什么是`1..__truediv__`？ Python 是否有 .. ("dot dot") 表示法语法？

Question

我最近遇到了一种我在学习 python 时从未见过的语法，在大多数教程中，.. 表示法，它看起来像这样：

f = 1..__truediv__ # or 1..__div__ for python 2

print(f(8)) # prints 0.125 

我认为它与（当然，除了更长）完全相同：

f = lambda x: (1).__truediv__(x)
print(f(8)) # prints 0.125 or 1//8

但我的问题是：

• 它怎么能做到这一点？
• 这两个点的实际含义是什么？
• 如何在更复杂的语句中使用它（如果可能）？

这可能会在未来为我节省很多代码行...:)

Answer 1

您拥有的是一个没有尾随零的float 文字，然后您可以访问它的__truediv__ 方法。它本身不是运算符；第一个点是浮点值的一部分，第二个是点运算符，用于访问对象的属性和方法。

您可以通过执行以下操作达到相同的点。

>>> f = 1.
>>> f
1.0
>>> f.__floordiv__
<method-wrapper '__floordiv__' of float object at 0x7f9fb4dc1a20>

另一个例子

>>> 1..__add__(2.)
3.0

这里我们把 1.0 加到 2.0 上，显然是 3.0。

Answer 2

问题已经得到充分回答（即@Paul Rooneys 的答案），但也可以验证这些答案的正确性。

让我回顾一下现有的答案：.. 不是一个单一的语法元素！

您可以查看源代码"tokenized"。这些标记表示代码的解释方式：

>>> from tokenize import tokenize
>>> from io import BytesIO

>>> s = "1..__truediv__"
>>> list(tokenize(BytesIO(s.encode('utf-8')).readline))
[...
 TokenInfo(type=2 (NUMBER), string='1.', start=(1, 0), end=(1, 2), line='1..__truediv__'),
 TokenInfo(type=53 (OP), string='.', start=(1, 2), end=(1, 3), line='1..__truediv__'),
 TokenInfo(type=1 (NAME), string='__truediv__', start=(1, 3), end=(1, 14), line='1..__truediv__'),
 ...]

所以字符串1. 被解释为数字，第二个. 是一个OP（一个运算符，在本例中是“get attribute”运算符），__truediv__ 是方法名。所以这只是访问浮动1.0的__truediv__方法。

查看生成的字节码的另一种方式是to disassemble它。这实际上显示了执行某些代码时执行的指令：

>>> import dis

>>> def f():
...     return 1..__truediv__

>>> dis.dis(f)
  4           0 LOAD_CONST               1 (1.0)
              3 LOAD_ATTR                0 (__truediv__)
              6 RETURN_VALUE

基本上是一样的。它加载常量1.0 的属性__truediv__。

---

关于你的问题

你如何在更复杂的语句中使用它（如果可能的话）？

即使您可能永远不应该编写这样的代码，只是因为不清楚代码在做什么。所以请不要在更复杂的语句中使用它。我什至会说你不应该在如此“简单”的语句中使用它，至少你应该使用括号来分隔说明：

f = (1.).__truediv__

这无疑更具可读性 - 但类似于：

from functools import partial
from operator import truediv
f = partial(truediv, 1.0)

会更好！

使用partial 的方法还保留了python's data model（1..__truediv__ 方法没有！）这可以通过这个小sn-p 来演示：

>>> f1 = 1..__truediv__
>>> f2 = partial(truediv, 1.)

>>> f2(1+2j)  # reciprocal of complex number - works
(0.2-0.4j)
>>> f2('a')   # reciprocal of string should raise an exception
TypeError: unsupported operand type(s) for /: 'float' and 'str'

>>> f1(1+2j)  # reciprocal of complex number - works but gives an unexpected result
NotImplemented
>>> f1('a')   # reciprocal of string should raise an exception but it doesn't
NotImplemented

这是因为1. / (1+2j) 不是由float.__truediv__ 评估的，而是complex.__rtruediv__ - operator.truediv 确保在正常操作返回NotImplemented 时调用反向操作，但是当您没有这些回退时直接操作__truediv__。这种“预期行为”的损失是您（通常）不应该直接使用魔术方法的主要原因。

Answer 3

两个点放在一起一开始可能有点别扭：

f = 1..__truediv__ # or 1..__div__ for python 2

但和写法一样：

f = 1.0.__truediv__ # or 1.0.__div__ for python 2

因为float 字面量可以写成三种形式：

normal_float = 1.0
short_float = 1.  # == 1.0
prefixed_float = .1  # == 0.1

Answer 4

什么是f = 1..__truediv__？

f 是浮点数的绑定特殊方法，值为 1。具体来说，

1.0 / x

在 Python 3 中，调用：

(1.0).__truediv__(x)

证据：

class Float(float):
    def __truediv__(self, other):
        print('__truediv__ called')
        return super(Float, self).__truediv__(other)

和：

>>> one = Float(1)
>>> one/2
__truediv__ called
0.5

如果我们这样做：

f = one.__truediv__

我们保留绑定到该绑定方法的名称

>>> f(2)
__truediv__ called
0.5
>>> f(3)
__truediv__ called
0.3333333333333333

如果我们在一个紧密的循环中进行点查找，这可以节省一点时间。

解析抽象语法树 (AST)

我们可以看到，解析表达式的 AST 告诉我们，我们得到了浮点数 1.0 的 __truediv__ 属性：

>>> import ast
>>> ast.dump(ast.parse('1..__truediv__').body[0])
"Expr(value=Attribute(value=Num(n=1.0), attr='__truediv__', ctx=Load()))"

您可以从以下位置获得相同的结果函数：

f = float(1).__truediv__

或者

f = (1.0).__truediv__

扣除

我们也可以通过扣法到达那里。

让我们建立起来吧。

1 本身就是一个int:

>>> 1
1
>>> type(1)
<type 'int'>

1 后面有句点是浮点数：

>>> 1.
1.0
>>> type(1.)
<type 'float'>

下一个点本身将是一个 SyntaxError，但它开始对浮点实例进行点查找：

>>> 1..__truediv__
<method-wrapper '__truediv__' of float object at 0x0D1C7BF0>

没有其他人提到这一点 - 现在这是浮动上的“绑定方法”，1.0：

>>> f = 1..__truediv__
>>> f
<method-wrapper '__truediv__' of float object at 0x127F3CD8>
>>> f(2)
0.5
>>> f(3)
0.33333333333333331

我们可以更易读地完成相同的功能：

>>> def divide_one_by(x):
...     return 1.0/x
...     
>>> divide_one_by(2)
0.5
>>> divide_one_by(3)
0.33333333333333331

性能

divide_one_by 函数的缺点是它需要另一个 Python 堆栈帧，这使得它比绑定方法慢一些：

>>> def f_1():
...     for x in range(1, 11):
...         f(x)
...         
>>> def f_2():
...     for x in range(1, 11):
...         divide_one_by(x)
...         
>>> timeit.repeat(f_1)
[2.5495760687176485, 2.5585621018805469, 2.5411816588331888]
>>> timeit.repeat(f_2)
[3.479687248616699, 3.46196088706062, 3.473726342237768]

当然，如果你可以只使用纯文字，那就更快了：

>>> def f_3():
...     for x in range(1, 11):
...         1.0/x
...         
>>> timeit.repeat(f_3)
[2.1224895628296281, 2.1219930218637728, 2.1280188256941983]