新智元推荐
来源:GitHub
Python, 是一个设计优美的解释型高级语言, 它提供了很多能让程序员感到舒适的功能特性。但有的时候, Python 的一些输出结果对于初学者来说似乎并不是那么一目了然。
这个有趣的项目意在收集 Python 中那些难以理解和反人类直觉的例子以及鲜为人知的功能特性, 并尝试讨论这些现象背后真正的原理!
虽然下面的有些例子并不一定会让你觉得 WTFs,但它们依然有可能会告诉你一些你所不知道的 Python 有趣特性。我觉得这是一种学习编程语言内部原理的好办法, 而且我相信你也会从中获得乐趣!
目录
Structure of the Examples/示例结构
Usage/用法
???? Examples/示例
> +=
is faster/更快的 +=
> Let s make a giant string!/来做个巨大的字符串吧!
> Explicit typecast of strings/字符串的显式类型转换
> Minor Ones/小知识点
> Okay Python, Can you make me fly?/Python, 可否带我飞? *
> goto
, but why?/goto
, 但为什么? *
> Brace yourself!/做好思想准备 *
> Let s meet Friendly Language Uncle For Life/让生活更友好 *
> Even Python understands that love is complicated/连Python也知道爱是难言的 *
> Yes, it exists!/是的, 它存在!
> Inpinity/无限 *
> Mangling time!修饰时间! *
> Modifying a dictionary while iterating over it/迭代字典时的修改
> Stubborn del
operator/坚强的 del
*
> Deleting a list item while iterating/迭代列表时删除元素
> Loop variables leaking out!/循环变量泄漏!
> Beware of default mutable arguments!/当心默认的可变参数!
> Catching the Exceptions/捕获异常
> Same operands, different story!/同人不同命!
> The out of scope variable/外部作用域变量
> Be careful with chained operations/小心链式操作
> Name resolution ignoring class scope/忽略类作用域的名称解析
> Needle in a Haystack/大海捞针
> Skipping lines?/跳过一行?
> Teleportation/空间移动 *
> Well, something is fishy.../嗯, 有些可疑...
> Strings can be tricky sometimes/微妙的字符串 *
> Time for some hash brownies!/是时候来点蛋糕了!
> Return return everywhere!/到处返回!
> Deep down, we re all the same./本质上,我们都一样. *
> For what?/为什么?
> Evaluation time discrepancy/评估时间差异
> is
is not what it is!/出人意料的is
!
> A tic-tac-toe where X wins in the first attempt!/一蹴即至!
> The sticky output function/麻烦的输出
> is not ...
is not is (not ...)
/is not ...
不是 is (not ...)
> The surprising comma/意外的逗号
> Backslashes at the end of string/字符串末尾的反斜杠
> not knot!/别纠结!
> Half triple-quoted strings/三个引号
> Midnight time doesn t exist?/不存在的午夜?
> What s wrong with booleans?/布尔你咋了?
> Class attributes and instance attributes/类属性和实例属性
> yielding None/生成 None
> Mutating the immutable!/强人所难
> The disappearing variable from outer scope/消失的外部变量
> When True is actually False/真亦假
> From filled to None in one instruction.../从有到无...
> Subclass relationships/子类关系 *
> The mysterious key type conversion/神秘的键型转换 *
> Let s see if you can guess this?/看看你能否猜到这一点?
Section: Strain your brain!/大脑运动!
Section: Appearances are deceptive!/外表是靠不住的!
Section: Watch out for the landmines!/小心地雷!
Section: The Hidden treasures!/隐藏的宝藏!
Section: Miscellaneous/杂项
Contributing/贡献
Acknowledgements/致谢
License/许可
Help/帮助
Want to surprise your geeky pythonist friends?/想给你的极客朋友一个惊喜?
Need a pdf version?/需要来一份pdf版的?
