目录 | 上一节 (2.6 列表推导式) | 下一节 (3 从程序组织)
2.7 对象
本节介绍有关 Python 内部对象模型的更多详细信息，并讨论一些与内存管理，拷贝和类型检查有关的问题。
赋值
Python 中的许多操作都与赋值或者存储值有关。
a = value # Assignment to a variable
s[n] = value # Assignment to a list
s.append(value) # Appending to a list
d['key'] = value # Adding to a dictionary
警告：赋值操作永远不是值拷贝。所有的赋值操作都是引用拷贝（如果你乐意，也可以说是指针拷贝）
赋值示例
考虑该代码片段：
a = [1,2,3]
b = a
c = [a,b]
以下是底层内存操作图。在此示例中，只有一个列表对象 [1,2,3]，但是有四个不同的引用指向它。
这意味着修改一个值会影响所有的引用。
>>> a.append(999)
>>> a
[1,2,3,999]
>>> b
[1,2,3,999]
>>> c
[[1,2,3,999], [1,2,3,999]]
>>>
请注意，原始列表中的更改是如何在其它地方显示的。这是因为从未进行任何拷贝，所有的东西都指向同一个东西。
重新赋值
重新赋值永远不会重写之前的值所使用的内存。
a = [1,2,3]
b = a
a = [4,5,6]print(a) # [4, 5, 6]
print(b) # [1, 2, 3] Holds the original value
切记：变量是名称，不是内存地址
风险
如果你不知道这种（数据）共享（的方式），那么在某些时候你会搬起石头砸自己的脚。典型情景，你修改了一些数据，以为它是自己的私有拷贝，但是它却意外地损破坏了程序其它部分的某些数据。
说明：这就是为什么原始数据类型是不可变（只读）的原因之一
标识值和引用
使用 is 操作符检查两个值是否真的是相同的对象。
>>> a = [1,2,3]
>>> b = a
>>> a is b
True
>>>
is 操作符比较对象的标识值（一个整数）。标识值可以使用 id() 函数获取。
>>> id(a)
3588944
>>> id(b)
3588944
>>>
注意：使用 == 检查对象是否相等几乎总是更好，is的结果通常会出乎意料：
>>> a = [1,2,3]
>>> b = a
>>> c = [1,2,3]
>>> a is b
True
>>> a is c
False
>>> a == c
True
>>>
浅拷贝
列表和字典自身具有用于拷贝的方法。
>>> a = [2,3,[100,101],4]
>>> b = list(a) # Make a copy
>>> a is b
False
这是一个新列表，但是列表中的项是共享的。
>>> a[2].append(102)
>>> b[2]
[100,101,102]
>>>
>>> a[2] is b[2]
True
>>>
例如，内部列表 [100, 101, 102] 正在共享。这就是众所皆知的浅拷贝。下面是图示：
深拷贝
有时候，需要拷贝一个对象及其中所包含的所有对象，为此，可以使用 copy 模块：
>>> a = [2,3,[100,101],4]
>>> import copy
>>> b = copy.deepcopy(a)
>>> a[2].append(102)
>>> b[2]
[100,101]
>>> a[2] is b[2]
False
>>>
名称，值，类型
变量名称没有类型，仅仅是一个名字。但是，值确实具有一个底层的类型。
>>> a = 42
>>> b = 'Hello World'
>>> type(a)
<type 'int'>
>>> type(b)
<type 'str'>
type() 函数将告诉你这是什么。类型名称通常用作创建或将值转换为该类型的函数。
类型检查
如何判断对象是否为特定类型？
if isinstance(a, list):
print('a is a list')
检查是否是多种类型中的一种：
if isinstance(a, (list,tuple)):
print('a is a list or tuple')
注意：不要过度使用类型检查。这会导致过度的代码复杂性。通常，如果这样做能够阻止其他人在使用你的代码时犯常见错误，那么就使用类型检查。
一切皆对象
数字，字符串，列表，函数，异常，类，实例等都是对象。这意味着所有可以命名的对象都可以作为数据传递、放置到容器中，而没有任何限制。没有特殊的对象。有时，可以这样说，所有的对象都是“一等对象”。
一个简单的例子：
>>> import math
>>> items = [abs, math, ValueError ]
>>> items
[<built-in function abs>,
<module 'math' (builtin)>,
<type 'exceptions.ValueError'>]
>>> items[0](-45)
45
>>> items[1].sqrt(2)
1.4142135623730951
>>> try:
x = int('not a number')
except items[2]:
print('Failed!')
Failed!
