Python数据模型/内部方法答案

【问题标题】：Python data model / internal methodsPython数据模型/内部方法
【发布时间】：2021-01-05 10:10:15
【问题描述】：

想了解一下python（3.8.2）中的数据模型，也许有人可以简单的解释一下，为什么每个基本数据类型都是一个类对象，并且有这么多的属性和功能。

考虑以下代码：

num = 1337
type(num)  # <class 'int'>
dir(num)

>>> 
['__abs__',
 '__add__',
 '__and__',
...
 'real',
 'to_bytes']

所以我可以这样做：

num.__add__(1) 
>>> 1338

所以我的问题是：为什么这些函数是用户定义变量的一部分，而且这不是有一些开销吗？

【问题讨论】：

所以你可以为任何你想要的类定义+和其他操作。（是的，可能还有其他方法可以做到这一点，但这就是 Python 的做法。）另外，Python 中的 int 并不像 C 中的 int 那样完全是“基本”数据类型，因为它可以保持任意大值。
您究竟在哪里看到了内存开销？我不知道任何语言都会消耗大量内存的方法。该方法附加到类，它是一个指向函数的指针，因此成本不会太高。在这些方法的实现中可能会占用大量内存，但您无法从您所展示的内容中看出这种情况。据我所知，每个单独的对象都没有额外的内存成本。

【解决方案1】：

“一切都是 Python 中的对象”，所以“一切”（也许不完全是一切，我不知道）是一个类实例，并且具有潜在的属性和方法。

也就是说你必须知道，按照惯例，每个名称以__ 开头的方法都被认为是私有的（并且几乎是真正受保护的），你不应该直接使用它。

名称以__ 开头和结尾的每个方法都称为magic method，并且具有非常明确的角色。它们可以被视为一种挂钩，绑定到对象生命周期中的特定运算符或时刻。

例如__add__ 是绑定到+ 运算符的方法。当你做一个加法时，你实际上是在调用一个数字的__add__ 方法，给它另一个数字作为参数。如您所见，您也可以根据需要直接调用__add__ 方法，但不鼓励这样做。

Python 是一种高级解释语言。它提供了许多工具和清晰的语法，允许专注于实际问题而不是实现细节。

这些设施并非凭空而来，而是由（除其他外）内部数据模型提供的好处。这种数据模型当然不如专门为单个问题设计的定制手工 C 数据结构轻量级，但它在许多情况下都很实用且可用（并且在许多用途中仍然相当轻巧且性能良好）。

如果您担心内存优化和极端性能，您可能应该查看一些较低级别的语言，例如 C 或 Go。

但请记住，解决任何问题可能需要更多时间:)

【讨论】：

【解决方案2】：

为什么有这么多方法：

Python 是一种面向对象的 语言。它建立在相互交互的对象之上。也许 Python 必须是面向对象的并没有什么特别的原因，但是编写它的人可以决定它是什么类型的语言，然后他选择了这种类型。

在 Python 中，对象决定如何实现操作。这就是为什么你可以拥有像'str1' + 'str2' 或23 + 40 这样的自然语法。请注意，这些都是以相同的方式编写的，但是会产生不同的结果，因为+ 操作是在不同的对象上执行的。

内存管理呢：

如果对象没有决定如何实现操作，那么逻辑仍然必须存储在某个地方。它可能至少会占用一些内存。

问题是一个对象使用了多少内存？为此，您可以使用sys.getsizeof 函数：

import sys
print(sys.getsizeof(int))  # Prints size in bytes
>>> 416
print(sys.getsizeof(1))
>>> 28

因此，类 (int) 的内存比对象 (1) 大得多。这意味着整数的实例比它们的类要小得多，因此内存不会急剧膨胀。

【讨论】：