Warum mangelt es Methoden in Python an Referenzgleichheit?
Methodenreferenzgleichheit in Python: Die Geheimnisse aufdecken
Warum fehlt Methoden, die scheinbar mit der Vererbung von regulären Funktionen ausgestattet sind, die Tugend der Referenz? Gleichwertigkeit? Dieses verwirrende Phänomen hat viele Python-Programmierer verblüfft. Schauen wir uns die zugrunde liegenden Mechanismen genauer an, um die Gründe für diese Ungleichheit zu verstehen.
Im Gegensatz zu regulären Funktionen, die ihre Objektidentität im gesamten Programm beibehalten, werden Methodenobjekte beim Zugriff dynamisch erstellt. Diese kurzlebige Natur ergibt sich aus ihrer Abhängigkeit von Deskriptoren, die Methodenobjekte generieren, wenn ihre .__get__-Methode aufgerufen wird. Codeausschnitte veranschaulichen dieses Verhalten treffend:
<code class="python">>>> What.__dict__['meth'] <function What.meth at 0x10a6f9c80> >>> What.__dict__['meth'].__get__(What(), What) <bound method What.meth of <__main__.What object at 0x10a6f7b10>></code>
Seit Python 3.8 sind Gleichheitstests für Methoden konsistent und vorhersehbar geworden. Zwei Methoden gelten als gleich, wenn sowohl ihre Attribute .__self__ (die Instanz, an die sie gebunden sind) als auch .__func__ (die zugrunde liegende Funktion) identische Objekte sind.
Dieses konsistente Verhalten ist jedoch eine neue Ergänzung. Vor Python 3.8 variierte die Methodengleichheit je nach Implementierungsdetails. Für Python-Methoden und bestimmte C-Methodentypen wurde self auf Gleichheit verglichen, während für den anderen C-Methodentyp self auf Identität verglichen wurde. Diese Inkonsistenz wurde schließlich im Python-Problem 1617161 behoben.
Um die Konsistenz sicherzustellen, wird empfohlen, die Methodenidentität mithilfe ihrer func-Attribute zu überprüfen:
<code class="python">>>> What.meth == What.meth # functions (or unbound methods in Python 2) True >>> What().meth == What.meth # bound method and function False >>> What().meth == What().meth # bound methods with *different* instances False >>> What().meth.__func__ == What().meth.__func__ # functions True</code>
Zusammenfassend: Die Vergänglichkeit von Methodenobjekten hat zusammen mit historischen Inkonsistenzen bei der Methodengleichheit dazu geführt, dass es für Methoden keine Referenzgleichheit gibt. Allerdings führt Python 3.8 einen konsistenteren und vorhersehbareren Ansatz ein, der es Programmierern ermöglicht, mit größerer Sicherheit über Methodengleichheit nachzudenken.
Das obige ist der detaillierte Inhalt vonWarum mangelt es Methoden in Python an Referenzgleichheit?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Python eignet sich für Datenwissenschafts-, Webentwicklungs- und Automatisierungsaufgaben, während C für Systemprogrammierung, Spieleentwicklung und eingebettete Systeme geeignet ist. Python ist bekannt für seine Einfachheit und sein starkes Ökosystem, während C für seine hohen Leistung und die zugrunde liegenden Kontrollfunktionen bekannt ist.

Python zeichnet sich in Gaming und GUI -Entwicklung aus. 1) Spielentwicklung verwendet Pygame, die Zeichnungen, Audio- und andere Funktionen bereitstellt, die für die Erstellung von 2D -Spielen geeignet sind. 2) Die GUI -Entwicklung kann Tkinter oder Pyqt auswählen. Tkinter ist einfach und einfach zu bedienen. PYQT hat reichhaltige Funktionen und ist für die berufliche Entwicklung geeignet.

Sie können grundlegende Programmierkonzepte und Fähigkeiten von Python innerhalb von 2 Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master Control Flow (bedingte Anweisungen und Schleifen), 3.. Verstehen Sie die Definition und Verwendung von Funktionen, 4. Beginnen Sie schnell mit der Python -Programmierung durch einfache Beispiele und Code -Snippets.

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Sie können die Grundlagen von Python innerhalb von zwei Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master -Steuerungsstrukturen wie wenn Aussagen und Schleifen, 3. Verstehen Sie die Definition und Verwendung von Funktionen. Diese werden Ihnen helfen, einfache Python -Programme zu schreiben.

Um die Effizienz des Lernens von Python in einer begrenzten Zeit zu maximieren, können Sie Pythons DateTime-, Zeit- und Zeitplanmodule verwenden. 1. Das DateTime -Modul wird verwendet, um die Lernzeit aufzuzeichnen und zu planen. 2. Das Zeitmodul hilft, die Studie zu setzen und Zeit zu ruhen. 3. Das Zeitplanmodul arrangiert automatisch wöchentliche Lernaufgaben.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Python wird in den Bereichen Webentwicklung, Datenwissenschaft, maschinelles Lernen, Automatisierung und Skripten häufig verwendet. 1) In der Webentwicklung vereinfachen Django und Flask Frameworks den Entwicklungsprozess. 2) In den Bereichen Datenwissenschaft und maschinelles Lernen bieten Numpy-, Pandas-, Scikit-Learn- und TensorFlow-Bibliotheken eine starke Unterstützung. 3) In Bezug auf Automatisierung und Skript ist Python für Aufgaben wie automatisiertes Test und Systemmanagement geeignet.