Follow Commit/追踪Commit
示例结构
所有示例的结构都如下所示:
> 一个精选的标题 *
标题末尾的星号表示该示例在第一版中不存在,是最近添加的。
# 准备代码.# 释放魔法...
Output (Python version):
>>> 触发语句出乎意料的输出结果
(可选): 对意外输出结果的简短描述。
说明:
简要说明发生了什么以及为什么会发生。
如有必要, 举例说明
Output:
>>> 触发语句 # 一些让魔法变得容易理解的例子# 一些正常的输入
注意: 所有的示例都在 Python 3.5.2 版本的交互解释器上测试过, 如果不特别说明应该适用于所有 Python 版本。
小标题:Usage/用法
我个人建议, 最好依次阅读下面的示例, 并对每个示例:
仔细阅读设置例子最开始的代码. 如果您是一位经验丰富的 Python 程序员, 那么大多数时候您都能成功预期到后面的结果。
阅读输出结果,
如果不知道, 深呼吸然后阅读说明 (如果你还是看不明白, 别沉默! 可以在这提个 issue)。
如果知道, 给自己点奖励, 然后去看下一个例子。
确认结果是否如你所料。
确认你是否知道这背后的原理。
PS: 你也可以在命令行阅读 WTFpython. 我们有 pypi 包 和 npm 包(支持代码高亮)。(译: 这两个都是英文版的)
安装 npm 包 wtfpython
$ npm install -g wtfpython
或者, 安装 pypi 包 wtfpython
$ pip install wtfpython -U
现在, 在命令行中运行 wtfpython, 你就可以开始浏览了。
小标题:Examples/示例
Section: Strain your brain!/大脑运动!
> Strings can be tricky sometimes/微妙的字符串 *
1、
>>> a = "some_string">>> id(a)140420665652016>>> id("some" + "_" + "string") # 注意两个的id值是相同的.140420665652016
2、
>>> a = "wtf">>> b = "wtf">>> a is bTrue>>> a = "wtf!">>> b = "wtf!">>> a is bFalse>>> a, b = "wtf!", "wtf!">>> a is bTrue
3、
>>> a * 20 is aaaaaaaaaaaaaaaaaaaaTrue>>> a * 21 is aaaaaaaaaaaaaaaaaaaaaFalse
很好理解, 对吧?
说明:
这些行为是由于 Cpython 在编译优化时, 某些情况下会尝试使用已经存在的不可变对象而不是每次都创建一个新对象. (这种行为被称作字符串的驻留[string interning])
发生驻留之后, 许多变量可能指向内存中的相同字符串对象。(从而节省内存)
在上面的代码中, 字符串是隐式驻留的. 何时发生隐式驻留则取决于具体的实现。这里有一些方法可以用来猜测字符串是否会被驻留:
所有长度为 0 和长度为 1 的字符串都被驻留。
字符串在编译时被实现 ( wtf
将被驻留, 但是 .join([ w , t , f ]
将不会被驻留)
字符串中只包含字母,数字或下划线时将会驻留. 所以 wtf!
由于包含 !
而未被驻留. 可以在这里找到 CPython 对此规则的实现。
当在同一行将 a
和 b
的值设置为 "wtf!"
的时候, Python 解释器会创建一个新对象, 然后同时引用第二个变量. 如果你在不同的行上进行赋值操作, 它就不会“知道”已经有一个 wtf!
对象 (因为 "wtf!"
不是按照上面提到的方式被隐式驻留的). 它是一种编译器优化, 特别适用于交互式环境.
常量折叠(constant folding) 是 Python 中的一种 窥孔优化(peephole optimization) 技术. 这意味着在编译时表达式 a *20
会被替换为 aaaaaaaaaaaaaaaaaaaa
以减少运行时的时钟周期. 只有长度小于 20 的字符串才会发生常量折叠。(为啥? 想象一下由于表达式 a *10**10
而生成的 .pyc
文件的大小). 相关的源码实现在这里。
hash brownie指一种含有大麻成分的蛋糕, 所以这里是句双关
1、
some_dict = {}some_dict[5.5] = "Ruby"some_dict[5.0] = "JavaScript"some_dict[5] = "Python"
Output:
>>> some_dict[5.5]"Ruby">>> some_dict[5.0]"Python">>> some_dict[5]"Python"
"Python" 消除了 "JavaScript" 的存在?
