那些让你惊掉下巴到肚皮上的python冷知识(一)

简介: 那些让你惊掉下巴到肚皮上的python冷知识(一)

一、我不是我


现在,我们在交互模式下分别定义两个变量:a,b,他们的值都等于200:

3bd108dd81924929804ed24e85c3da70.png

然后判断a和b是否是引用的同一对象,并打印出来:

85fa465aee0040a1b75beaa290a33de1.png


很显然a和b引用的是同一对象,所以返回的结果为true

是不是觉得我在说废话!!!

下面就是见证奇迹的时候了:

我们再分别定义a和b,他们的值都等于257:

c6a26371ddd843eca7f14c62c976571e.png


这个时候再判断是否是引用的同一对象:

6fd5cdb537ff464788faffb5f642d57e.png

竟然不是了!!!

3b64ebe951d444c28d7eb02c185d992e.jpg


这到底是为什么呢???


现在为你解答:


这其实是python的整数缓冲区导致的结果。


python在交互模式下,会对比较小的整数对象进行缓存([-5,256])


当我们定义的整数不在这个范围时,python会新生成一个对象,独占一个内存地址。


所以,虽然刚刚我们让a和b都等于了257,但因为是分别定义的,两个257的内存地址是不同的,所以a 不是b,返回False。


我们打印两个a和b的id就会发现,他们是不一样的:

18015e2f237648d490c27f09513df412.png


如果我们判断a和b的值是否相等,那返回的就会是true:

afb63052970e454587114c2419ea0fef.png

或者通过:a=b=257,这样再通过is判断是否引用的同一对象,就不会返回False了

ffcb9a4b01d0481097e9d9953d08367d.png

另外,通过编译器(Pycharm、idle)或者保存为文件执行时,结果是不一样的,这是因为解释器做了优化,不会因此分配新的内存地址。


二、空字符串的数量竟然不是零?


现在定义一个变量str1,等于:aabbc,然后打印a的数量:

str1='aabbc'
print("数量为:",str1.count("a"))
-----------------输出结果-----------------
数量为: 2

结果为str1中有两个a

现在又是见证奇迹的时候了!!!

我们打印空字符串的数量:


str1='aabbc'
print("数量为:",str1.count(""))
-----------------输出结果-----------------
数量为: 6

为什str1中有6个空字符串!!!

难道通灵了???

现在把str1的值改为:ab,再打印空字符串的数量

str1='ab'
print("数量为:",str1.count(""))
-----------------输出结果-----------------
数量为: 3

怎么又变成3了!!!

1f0894101d6947e4a18b45e92c8d39c6.jpg


----------------------经过评论区大佬的解答,终于找到原因了----------------------

我们需要去看python的源码这种情况是怎么处理的


当我们通过count统计字符的数量时,会调用stringlib_count这个函数


而查询空字符串的时候,代表下图的sub_len=0


所以会执行下面的代码,会返回被查询字符串的长度+1


0f903bcb59a74dabbb43a85fc1d99bd1.png


py源码中的写法


90bebeab77194f1cb1bc2ac156d4667c.png


原来如此!!!


三、字符串是个列表?


我们定义一个变量a,它的值为:hello world:

a = 'hello world'

然后打印a[0]:

a = 'hello world'
print('a[0]的值为:',a[0])
-----------------输出结果-----------------
a[0]的值为: h


但是输出a的类型却是个str:

a = 'hello world'
print(type(a))
-----------------输出结果-----------------
a的类型为: <class 'str'>

d31cef51e0794c8d91e8cb93594aa9b5.jpg


其实字符串是字符的有序集合,可以通过其位置来获得具体的元素。

在 python 中,字符串中的字符是通过索引来提取的,索引从 0 开始。

当然也可以输入负值,表示从末尾提取,最后一个为 -1,倒数第二个为 -2:

a = 'hello world'
print('a的末尾字母为:',a[-1])
-----------------输出结果-----------------
a的末尾字母为: d


就是这么神奇!!!

分享暂时到这里,小伙伴们点赞、收藏、评论是对我最大的支持!!

目录
相关文章
|
Python
那些让你惊掉下巴到肚皮上的python冷知识(二)
那些让你惊掉下巴到肚皮上的python冷知识(二)
130 0
那些让你惊掉下巴到肚皮上的python冷知识(二)
|
2月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
208 102
|
2月前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
233 104
|
2月前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
204 103
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
146 82
|
7天前
|
Python
Python编程:运算符详解
本文全面详解Python各类运算符,涵盖算术、比较、逻辑、赋值、位、身份、成员运算符及优先级规则,结合实例代码与运行结果,助你深入掌握Python运算符的使用方法与应用场景。
66 3
|
7天前
|
数据处理 Python
Python编程:类型转换与输入输出
本教程介绍Python中输入输出与类型转换的基础知识,涵盖input()和print()的使用,int()、float()等类型转换方法,并通过综合示例演示数据处理、错误处理及格式化输出,助你掌握核心编程技能。
83 3
|
16天前
|
并行计算 安全 计算机视觉
Python多进程编程:用multiprocessing突破GIL限制
Python中GIL限制多线程性能,尤其在CPU密集型任务中。`multiprocessing`模块通过创建独立进程,绕过GIL,实现真正的并行计算。它支持进程池、队列、管道、共享内存和同步机制,适用于科学计算、图像处理等场景。相比多线程,多进程更适合利用多核优势,虽有较高内存开销,但能显著提升性能。合理使用进程池与通信机制,可最大化效率。
165 3
|
8天前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
78 0
|
2月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的多面手
Python:现代编程的多面手
40 0

推荐镜像

更多
下一篇
开通oss服务