Python類方法vs靜態方法

類方法（Class Methods）

類方法使用@classmethod裝飾器定義，它們的第一個參數通常命名為cls，代表類本身。

特點：

可以訪問和修改類的狀態

不能訪問實例的狀態

可以用來定義替代構造器

示例：

class MyClass:
    class_variable = 0

    @classmethod
    def increment_class_variable(cls):
        cls.class_variable += 1

    @classmethod
    def from_string(cls, string_param):
        # 替代構造器
        return cls(int(string_param))

# 使用類方法
MyClass.increment_class_variable()
obj = MyClass.from_string("10")

靜態方法（Static Methods）

靜態方法使用@staticmethod裝飾器定義，它們不接收任何特殊的第一個參數。

特點：

不能訪問或修改類的狀態

不能訪問實例的狀態

主要用于將功能邏輯組織到類中

示例：

class MathOperations:
    @staticmethod
    def add(x, y):
        return x + y

    @staticmethod
    def multiply(x, y):
        return x * y

# 使用靜態方法
result = MathOperations.add(5, 3)

主要區別

參數：類方法接收類作為隱式第一個參數，靜態方法不接收特殊參數。

訪問類屬性：類方法可以訪問和修改類屬性，靜態方法不能。

使用場景：

類方法通常用于需要訪問類狀態的操作，如替代構造器。

靜態方法用于與類相關但不需要訪問類狀態的操作。

繼承行為：子類繼承類方法時，cls參數會指向子類。靜態方法的行為在繼承時不變。

選擇使用哪種方法

如果方法需要訪問類屬性或者修改類狀態，使用類方法。

如果方法不需要訪問類或實例狀態，只是提供一些相關功能，使用靜態方法。

如果方法既不需要訪問類狀態也不需要訪問實例狀態，但從邏輯上屬于類，使用靜態方法。

Python中的深拷貝與淺拷貝

在Python中，當我們復制對象時，有兩種主要的方式：深拷貝（Deep Copy）和淺拷貝（Shallow Copy）。理解這兩者的區別對于正確處理復雜數據結構非常重要。

淺拷貝（Shallow Copy）

淺拷貝創建一個新對象，但是它包含的元素是原始對象中元素的引用。

特點：

創建一個新對象

新對象中的元素是原始對象元素的引用

只復制對象的第一層

實現方式：

使用切片操作[:]

使用copy()方法

使用copy模塊的copy()函數

示例：

import copy

original = [1, [2, 3], 4]
shallow = copy.copy(original)

# 修改淺拷貝中的嵌套列表
shallow[1][0] = 'X'

print(original)  # 輸出: [1, ['X', 3], 4]
print(shallow)   # 輸出: [1, ['X', 3], 4]

在這個例子中，修改淺拷貝中的嵌套列表也會影響原始列表。

深拷貝（Deep Copy）

深拷貝創建一個新對象，并遞歸地復制原始對象中的所有嵌套對象。

特點：

創建一個全新的對象

遞歸地復制所有嵌套的對象

原始對象和拷貝對象完全獨立

實現方式：

使用copy模塊的deepcopy()函數

示例：

import copy

original = [1, [2, 3], 4]
deep = copy.deepcopy(original)

# 修改深拷貝中的嵌套列表
deep[1][0] = 'X'

print(original)  # 輸出: [1, [2, 3], 4]
print(deep)      # 輸出: [1, ['X', 3], 4]