说明:
Python 字典通过检查键值是否相等和比较哈希值来确定两个键是否相同。
具有相同值的不可变对象在Python中始终具有相同的哈希值。
>>> 5 == 5.0True>>> hash(5) == hash(5.0)True
注意: 具有不同值的对象也可能具有相同的哈希值(哈希冲突)。
当执行 some_dict[5] = "Python"
语句时,因为Python将 5
和 5.0
识别为 some_dict
的同一个键, 所以已有值 "JavaScript" 就被 "Python" 覆盖了。
这个 StackOverflow的回答漂亮的解释了这背后的基本原理。
def some_func(): try: return from_try finally: return from_finally
Output:
>>> some_func() from_finally
说明:
当在 "try...finally" 语句的 try
中执行 return
, break
或 continue
后, finally
子句依然会执行。
函数的返回值由最后执行的 return
语句决定. 由于 finally
子句一定会执行, 所以 finally
子句中的 return
将始终是最后执行的语句。
class WTF: pass
Output:
>>> WTF() == WTF() # 两个不同的对象应该不相等False>>> WTF() is WTF() # 也不相同False>>> hash(WTF()) == hash(WTF()) # 哈希值也应该不同True>>> id(WTF()) == id(WTF())True
说明:
当调用 id
函数时, Python 创建了一个 WTF
类的对象并传给 id
函数。然后 id
函数获取其id值 (也就是内存地址), 然后丢弃该对象。该对象就被销毁了。
当我们连续两次进行这个操作时, Python会将相同的内存地址分配给第二个对象。因为 (在CPython中) id
函数使用对象的内存地址作为对象的id值, 所以两个对象的id值是相同的。
综上, 对象的id值仅仅在对象的生命周期内唯一. 在对象被销毁之后, 或被创建之前, 其他对象可以具有相同的id值。
那为什么 is
操作的结果为 False
呢? 让我们看看这段代码。
class WTF(object): def __init__(self): print("I") def __del__(self): print("D")
Output:
>>> WTF() is WTF()IIDDFalse>>> id(WTF()) == id(WTF())IDIDTrue
正如你所看到的, 对象销毁的顺序是造成所有不同之处的原因。
some_string = "wtf"some_dict = {}for i, some_dict[i] in enumerate(some_string): pass
Output:
>>> some_dict # 创建了索引字典.{0: w , 1: t , 2: f }
说明:
Python 语法 中对 for
的定义是:
for_stmt: for exprlist in testlist : suite [ else : suite]
其中 exprlist
指分配目标. 这意味着对可迭代对象中的每一项都会执行类似 {exprlist} = {next_value}
的操作.
一个有趣的例子说明了这一点:
for i in range(4): print(i) i = 10
Output:
0123
你可曾觉得这个循环只会运行一次?
说明:
由于循环在Python中工作方式, 赋值语句 i = 10
并不会影响迭代循环, 在每次迭代开始之前, 迭代器(这里指 range(4)
) 生成的下一个元素就被解包并赋值给目标列表的变量(这里指 i
)了.
在每一次的迭代中, enumerate(some_string)
函数就生成一个新值 i
(计数器增加) 并从 some_string
中获取一个字符. 然后将字典 some_dict
键 i
(刚刚分配的) 的值设为该字符. 本例中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
> Evaluation time discrepancy/评估时间差异
1、
array = [1, 8, 15]g = (x for x in array if array.count(x) > 0)array = [2, 8, 22]
Output:
>>> print(list(g))[8]
2、
array_1 = [1,2,3,4]g1 = (x for x in array_1)array_1 = [1,2,3,4,5]array_2 = [1,2,3,4]g2 = (x for x in array_2)array_2[:] = [1,2,3,4,5]
Output:
>>> print(list(g1))[1,2,3,4]>>> print(list(g2))[1,2,3,4,5]
说明
在生成器表达式中, in
子句在声明时执行, 而条件子句则是在运行时执行。
所以在运行前, array
已经被重新赋值为 [2, 8, 22]
, 因此对于之前的 1
, 8
和 15
, 只有 count(8)
的结果是大于 0
的, 所以生成器只会生成 8。
第二部分中 g1
和 g2
的输出差异则是由于变量 array_1
和 array_2
被重新赋值的方式导致的。
在第一种情况下, array_1
被绑定到新对象 [1,2,3,4,5]
, 因为 in
子句是在声明时被执行的, 所以它仍然引用旧对象 [1,2,3,4]
(并没有被销毁)。
在第二种情况下, 对 array_2
的切片赋值将相同的旧对象 [1,2,3,4]
原地更新为 [1,2,3,4,5]
. 因此 g2
和 array_2
仍然引用同一个对象(这个对象现在已经更新为 [1,2,3,4,5]
)。
下面是一个在互联网上非常有名的例子。
>>> a = 256>>> b = 256>>> a is bTrue>>> a = 257>>> b = 257>>> a is bFalse>>> a = 257; b = 257>>> a is bTrue
说明:
is
和 ==
的区别
is
运算符检查两个运算对象是否引用自同一对象 (即, 它检查两个预算对象是否相同).
