的“制表符”square函数被替换为8个空格，并进入循环
• Python3非常友好，可以在这种情况下自动抛出错误

  输出(Python 3.x)：

  TabError: inconsistent use of tabs and spaces in indentation

部分：其他

▶+=速度更快

# using "+", three strings: >>> timeit.timeit("s1 = s1 + s2 + s3", setup="s1 = ' ' * 100000; s2 = ' ' * 100000; s3 = ' ' * 100000", number=100)
0.25748300552368164 # using "+=", three strings: >>> timeit.timeit("s1 += s2 + s3", setup="s1 = ' ' * 100000; s2 = ' ' * 100000; s3 = ' ' * 100000", number=100)
0.012188911437988281

💡说明：

• +=比我们的速度要快得多+用于连接两个以上的字符串，因为第一个字符串(例如，s1为s1 += s2 + s3)在计算完整字符串时不会被销毁

▶让我们做一根巨大的绳子吧！

def add_string_with_plus(iters):
    s = "" for i in range(iters):
        s += "xyz" assert len(s) == 3*iters def add_bytes_with_plus(iters):
    s = b"" for i in range(iters):
        s += b"xyz" assert len(s) == 3*iters def add_string_with_format(iters):
    fs = "{}"*iters s = fs.format(*(["xyz"]*iters))
    assert len(s) == 3*iters def add_string_with_join(iters):
    l = []
    for i in range(iters):
        l.append("xyz")
    s = "".join(l)
    assert len(s) == 3*iters def convert_list_to_string(l, iters):
    s = "".join(l)
    assert len(s) == 3*iters