目录 | 上一节 (2.6 列表推导式) | [下一节 (3 程序组织)]()
2.7 对象
本节介绍无关 Python 外部对象模型的更多详细信息，并探讨一些与内存治理，拷贝和类型查看无关的问题。
赋值
Python 中的许多操作都与赋值或者存储值无关。
a = value # Assignment to a variables[n] = value # Assignment to a lists.append(value) # Appending to a listd['key'] = value # Adding to a dictionary正告：赋值操作永远不是值拷贝。所有的赋值操作都是援用拷贝（如果你乐意，也能够说是指针拷贝）
赋值示例
思考该代码片段：
a = [1,2,3]b = ac = [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]，然而有四个不同的援用指向它。
这意味着批改一个值会影响所有的援用。
>>> a.append(999)>>> a[1,2,3,999]>>> b[1,2,3,999]>>> c[[1,2,3,999], [1,2,3,999]]>>>请留神，原始列表中的更改是如何在其它中央显示的。这是因为从未进行任何拷贝，所有的货色都指向同一个货色。
从新赋值
从新赋值永远不会重写之前的值所应用的内存。
a = [1,2,3]b = aa = [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
危险
如果你不晓得这种（数据）共享（的形式），那么在某些时候你会搬起石头砸本人的脚。典型情景，你批改了一些数据，认为它是本人的公有拷贝，然而它却意外地损毁坏了程序其它局部的某些数据。
阐明：这就是为什么原始数据类型是不可变（只读）的起因之一
标识值和援用
应用 is 操作符查看两个值是否真的是雷同的对象。
>>> a = [1,2,3]>>> b = a>>> a is bTrue>>>is 操作符比拟对象的标识值（一个整数）。标识值能够应用 id() 函数获取。
>>> id(a)3588944>>> id(b)3588944>>>留神：应用 == 查看对象是否相等简直总是更好，is的后果通常会出其不意：
>>> a = [1,2,3]>>> b = a>>> c = [1,2,3]>>> a is bTrue>>> a is cFalse>>> a == cTrue>>>浅拷贝
列表和字典本身具备用于拷贝的办法。
>>> a = [2,3,[100,101],4]>>> b = list(a) # Make a copy>>> a is bFalse这是一个新列表，然而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，外部列表 [100, 101, 102] 正在共享。这就是众所皆知的浅拷贝。上面是图示：
深拷贝
有时候，须要拷贝一个对象及其中所蕴含的所有对象，为此，能够应用 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。然而，值的确具备一个底层的类型。
>>> a = 42>>> b = 'Hello World'>>> type(a)<type 'int'>>>> type(b)<type 'str'>type() 函数将通知你这是什么。类型名称通常用作创立或将值转换为该类型的函数。
类型查看
如何判断对象是否为特定类型？
if isinstance(a, list): print('a is a list')查看是否是多种类型中的一种：
if isinstance(a, (list,tuple)): print('a is a list or tuple')留神：不要适度应用类型查看。这会导致适度的代码复杂性。通常，如果这样做可能阻止其他人在应用你的代码时犯常见谬误，那么就应用类型查看。
所有皆对象
数字，字符串，列表，函数，异样，类，实例等都是对象。这意味着所有能够命名的对象都能够作为数据传递、搁置到容器中，而没有任何限度。没有非凡的对象。有时，能够这样说，所有的对象都是“一等对象”。
一个简略的例子：
>>> 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 是一个蕴含函数，模块和异样的列表。能够间接应用列表中的项代替原始名称。
items[0](-45) # absitems[1].sqrt(2) # mathexcept items[2]: # ValueError权力越大，责任越大。只是因为你能够做，但并象征这你应该这样做。
练习
在这组练习中，咱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，咱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，咱们应用 csv 模块读取文件，然而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])也能够应用一些列表基本操作以更奇妙的形式来执行这种转换。
创立一个蕴含转换函数名称的 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]>>>能够创立这样的列表是因为在 Python 中所有皆一等对象。所以，如果想创立一个函数列表，也是能够的。列表中创立的项用于将值 x 转换为给定的类型（如：str(x), int(x), float(x)）。
当初，从下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，因为类型是谬误的。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'>>>然而，兴许数据能够与在 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>>>尝试应用转换后的值进行计算：
>>> types[1](row[1])*types[2](row[2])3220.0000000000005>>>应用 zip() 函数将字段组合到一起，并且查看后果：
>>> r = list(zip(types, row))>>> r[(<type 'str'>, 'AA'), (<type 'int'>, '100'), (<type 'float'>,'32.20')]>>>留神看，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>>>确保你了解上述代码中所产生的事件。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（相似于类型转换）。
下面的代码能够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：创立字典
还记得如果有一个键和值的序列，如何应用dict() 函数轻松地创立字典吗？让咱们从列题目创立一个字典吧：
>>> 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，则能够应用字典推导式一步实现整个转换。
>>> { 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
应用本练习中的技术，能够编写语句，轻松地将简直任何面向列的数据文件中的字段转换为 Python 字典。
为了阐明，假如你像上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']>>>让咱们应用相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：如何批改本示例以进一步解析 date 条目到元组中，如(6, 11, 2007)？
请花一些工夫认真思考你在练习中所做的事件。咱们稍后会再次探讨这些想法。
目录 | 上一节 (2.6 列表推导式) | [下一节 (3 程序组织)]()
注：残缺翻译见 https://github.com/codists/practical-python-zh