今天小编给大家分享一下Python问题怎么解决的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。
class A: def function(self): return A() a = A() A = int print(a.function())
>>> round(7 / 2) >>> round(3 / 2) >>> round(5 / 2)
>>> isinstance(type, object) >>> isinstance(object, type) >>> isinstance(object, object) >>> isinstance(type, type)
>>> any([]) >>> all([])
class A: answer = 42 def __init__(self): self.answer = 21 self.__add__ = lambda x, y: x.answer + y def __add__(self, y): return self.answer - y print(A() + 5)
>>> sum("") >>> sum("", []) >>> sum("", {})
>>> sum([ el.imag for el in [ 0, 5, 10e9, float('inf'), float('nan') ] ])
>>> "this is a very long string" * (-1)
max(-0.0, 0.0)
>>> x = (1 << 53) + 1 >>> x + 1.0 > x
以下结果均在 Python 3.8.5 版本验证过。
class A: def function(self): return A() a = A() A = int print(a.function())
正确的结果是 0:
这个不难,因为 Python 的函数定义其实是可执行语句,函数在被调用前都是不存在的,实际调用时才会绑定变量。
在上面的示例中,在函数定义期间,Python 允许引用尚未定义的类或函数。但是,在执行期间,A 已经是 int 类,这意味着函数方法将返回一个新创建的 int 实例,int 实例的默认值就是 0。
如果没有 A = int,结果就是:
>>> round(7/2) 4 >>> round(3/2) 2 >>> round(5/2) 2
正确的结果是 4 2 2,你肯定觉得最后的 round(2.5) == 2 有点违反数学规则,这是因为 Python 的 round 方法实现了银行家的四舍五入[1],其中所有半值将四舍五入到最接近的偶数。
>>> isinstance(type, object) True >>> isinstance(object, type) True >>> isinstance(object, object) True >>> isinstance(type, type) True >>>
都是 True,有点怀疑 object 和 true 是不是一个东西?
在 Python 中,一切都是对象,因此对对象的任何实例检查都将返回 True。
isinstance(Anything, object) #=> True。
type 表示用于构造所有 Python 类型的元类。因此,所有类型:int、str、object 都是 type 类的实例,就像 python 中的所有对象一样,它也是一个对象。但 type 是 Python 中唯一的是它自身的一个实例的对象。
>>> type(1)>>> type(int)>>> type(type)>>>
>>> any([]) False >>> all([]) True >>> any([True,False]) True >>> all([True,False]) False >>>
当参数是空列表的时候,any 和 all 的结果有点出乎意料。但是明白了它的检查逻辑,就合情合理了:
Python 中的逻辑运算符是惰性的,any 的算法是寻找第一次出现为真元素,如果没有找到,则返回 False,由于序列为空,因此没有元素可以为真,因此 any([]) 返回 False。
同样的,all 算法是查找第一个 false 元素,如果没有找到,则返回 True,由于空序列中没有假元素,所以 all([]) 返回 True,是不是有点空洞真理概念?
class A: answer = 42 def __init__(self): self.answer = 21 self.__add__ = lambda x, y: x.answer + y def __add__(self, y): return self.answer - y print(A() + 5)
正确的结果是:16:
对象函数的查找顺序是:实例级别 > 类级别 > 父类级别,上面的代码,在初始化时绑定的函数就是实例级别,在类内部定义的就是类级别。
但是双下划线包裹的魔法函数不在这个规则之内,也就是说 Python 优先查找类级别的魔法函数。
如果说把双下划线去掉,那么结果就是 26 啦:
>>> sum("") 0 >>> sum("", []) [] >>> sum("", {}) {}
为了搞清楚这里发生了什么,我们需要检查 sum 函数的签名:
sum(iterable, /, start=0)
sum 从左到右开始求和可迭代的项目,并返回总数。iterable 一般是数字,起始值不允许是字符串。
在上述所有情况下,空字符串都被视为空序列,因此 sum 将简单地将起始参数作为总结果返回。在第一种情况下,它默认为零,对于第二种和第三种情况,它意味着空列表和字典作为开始参数传入。
>>> sum([ ... el.imag ... for el in [ ... 0, 5, 10e9, float('inf'), float('nan') ... ] ... ]) 0.0
上面的代码有个 imag 属性,但是我们根本没有定义它,运行也没有报错,怎么回事呢?
这是因为 Python 中的所有数值类型(int、real、float)都继承自基对象类,它们都支持 real 和 imag 属性,分别返回实部和虚部。这也包括 Infinity 和 NaN。
>>> "this is a very long string" * (-1) '' >>>
正确的结果是 '',所有的负数倍的字符串,都当作 0 倍,返回 ''。
max(-0.0, 0.0)
为什么会这样?出现这种情况是由于两个原因。负零和零在 Python 中被视为相等。max 的逻辑是,如果多个最大值,返回遇到的第一个。因此 max 函数返回第一次出现的零,它恰好是负数。
>>> x = (1 << 53) + 1 >>> x + 1.0 > x False
正确的结果是 False,这违反了数学规则啊,为什么呢?
这种违反直觉的行为归咎于三件事:长算术、浮点精度限制和数值比较。
Python 可以支持非常大的整数,如果隐式超过限制则切换计算模式,但 Python 中的浮点精度是有限的。
2⁵³ + 1 = 9007199254740993
是不能完全表示为 Python 浮点数的最小整数。因此,为了执行加 1.0,Python 将 9007199254740993 转换为 float,将其四舍五入为 Python 可以表示的 9007199254740992.0,然后向其添加 1.0,但由于相同的表示限制,它将其设置回 9007199254740992.0:
>>> float(9007199254740993) 9007199254740992.0 >>> 9007199254740992.0 + 1.0 9007199254740992.0 >>>
此外 Python 在 float 与 int 比较时并不会抛出错误,也不会尝试将两个操作数转换为相同的类型。相反,他们比较实际的数值。因为 9007199254740992.0 比 9007199254740993 小,因此 Python 返回 False。
以上就是“Python问题怎么解决”这篇文章的所有内容,感谢各位的阅读!相信大家阅读完这篇文章都有很大的收获,小编每天都会为大家更新不同的知识,如果还想学习更多的知识,请关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。