在Python中模拟实现指针

在Python中模拟实现指针

因为Python中的指针本身不存在，但并不意味着无法使用指针。实际上有多种方法可以在Python中模拟指针。

这里用两种方法来实现：

使用可变类型作为指针【Python中的变量】

使用自定义Python对象【Python中的对象】

在Python中模拟实现指针

使用可变类型作为指针

您已经了解了可变类型。因为这些对象是可变的，所以您可以将它们视为指向模拟指针行为的指针。假设您要复制以下c代码：

void  add_one （int  * x ） { 
    * x  + =  1 ; 
}

此代码采用指向整数（*x）的指针，然后将该值递增1。这是一个练习代码的主要功能：

#include <stdio.h>
int main(void) {
    int y = 2337;
    printf("y = %d\n", y);
    add_one(&y);
    printf("y = %d\n", y);
    return 0;
}

在上面的代码中，分配2337给y，打印出当前值，将值递增1，然后打印出修改后的值。执行此代码的输出如下：

y = 2337 
y = 2338

在Python中复制此类行为的一种方法是使用可变类型。考虑使用列表并修改第一个元素：

>>> def  add_one （x ）：
...     x [ 0 ]  + =  1 
... 
>>> y  =  [ 2337 ] 
>>> add_one （y ）
>>> y [ 0 ] 
2338

在这里，add_one(x)访问第一个元素并将其值增加1。使用一种list方法，最终结果似乎已修改了该值。那么Python中的指针确实存在吗？好吧，这是唯一可能的，因为它list是一种可变类型。如果您尝试使用a tuple，则会收到错误消息：

>>> z = (2337,)
>>> add_one(z)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 2, in add_one
TypeError: 'tuple' object does not support item assignment

上面的代码演示了这tuple是不可变的。因此，它不支持项目分配。list不是唯一可变的类型。在Python中模仿指针的另一种常见方法是使用a dict。

假设您有一个应用程序，您希望每次发生有趣事件时都要跟踪它。实现此目的的一种方法是创建一个dict并使用其中一个项目作为计数器：

>>> counters = {"func_calls": 0}
>>> def bar():
...     counters["func_calls"] += 1
...
>>> def foo():
...     counters["func_calls"] += 1
...     bar()
...
>>> foo()
>>> counters["func_calls"]
2

在此示例中，counters字典用于跟踪函数调用的数量。打电话后foo()，计数器已2按预期增加。所有因为dict是可变的。

请记住，这只是模拟指针行为，并不直接映射到C或C ++中的真指针。也就是说，这些操作比在C或C ++中更昂贵。

使用Python对象

该dict选项是在Python中模拟指针的好方法，但有时记住您使用的密钥名称会很繁琐。如果您在应用程序的各个部分使用字典，则尤其如此。这是自定义Python类可以真正帮助的地方。

要构建最后一个示例，假设您要跟踪应用程序中的指标。创建一个类是抽象讨厌细节的好方法：

class  Metrics （object ）：
    def  __init __ （self ）：
        self 。_metrics  =  { 
            “func_calls” ： 0 ，
            “cat_pictures_served” ： 0 ，
        }

此代码定义了一个Metrics类。该类仍然使用a dict来保存实际数据，该数据位于_metrics成员变量中。这将为您提供所需的可变性。现在您只需要能够访问这些值。一个很好的方法是使用属性：

class Metrics(object):
    # ...
    @property
    def func_calls(self):
        return self._metrics["func_calls"]
    @property
    def cat_pictures_served(self):
        return self._metrics["cat_pictures_served"]

这段代码利用了@property。如果您不熟悉装饰器，可以在Python装饰器上查看这个Primer。@property这里的装饰器允许您访问func_calls，cat_pictures_served就像它们是属性一样：

>>> metrics = Metrics()
>>> metrics.func_calls
0
>>> metrics.cat_pictures_served
0

您可以将这些名称作为属性访问这一事实意味着您抽象出这些值在a中的事实dict。您还可以更明确地了解属性的名称。当然，您需要能够增加这些值：

class Metrics(object):
    # ...
    def inc_func_calls(self):
        self._metrics["func_calls"] += 1
    def inc_cat_pics(self):
        self._metrics["cat_pictures_served"] += 1

这里再介绍两种新方法：

inc_func_calls()
inc_cat_pics()

这些方法会修改指标中的值dict。您现在有一个类可以修改，就像您正在修改指针一样：

>>> metrics = Metrics()
>>> metrics.inc_func_calls()
>>> metrics.inc_func_calls()
>>> metrics.func_calls
2

在这里，您可以在应用程序中的各个位置访问func_calls和调用inc_func_calls()，并在Python中模拟指针。当您需要在应用程序的各个部分中频繁使用和更新指标时，这非常有用。

注意：特别是在这个类中，make inc_func_calls()和inc_cat_pics()explicit而不是使用@property.setter阻止用户将这些值设置为任意int或无效的值，如dict。

class Metrics(object):
    def __init__(self):
        self._metrics = {
            "func_calls": 0,
            "cat_pictures_served": 0,
        }
    @property
    def func_calls(self):
        return self._metrics["func_calls"]
    @property
    def cat_pictures_served(self):
        return self._metrics["cat_pictures_served"]
    def inc_func_calls(self):
        self._metrics["func_calls"] += 1
    def inc_cat_pics(self):
        self._metrics["cat_pictures_served"] += 1