在這個例子中，修改深拷貝中的嵌套列表不會影響原始列表。

主要區別

復制深度：淺拷貝只復制對象的第一層，而深拷貝遞歸地復制所有層。

內存使用：深拷貝通常比淺拷貝使用更多的內存，因為它創建了所有嵌套對象的副本。

性能：深拷貝通常比淺拷貝慢，特別是對于大型或復雜的數據結構。

獨立性：深拷貝創建的對象與原始對象完全獨立，而淺拷貝創建的對象與原始對象共享部分數據。

使用場景

使用淺拷貝：當您只需要復制對象的頂層，而且嵌套對象可以共享時。

使用深拷貝：當您需要創建一個完全獨立的副本，包括所有嵌套對象時。

注意事項

對于不可變對象（如元組），淺拷貝和深拷貝的行為是相同的。

循環引用可能會導致深拷貝出現問題，deepcopy()函數有處理這種情況的機制。

自定義類可以通過實現__copy__()和__deepcopy__()方法來控制復制行為。

Python裝飾器詳解

裝飾器是Python中的一種高級功能，允許您修改或增強函數或類的行為，而無需直接修改其源代碼。

基本概念

裝飾器本質上是一個函數，它接受一個函數作為參數，并返回一個新的函數。

基本語法

@decorator_function
def target_function():
    pass

這等同于：

def target_function():
    pass
target_function = decorator_function(target_function)

簡單裝飾器示例

1. 函數裝飾器

def uppercase_decorator(func):
    def wrapper():
        result = func()
        return result.upper()
    return wrapper

@uppercase_decorator
def greet():
    return "hello, world!"

print(greet())  # 輸出：HELLO, WORLD!

2. 帶參數的裝飾器

def repeat_decorator(times):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat_decorator(3)
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")  # 將打印 3 次 "Hello, Alice!"

裝飾器的高級用法

1. 類作為裝飾器

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.num_calls = 0
    
    def __call__(self, *args, **kwargs):
        self.num_calls += 1
        print(f"Call {self.num_calls} of {self.func.__name__!r}")
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello!")

say_hello()
say_hello()

2. 保留原函數的元數據

使用functools.wraps裝飾器來保留被裝飾函數的元數據：

from functools import wraps

def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        """Wrapper function"""
        print('Before call')
        result = func(*args, **kwargs)
        print('After call')
        return result
    return wrapper

@my_decorator
def greet(name):
    """Greet someone"""
    print(f"Hello, {name}!")

print(greet.__name__)  # 輸出：greet
print(greet.__doc__)   # 輸出：Greet someone

裝飾器的常見應用

日志記錄

性能測量

訪問控制和認證

緩存

錯誤處理和重試邏輯

注意事項

裝飾器在函數定義時就會執行，而不是在函數調用時。

多個裝飾器可以堆疊使用，執行順序是從下到上。

裝飾器可能會影響函數的性能，特別是在頻繁調用的情況下。

使用functools.wraps可以保留被裝飾函數的元數據。

裝飾器的實現原理

裝飾器的實現原理涉及到Python的幾個重要概念：函數是一等公民、閉包、以及Python的語法糖。讓我們逐步分解裝飾器的實現過程：

1. 函數作為一等公民

在Python中，函數是一等公民，這意味著函數可以：

賦值給變量

作為參數傳遞給其他函數

作為其他函數的返回值

這是裝飾器實現的基礎。

2. 閉包

閉包是一個函數，它記住了創建它時的環境。在Python中，內部函數可以訪問外部函數的變量，這就創建了一個閉包。

3. 裝飾器的基本實現

讓我們通過一個簡單的例子來說明裝飾器的實現：

def simple_decorator(func):
    def wrapper():
        print("Something is happening before the function is called.")
        func()
        print("Something is happening after the function is called.")
    return wrapper

def say_hello():
    print("Hello!")

say_hello = simple_decorator(say_hello)

在這個例子中：

simple_decorator是一個函數，它接受一個函數作為參數。

在simple_decorator內部，我們定義了一個新的函數wrapper。

wrapper函數在調用原始函數前后添加了一些行為。

simple_decorator返回wrapper函數。

最后，我們用simple_decorator返回的新函數替換了原始的say_hello函數。

4. 語法糖

Python提供了一個語法糖（@符號）來簡化裝飾器的使用：

@simple_decorator
def say_hello():
    print("Hello!")