>>>
在这里，items 是一个包含函数，模块和异常的列表。可以直接使用列表中的项代替原始名称。
items[0](-45) # abs
items[1].sqrt(2) # math
except items[2]: # ValueError
权利越大，责任越大。只是因为你可以做，但并意味这你应该这样做。
练习
在这组练习中，我们来看看来自一等对象的威力。
练习 2.24：一等数据
在 Data/portfolio.csv 文件中，我们把有组织的数据读取为列，如下所示：
name,shares,price
"AA",100,32.20
"IBM",50,91.10
...
在之前的代码中，我们使用 csv 模块读取文件，但是仍必须手动执行类型转换。例如：
for row in rows:
name = row[0]
shares = int(row[1])
price = float(row[2])
也可以使用一些列表基本操作以更巧妙的方式来执行这种转换。
创建一个包含转换函数名称的 Python 列表，这些函数用来把每一列转换成适当的类型。
>>> types = [str, int, float]
>>>
可以创建这样的列表是因为在 Python 中一切皆一等对象。所以，如果想创建一个函数列表，也是可以的。列表中创建的项用于将值 x 转换为给定的类型（如：str(x), int(x), float(x)）。
现在，从上面文件的数据中读取一行：
>>> import csv
>>> f = open('Data/portfolio.csv')
>>> rows = csv.reader(f)
>>> headers = next(rows)
>>> row = next(rows)
>>> row
['AA', '100', '32.20']
>>>
如前所述，该行不足以进行计算，因为类型是错误的。例如：
>>> row[1] * row[2]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: can't multiply sequence by non-int of type 'str'
>>>
但是，也许数据可以与在 types 中指定的类型配对。例如：
>>> types[1]
<type 'int'>
>>> row[1]
'100'
>>>
尝试转换其中一个值：
>>> types[1](row[1]) # Same as int(row[1])
100
>>>
尝试转换另一个值：
>>> types[2](row[2]) # Same as float(row[2])
32.2
>>>
尝试使用转换后的值进行计算：
>>> types[1](row[1])*types[2](row[2])
3220.0000000000005
>>>
使用 zip() 函数将字段组合到一起，并且查看结果：
>>> r = list(zip(types, row))
>>> r
[(<type 'str'>, 'AA'), (<type 'int'>, '100'), (<type 'float'>,'32.20')]
>>>
注意看，这会将类型转换函数名称与值配对。例如，int 和 '100'配对。
如果要一个接一个地对所有值进行转换，那么合并后的列表很有用。请尝试：
>>> converted = []
>>> for func, val in zip(types, row):
converted.append(func(val))
...
>>> converted
['AA', 100, 32.2]
>>> converted[1] * converted[2]
3220.0000000000005
>>>
确保你理解上述代码中所发生的事情。在循环中，func 变量是类型转换函数（如str, int等 ）之一且 val 变量是值（'AA', '100'）之一。表达式 func(val)转换一个值（类似于类型转换）。
上面的代码可以转换为单个列表推导式。
>>> converted = [func(val) for func, val in zip(types, row)]
>>> converted
['AA', 100, 32.2]
>>>
练习 2.25：创建字典
还记得如果有一个键和值的序列，如何使用dict() 函数轻松地创建字典吗？让我们从列标题创建一个字典吧：
>>> headers
['name', 'shares', 'price']
>>> converted
['AA', 100, 32.2]
>>> dict(zip(headers, converted))
{'price': 32.2, 'name': 'AA', 'shares': 100}
>>>
当然，如果你精通列表推导式，则可以使用字典推导式一步完成整个转换。
>>> { name: func(val) for name, func, val in zip(headers, types, row) }
{'price': 32.2, 'name': 'AA', 'shares': 100}
>>>
练习 2.26：全局
使用本练习中的技术，可以编写语句，轻松地将几乎任何面向列的数据文件中的字段转换为 Python 字典。
为了说明，假设你像下面这样从不同的数据文件读取数据，如下所示：
>>> f = open('Data/dowstocks.csv')
>>> rows = csv.reader(f)
>>> headers = next(rows)
>>> row = next(rows)
>>> headers
['name', 'price', 'date', 'time', 'change', 'open', 'high', 'low', 'volume']
>>> row
['AA', '39.48', '6/11/2007', '9:36am', '-0.18', '39.67', '39.69', '39.45', '181800']
>>>
让我们使用类似的技巧来转换字段：
>>> types = [str, float, str, str, float, float, float, float, int]
>>> converted = [func(val) for func, val in zip(types, row)]
>>> record = dict(zip(headers, converted))
>>> record
{'volume': 181800, 'name': 'AA', 'price': 39.48, 'high': 39.69,
'low': 39.45, 'time': '9:36am', 'date': '6/11/2007', 'open': 39.67,
'change': -0.18}
>>> record['name']
'AA'
>>> record['price']
39.48
>>>
附加题：如何修改本示例以进一步解析 date 条目到元组中，如(6, 11, 2007)？
请花一些时间仔细思考你在练习中所做的事情。我们稍后会再次讨论这些想法。