==
运算符比较两个运算对象的值是否相等.
因此 is
代表引用相同, ==
代表值相等. 下面的例子可以很好的说明这点,
>>> [] == []True>>> [] is [] # 这两个空列表位于不同的内存地址.False
256
是一个已经存在的对象, 而 257
不是
当你启动Python 的时候, -5
到 256
的数值就已经被分配好了. 这些数字因为经常使用所以适合被提前准备好。
>>> 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
这里解释器并没有智能到能在执行 y = 257
时意识到我们已经创建了一个整数 257
, 所以它在内存中又新建了另一个对象。
当 a
和 b
在同一行中使用相同的值初始化时,会指向同一个对象。
>>> a, b = 257, 257>>> id(a)140640774013296>>> id(b)140640774013296>>> a = 257>>> b = 257>>> id(a)140640774013392>>> id(b)140640774013488
当 a 和 b 在同一行中被设置为 257
时, Python 解释器会创建一个新对象, 然后同时引用第二个变量. 如果你在不同的行上进行, 它就不会 "知道" 已经存在一个 257
对象了。
这是一种特别为交互式环境做的编译器优化. 当你在实时解释器中输入两行的时候, 他们会单独编译, 因此也会单独进行优化. 如果你在 .py
文件中尝试这个例子, 则不会看到相同的行为, 因为文件是一次性编译的。
Output:
# 我们先初始化一个变量rowrow = [""]*3 #row i[ , , ]# 并创建一个变量boardboard = [row]*3
我们有没有赋值过3个 "X" 呢?
>>> board[[ , , ], [ , , ], [ , , ]]>>> board[0][ , , ]>>> board[0][0] >>> board[0][0] = "X">>> board[[ X , , ], [ X , , ], [ X , , ]]
说明:
当我们初始化 row
变量时, 下面这张图展示了内存中的情况。
而当通过对 row
做乘法来初始化 board
时, 内存中的情况则如下图所示 (每个元素 board[0]
, board[1]
和 board[2]
都和 row
一样引用了同一列表。)
我们可以通过不使用变量 row
生成 board
来避免这种情况. (这个issue提出了这个需求。)
>>> board = [[ ]*3 for _ in range(3)]>>> board[0][0] = "X">>> board[[ X , , ], [ , , ], [ , , ]]
funcs = []results = []for x in range(7): def some_func(): return x funcs.append(some_func) results.append(some_func())funcs_results = [func() for func in funcs]
Output:
>>> results[0, 1, 2, 3, 4, 5, 6]>>> funcs_results[6, 6, 6, 6, 6, 6, 6]
即使每次在迭代中将 some_func
加入 funcs
前的 x
值都不相同, 所有的函数还是都返回6。
说明:
当在循环内部定义一个函数时, 如果该函数在其主体中使用了循环变量, 则闭包函数将与循环变量绑定, 而不是它的值. 因此, 所有的函数都是使用最后分配给变量的值来进行计算的.
可以通过将循环变量作为命名变量传递给函数来获得预期的结果. 为什么这样可行? 因为这会在函数内再次定义一个局部变量。
funcs = []for x in range(7): def some_func(x=x): return x funcs.append(some_func)
Output:
>>> funcs_results = [func() for func in funcs]>>> funcs_results[0, 1, 2, 3, 4, 5, 6]
is not ...
is not is (not ...)
/is not ...
不是 is (not ...)