這等同于前面的例子，但更加簡潔和易讀。

5. 帶參數的裝飾器

帶參數的裝飾器實際上是一個返回裝飾器的函數：

def repeat(times):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat(3)
def say_hello(name):
    print(f"Hello, {name}!")

這里，repeat函數返回一個裝飾器，該裝飾器然后被應用到say_hello函數上。

6. 類裝飾器

類裝飾器利用了Python的__call__方法，使得類的實例可以像函數一樣被調用：

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.num_calls = 0
    
    def __call__(self, *args, **kwargs):
        self.num_calls += 1
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello!")

7. 裝飾器的執行時機

重要的是要理解，裝飾器在函數定義時就會執行，而不是在函數調用時。這意味著裝飾器可以在模塊導入時就改變函數的行為。

8. 多個裝飾器

當多個裝飾器應用到一個函數上時，它們的執行順序是從下到上的：

@decorator1
@decorator2
def func():
    pass

這等同于：

func = decorator1(decorator2(func))

通過理解這些原理，我們可以看到裝飾器如何利用Python的函數特性和語法來實現強大而靈活的代碼修改和增強功能。

Python中變量在內存中的存儲方式

Python的內存管理是一個復雜的主題，但了解它可以幫助我們寫出更高效的代碼。讓我們逐步探討Python中變量的存儲方式。

1. 變量和對象的關系

在Python中，變量本質上是對對象的引用。當我們創建一個變量時，我們實際上是在內存中創建了一個對象，然后將變量名與該對象的內存地址關聯起來。

x = 5

在這個例子中，Python在內存中創建了一個整數對象5，然后將變量名x與這個對象的地址關聯起來。

2. 對象的內存表示

Python中的每個對象至少包含三個部分：

類型標識符（告訴Python這個對象是什么類型）

引用計數（用于垃圾回收）

值

3. 不同類型對象的存儲

小整數

Python對小整數（通常是-5到256）進行了優化。這些整數被預先創建并緩存，所有對這些值的引用都指向同一個對象。

a = 5
b = 5
print(a is b)  # 輸出：True

大整數

對于大整數，每次賦值都會創建一個新的對象。

a = 1000
b = 1000
print(a is b)  # 輸出：False

字符串

Python也對字符串進行了優化。相同內容的字符串通常會指向同一個對象（這被稱為字符串駐留）。

a = "hello"
b = "hello"
print(a is b)  # 輸出：True

可變對象（如列表）

可變對象每次創建時都會在內存中分配新的空間。

a = [1, 2, 3]
b = [1, 2, 3]
print(a is b)  # 輸出：False

4. 變量賦值

當我們進行變量賦值時，我們實際上是改變變量引用的對象。

x = 5  # x 引用整數對象 5
x = 10  # x 現在引用整數對象 10，而不是修改原來的 5

5. 引用計數和垃圾回收

Python使用引用計數來進行內存管理。每個對象都有一個引用計數，表示有多少個變量引用了這個對象。當引用計數降為0時，對象就會被垃圾回收器回收。

x = 5  # 創建整數對象 5，引用計數為 1
y = x  # y 也引用同一個對象，引用計數增加到 2
del x  # 刪除 x，引用計數減少到 1
# y 仍然引用這個對象

6. 內存視圖

我們可以使用id()函數來查看對象的內存地址：

x = 5
print(id(x))  # 輸出對象的內存地址

7. 可變對象vs不可變對象

不可變對象（如整數、字符串、元組）：當這些對象的"值"改變時，實際上是創建了一個新對象。

可變對象（如列表、字典）：這些對象可以在原地修改，不需要創建新對象。

# 不可變對象
x = 5
print(id(x))
x += 1
print(id(x))  # 地址會改變

# 可變對象
lst = [1, 2, 3]
print(id(lst))
lst.append(4)
print(id(lst))  # 地址不會改變

理解Python的內存管理和變量存儲方式可以幫助我們寫出更高效的代碼，并避免一些常見的陷阱。