正文：

本文展示一些高級的Python設(shè)計結(jié)構(gòu)和它們的使用方法。在日常工作中，你可以根據(jù)需要選擇合適的數(shù)據(jù)結(jié)構(gòu)，例如對快速查找性的要求、對數(shù)據(jù)一致性的要求或是對索引的要求等，同時也可以將各種數(shù)據(jù)結(jié)構(gòu)合適地結(jié)合在一起，從而生成具有邏輯性并易于理解的數(shù)據(jù)模型。Python的數(shù)據(jù)結(jié)構(gòu)從句法上來看非常直觀，并且提供了大量的可選操作。這篇指南嘗試將大部分常用的數(shù)據(jù)結(jié)構(gòu)知識放到一起，并且提供對其最佳用法的探討。
推導(dǎo)式(Comprehensions)

如果你已經(jīng)使用了很長時間的Python，那么你至少應(yīng)該聽說過列表推導(dǎo)(list comprehensions)。這是一種將for循環(huán)、if表達(dá)式以及賦值語句放到單一語句中的一種方法。換句話說，你能夠通過一個表達(dá)式對一個列表做映射或過濾操作。

一個列表推導(dǎo)式包含以下幾個部分：

•     一個輸入序列
•     一個表示輸入序列成員的變量
•     一個可選的斷言表達(dá)式
•     一個將輸入序列中滿足斷言表達(dá)式的成員變換成輸出列表成員的輸出表達(dá)式

舉個例子，我們需要從一個輸入列表中將所有大于0的整數(shù)平方生成一個新的序列，你也許會這么寫：
 

num = [1, 4, -5, 10, -7, 2, 3, -1]
filtered_and_squared = []
 
for number in num:
 if number > 0:
 filtered_and_squared.append(number ** 2)
print filtered_and_squared
 
# [1, 16, 100, 4, 9]

很簡單是吧？但是這就會有4行代碼，兩層嵌套外加一個完全不必要的append操作。而如果使用filter、lambda和map函數(shù)，則能夠?qū)⒋a大大簡化：
 

num = [1, 4, -5, 10, -7, 2, 3, -1]
filtered_and_squared = map(lambda x: x ** 2, filter(lambda x: x > 0, num))
print filtered_and_squared
 
# [1, 16, 100, 4, 9]

嗯，這么一來代碼就會在水平方向上展開。那么是否能夠繼續(xù)簡化代碼呢？列表推導(dǎo)能夠給我們答案:
 

num = [1, 4, -5, 10, -7, 2, 3, -1]
filtered_and_squared = [ x**2 for x in num if x > 0]
print filtered_and_squared
 
# [1, 16, 100, 4, 9]

•     迭代器(iterator)遍歷輸入序列num的每個成員x
•     斷言式判斷每個成員是否大于零
•     如果成員大于零，則被交給輸出表達(dá)式，平方之后成為輸出列表的成員。

列表推導(dǎo)式被封裝在一個列表中，所以很明顯它能夠立即生成一個新列表。這里只有一個type函數(shù)調(diào)用而沒有隱式調(diào)用lambda函數(shù)，列表推導(dǎo)式正是使用了一個常規(guī)的迭代器、一個表達(dá)式和一個if表達(dá)式來控制可選的參數(shù)。

另一方面，列表推導(dǎo)也可能會有一些負(fù)面效應(yīng)，那就是整個列表必須一次性加載于內(nèi)存之中，這對上面舉的例子而言不是問題，甚至擴(kuò)大若干倍之后也都不是問題。但是總會達(dá)到極限，內(nèi)存總會被用完。

針對上面的問題，生成器(Generator)能夠很好的解決。生成器表達(dá)式不會一次將整個列表加載到內(nèi)存之中，而是生成一個生成器對象(Generator objector)，所以一次只加載一個列表元素。

生成器表達(dá)式同列表推導(dǎo)式有著幾乎相同的語法結(jié)構(gòu)，區(qū)別在于生成器表達(dá)式是被圓括號包圍，而不是方括號：
 

num = [1, 4, -5, 10, -7, 2, 3, -1]
filtered_and_squared = ( x**2 for x in num if x > 0 )
print filtered_and_squared
 