>>> something is not NoneTrue>>> something is (not None)False
is not
是个单独的二进制运算符, 和分别使用 is
和 not
不同。
如果操作符两侧的变量指向同一个对象, 则 is not
的结果为 False
, 否则结果为 True。
更多内容请看原文链接:
https://github.com/leisurelicht/wtfpython-cn
* 凡来源非注明“机器学习算法与Python学习原创”的所有作品均为转载稿件,其目的在于促进信息交流,并不代表本公众号赞同其观点或对其内容真实性负责。
推荐阅读
文章浏览阅读2.5w次,点赞6次,收藏50次。官方解释是,docker 容器是机器上的沙盒进程,它与主机上的所有其他进程隔离。所以容器只是操作系统中被隔离开来的一个进程,所谓的容器化,其实也只是对操作系统进行欺骗的一种语法糖。_docker菜鸟教程
文章浏览阅读5.7k次,点赞3次,收藏14次。该如何避免的,今天小编给大家推荐两个下载Windows系统官方软件的资源网站,可以杜绝软件捆绑等行为。该站提供了丰富的Windows官方技术资源,比较重要的有MSDN技术资源文档库、官方工具和资源、应用程序、开发人员工具(Visual Studio 、SQLServer等等)、系统镜像、设计人员工具等。总的来说,这两个都是非常优秀的Windows系统镜像资源站,提供了丰富的Windows系统镜像资源,并且保证了资源的纯净和安全性,有需要的朋友可以去了解一下。这个非常实用的资源网站的创建者是国内的一个网友。_msdn我告诉你
文章浏览阅读1.2k次。vue2封装对话框el-dialog组件_
文章浏览阅读4.7k次,点赞5次,收藏6次。MFC 文本框换行 标签: it mfc 文本框1.将Multiline属性设置为True2.换行是使用"\r\n" (宽字符串为L"\r\n")3.如果需要编辑并且按Enter键换行,还要将 Want Return 设置为 True4.如果需要垂直滚动条的话将Vertical Scroll属性设置为True,需要水平滚动条的话将Horizontal Scroll属性设_c++ mfc同一框内输入二行怎么换行
文章浏览阅读832次。检查Linux是否是否开启所需端口,默认为6379,若未打开,将其开启:以root用户执行iptables -I INPUT -p tcp --dport 6379 -j ACCEPT如果还是未能解决,修改redis.conf,修改主机地址:bind 192.168.85.**;然后使用该配置文件,重新启动Redis服务./redis-server redis.conf..._redis-server doesn't support auth command or ismisconfigured. try
文章浏览阅读4.9k次。济大数电实验报告_数据选择器及其应用
文章浏览阅读236次。1研究内容消费在生产中占据十分重要的地位,是生产的最终目的和动力,是保持省内经济稳定快速发展的核心要素。预测河南省社会消费品零售总额,是进行宏观经济调控和消费体制改变创新的基础,是河南省内人民对美好的全面和谐社会的追求的要求,保持河南省经济稳定和可持续发展具有重要意义。本文建立灰色预测模型,利用MATLAB软件,预测出2019年~2023年河南省社会消费品零售总额预测值分别为21881...._灰色预测模型用什么软件
文章浏览阅读1.2k次。12.4-在Qt中使用Log4Qt输出Log文件,看这一篇就足够了一、为啥要使用第三方Log库,而不用平台自带的Log库二、Log4j系列库的功能介绍与基本概念三、Log4Qt库的基本介绍四、将Log4qt组装成为一个单独模块五、使用配置文件的方式配置Log4Qt六、使用代码的方式配置Log4Qt七、在Qt工程中引入Log4Qt库模块的方法八、获取示例中的源代码一、为啥要使用第三方Log库,而不用平台自带的Log库首先要说明的是,在平时开发和调试中开发平台自带的“打印输出”已经足够了。但_log4qt
文章浏览阅读786次。全局观思维模型,一个教我们由点到线,由线到面,再由面到体,不断的放大格局去思考问题的思维模型。_计算机中对于全局观的
文章浏览阅读330次。一、CountDownLatch介绍CountDownLatch采用减法计算;是一个同步辅助工具类和CyclicBarrier类功能类似,允许一个或多个线程等待,直到在其他线程中执行的一组操作完成。二、CountDownLatch俩种应用场景: 场景一:所有线程在等待开始信号(startSignal.await()),主流程发出开始信号通知,既执行startSignal.countDown()方法后;所有线程才开始执行;每个线程执行完发出做完信号,既执行do..._countdownluach于cyclicbarrier的用法
文章浏览阅读508次。Prometheus 算是一个全能型选手,原生支持容器监控,当然监控传统应用也不是吃干饭的,所以就是容器和非容器他都支持,所有的监控系统都具备这个流程,_-自动化监控系统prometheus&grafana实战
文章浏览阅读4.7k次。输入关键字,可以通过键盘的搜索按钮完成搜索功能。_react search