# <generator object <genexpr> at 0x00583E18>
 
for item in filtered_and_squared:
 print item
 
# 1, 16, 100 4,9

這比列表推導(dǎo)效率稍微提高一些，讓我們再一次改造一下代碼：

num = [1, 4, -5, 10, -7, 2, 3, -1]
 
def square_generator(optional_parameter):
 return (x ** 2 for x in num if x > optional_parameter)
 
print square_generator(0)
# <generator object <genexpr> at 0x004E6418>
 
# Option I
for k in square_generator(0):
 print k
# 1, 16, 100, 4, 9
 
# Option II
g = list(square_generator(0))
print g
# [1, 16, 100, 4, 9]

除非特殊的原因，應(yīng)該經(jīng)常在代碼中使用生成器表達(dá)式。但除非是面對非常大的列表，否則是不會看出明顯區(qū)別的。

下例使用zip()函數(shù)一次處理兩個或多個列表中的元素：
 

alist = ['a1', 'a2', 'a3']
blist = ['1', '2', '3']
 
for a, b in zip(alist, blist):
 print a, b
 
# a1 1
# a2 2
# a3 3

再來看一個通過兩階列表推導(dǎo)式遍歷目錄的例子：
 

import os
def tree(top):
 for path, names, fnames in os.walk(top):
 for fname in fnames:
  yield os.path.join(path, fname)
 
for name in tree('C:\Users\XXX\Downloads\Test'):
 print name

裝飾器(Decorators)

裝飾器為我們提供了一個增加已有函數(shù)或類的功能的有效方法。聽起來是不是很像Java中的面向切面編程(Aspect-Oriented Programming)概念？兩者都很簡單，并且裝飾器有著更為強(qiáng)大的功能。舉個例子，假定你希望在一個函數(shù)的入口和退出點做一些特別的操作(比如一些安全、追蹤以及鎖定等操作)就可以使用裝飾器。

裝飾器是一個包裝了另一個函數(shù)的特殊函數(shù)：主函數(shù)被調(diào)用，并且其返回值將會被傳給裝飾器，接下來裝飾器將返回一個包裝了主函數(shù)的替代函數(shù)，程序的其他部分看到的將是這個包裝函數(shù)。
 

def timethis(func):
 '''
 Decorator that reports the execution time.
 '''
 pass
 
@timethis
def countdown(n):
 while n > 0:
 n -= 1

語法糖@標(biāo)識了裝飾器。

好了，讓我們回到剛才的例子。我們將用裝飾器做一些更典型的操作：

import time
from functools import wraps
 
def timethis(func):
 '''
 Decorator that reports the execution time.
 '''
 @wraps(func)
 def wrapper(*args, **kwargs):
 start = time.time()
 result = func(*args, **kwargs)
 end = time.time()
 print(func.__name__, end-start)
 return result
 return wrapper
 
@timethis
def countdown(n):
 while n > 0:
 n -= 1
 
countdown(100000)
 
# ('countdown', 0.006999969482421875)

當(dāng)你寫下如下代碼時：
 

@timethis
def countdown(n):

意味著你分開執(zhí)行了以下步驟：
 

def countdown(n):
...
countdown = timethis(countdown)

裝飾器函數(shù)中的代碼創(chuàng)建了一個新的函數(shù)(正如此例中的wrapper函數(shù))，它用 *args 和 **kwargs 接收任意的輸入?yún)?shù)，并且在此函數(shù)內(nèi)調(diào)用原函數(shù)并且返回其結(jié)果。你可以根據(jù)自己的需要放置任何額外的代碼(例如本例中的計時操作)，新創(chuàng)建的包裝函數(shù)將作為結(jié)果返回并取代原函數(shù)。
 

@decorator
def function():
 print("inside function")

當(dāng)編譯器查看以上代碼時，function()函數(shù)將會被編譯，并且函數(shù)返回對象將會被傳給裝飾器代碼，裝飾器將會在做完相關(guān)操作之后用一個新的函數(shù)對象代替原函數(shù)。

裝飾器代碼是什么樣的？大部分的例子都是將裝飾器定義為函數(shù)，而我發(fā)覺將裝飾器定義成類更容易理解其功能，并且這樣更能發(fā)揮裝飾器機(jī)制的威力。

對裝飾器的類實現(xiàn)唯一要求是它必須能如函數(shù)一般使用，也就是說它必須是可調(diào)用的。所以，如果想這么做這個類必須實現(xiàn)__call__方法。

這樣的裝飾器應(yīng)該用來做些什么？它可以做任何事，但通常它用在當(dāng)你想在一些特殊的地方使用原函數(shù)時，但這不是必須的，例如：

class decorator(object):
 
 def __init__(self, f):
 print("inside decorator.__init__()")
 f() # Prove that function definition has completed
 
 def __call__(self):
 print("inside decorator.__call__()")
 
@decorator
def function():
 print("inside function()")
 
print("Finished decorating function()")
 
function()
 
# inside decorator.__init__()
# inside function()
# Finished decorating function()
# inside decorator.__call__()

譯者注：
1. 語法糖@decorator相當(dāng)于function=decorator(function)，在此調(diào)用decorator的__init__打印“inside decorator.__init__()”
2. 隨后執(zhí)行f()打印“inside function()”
3. 隨后執(zhí)行“print(“Finished decorating function()”)”
4. 最后在調(diào)用function函數(shù)時，由于使用裝飾器包裝，因此執(zhí)行decorator的__call__打印 “inside decorator.__call__()”。

一個更實際的例子：

def decorator(func):
 def modify(*args, **kwargs):
 variable = kwargs.pop('variable', None)
 print variable
 x,y=func(*args, **kwargs)
 return x,y
 return modify
 
@decorator
def func(a,b):
 print a**2,b**2
 return a**2,b**2
 
func(a=4, b=5, variable="hi")
func(a=4, b=5)
 
# hi
# 16 25
# None
# 16 25

上下文管理庫(ContextLib)

contextlib模塊包含了與上下文管理器和with聲明相關(guān)的工具。通常如果你想寫一個上下文管理器，則你需要定義一個類包含__enter__方法以及__exit__方法，例如：
 

import time
class demo:
 def __init__(self, label):
 self.label = label
 
 def __enter__(self):
 self.start = time.time()
 
 def __exit__(self, exc_ty, exc_val, exc_tb):
 end = time.time()
 print('{}: {}'.format(self.label, end - self.start))

完整的例子在此：

import time
 
class demo:
 def __init__(self, label):
 self.label = label
 
 def __enter__(self):
 self.start = time.time()
 
 def __exit__(self, exc_ty, exc_val, exc_tb):
 end = time.time()
 print('{}: {}'.format(self.label, end - self.start))
 
with demo('counting'):
 n = 10000000
 while n > 0:
 n -= 1
 
# counting: 1.36000013351

上下文管理器被with聲明所激活，這個API涉及到兩個方法。
1. __enter__方法，當(dāng)執(zhí)行流進(jìn)入with代碼塊時，__enter__方法將執(zhí)行。并且它將返回一個可供上下文使用的對象。
2. 當(dāng)執(zhí)行流離開with代碼塊時，__exit__方法被調(diào)用，它將清理被使用的資源。

利用@contextmanager裝飾器改寫上面那個例子：

from contextlib import contextmanager
import time
 
@contextmanager
def demo(label):
 start = time.time()
 try:
 yield
 finally:
 end = time.time()
 print('{}: {}'.format(label, end - start))
 
with demo('counting'):
 n = 10000000
 while n > 0:
 n -= 1
 
# counting: 1.32399988174

看上面這個例子，函數(shù)中yield之前的所有代碼都類似于上下文管理器中__enter__方法的內(nèi)容。而yield之后的所有代碼都如__exit__方法的內(nèi)容。如果執(zhí)行過程中發(fā)生了異常，則會在yield語句觸發(fā)。
描述器(Descriptors)

描述器決定了對象屬性是如何被訪問的。描述器的作用是定制當(dāng)你想引用一個屬性時所發(fā)生的操作。

構(gòu)建描述器的方法是至少定義以下三個方法中的一個。需要注意，下文中的instance是包含被訪問屬性的對象實例，而owner則是被描述器修辭的類。

    __get__(self, instance, owner) – 這個方法是當(dāng)屬性被通過(value = obj.attr)的方式獲取時調(diào)用，這個方法的返回值將被賦給請求此屬性值的代碼部分。
    __set__(self, instance, value) – 這個方法是當(dāng)希望設(shè)置屬性的值(obj.attr = ‘value')時被調(diào)用，該方法不會返回任何值。
    __delete__(self, instance) – 當(dāng)從一個對象中刪除一個屬性時(del obj.attr)，調(diào)用此方法。

譯者注：對于instance和owner的理解，考慮以下代碼：
 

class Celsius(object):
 def __init__(self, value=0.0):
 self.value = float(value)
 def __get__(self, instance, owner):
 return self.value
 def __set__(self, instance, value):
 self.value = float(value)
 
class Temperature(object):
 celsius = Celsius()
 
temp=Temperature()
temp.celsius #calls Celsius.__get__

上例中，instance指的是temp，而owner則是Temperature。

LazyLoading Properties例子：
 

import weakref
 
class lazyattribute(object):
 def __init__(self, f):
 self.data = weakref.WeakKeyDictionary()
 self.f = f
 def __get__(self, obj, cls):
 if obj not in self.data:
  self.data[obj] = self.f(obj)
 return self.data[obj]
 
class Foo(object):
 @lazyattribute
 def bar(self):
 print "Being lazy"
 return 42
 
f = Foo()
 
print f.bar
# Being lazy
# 42
 
print f.bar
# 42

描述器很好的總結(jié)了Python中的綁定方法(bound method)這個概念，綁定方法是經(jīng)典類(classic classes)的實現(xiàn)核心。在經(jīng)典類中，當(dāng)在一個對象實例的字典中沒有找到某個屬性時，會繼續(xù)到類的字典中查找，然后再到基類的字典中，就這么一直遞歸的查找下去。如果在類字典中找到這個屬性，解釋器會檢查找到的對象是不是一個Python函數(shù)對象。如果是，則返回的并不是這個對象本身，而是返回一個柯里化(currying function)的包裝器對象。當(dāng)調(diào)用這個包裝器時，它會首先在參數(shù)列表之前插入實例，然后再調(diào)用原函數(shù)。

譯者注：
1. 柯里化 – http://zh.wikipedia.org/wiki/%E6%9F%AF%E9%87%8C%E5%8C%96
2. function，method，bound method及unbound method的區(qū)別。首先，函數(shù)(function)是由def或lambda創(chuàng)建的。當(dāng)一個函數(shù)在class語句塊中定義或是由type來創(chuàng)建時，它會轉(zhuǎn)成一個非綁定方法(unbound method)，而當(dāng)通過類實例(instance)來訪問此方法的時候，它將轉(zhuǎn)成綁定方法(bound method)，綁定方法會自動將實例作為第一個參數(shù)傳入方法。綜上所述，方法是出現(xiàn)在類中的函數(shù)，綁定方法是一個綁定了具體實例的方法，反之則是非綁定方法。

綜上，描述器被賦值給類，而這些特殊的方法就在屬性被訪問的時候根據(jù)具體的訪問類型自動地調(diào)用。
元類(MetaClasses)

元類提供了一個改變Python類行為的有效方式。

元類的定義是“一個類的類”。任何實例是它自己的類都是元類。
 

class demo(object):
 pass
 
obj = demo()
 
print "Class of obj is {0}".format(obj.__class__)
print "Class of obj is {0}".format(demo.__class__)
 
# Class of obj is <class '__main__.demo'>
# Class of obj is <type 'type'>

在上例中，我們定義了一個類demo，并且生成了一個該類的對象obj。首先，可以看到obj的__class__是demo。有意思的來了，那么demo的class又是什么呢？可以看到demo的__class__是type。

所以說type是python類的類，換句話說，上例中的obj是一個demo的對象，而demo本身又是type的一個對象。

所以說type就是一個元類，而且是python中最常見的元類，因為它使python中所有類的默認(rèn)元類。

因為元類是類的類，所以它被用來創(chuàng)建類(正如類是被用來創(chuàng)建對象的一樣)。但是，難道我們不是通過一個標(biāo)準(zhǔn)的類定義來創(chuàng)建類的么？的確是這樣，但是python內(nèi)部的運作機(jī)制如下：

•         當(dāng)看見一個類定義，python會收集所有屬性到一個字典中。
•         當(dāng)類定義結(jié)束，python將決定類的元類，我們就稱它為Meta吧。
•         最后，python執(zhí)行Meta(name, bases, dct)，其中：

a. Meta是元類，所以這個調(diào)用是實例化它。
b. name是新建類的類名。
c. bases是新建類的基類元組
d. dct將屬性名映射到對象，列出所有的類屬性。

那么如何確定一個類(A)的元類呢？簡單來說，如果一個類(A)自身或其基類(Base_A)之一有__metaclass__屬性存在，則這個類(A/Base_A)就是類(A)的元類。否則type就將是類(A)的元類。
模式(Patterns)

“請求寬恕比請求許可更容易(EFAP)”

這個Python設(shè)計原則是這么說的“請求寬恕比請求許可更容易(EFAP)”。不提倡深思熟慮的設(shè)計思路，這個原則是說應(yīng)該盡量去嘗試，如果遇到錯誤，則給予妥善的處理。Python有著強(qiáng)大的異常處理機(jī)制可以支持這種嘗試，這些機(jī)制幫助程序員開發(fā)出更為穩(wěn)定，容錯性更高的程序。

單例

單例是指只能同時存在一個的實例對象。Python提供了很多方法來實現(xiàn)單例。

Null對象

Null對象能夠用來代替None類型以避免對None的測試。

觀察者

觀察者模式允許多個對象訪問同一份數(shù)據(jù)。

構(gòu)造函數(shù)

構(gòu)造函數(shù)的參數(shù)經(jīng)常被賦值給實例的變量。這種模式能夠用一行代碼替代多個手動賦值語句。
總結(jié)

謝謝閱讀，如有疑問，請留言討論。