Python 核心技术点梳理：装饰器、拷贝与数据结构

深拷贝与浅拷贝

在处理复杂数据时，理解拷贝机制至关重要。

基本概念

• 浅拷贝：只复制对象本身，不复制内部的子对象。像给房子拍照片，只复制外观，房间里的家具还是同一套。
• 深拷贝：递归复制对象及其所有子对象。连房子带家具全部克隆一份，新旧对象完全独立。

技术实现

import copy

a = [1, [2, 3]]
b = copy.copy(a)      # 浅拷贝
# 或 b = a.copy() / list(a)

c = copy.deepcopy(a)  # 深拷贝

效果差异：

• 修改 a[0]（不可变类型）不影响 b。
• 修改 a[1][0]（可变子对象）会影响 b，但不会影响 c。

通俗例子

• 合租公寓（浅拷贝）：你和室友共用客厅冰箱。你往冰箱放啤酒，室友也能看到。但你换了自己的床单，室友不受影响。
• 买新房（深拷贝）：开发商按样板房给你建了完全一样的房子。你在新房砸墙，样板房毫无影响。

注意事项

1. 不可变类型：数字、字符串、元组等，深浅拷贝无区别，因为本身不能修改。
2. 自定义对象：需实现 __copy__() 和 __deepcopy__() 方法控制行为。
3. 性能权衡：深拷贝比浅拷贝慢，对复杂结构可能差 10 倍以上。

选择建议

• 用浅拷贝：数据没有嵌套或子对象不可变，需要节省内存/时间，或明确希望共享子对象时。
• 用深拷贝：复杂嵌套结构且需要完全独立副本，防止意外修改影响原数据，或需要序列化/反序列化时。

数据结构与去重

Python 内置数据结构

List vs Set

• 顺序：List 保持插入顺序，Set 无序。
• 重复元素：List 允许，Set 自动去重。
• 查找速度：List 慢（O(n)），Set 极快（哈希表 O(1)）。

示例：

names = ["Alice", "Bob", "Alice"]
unique_names = {"Alice", "Bob"}  # Set 自动去重

数组 (Array) vs 链表 (LinkedList)

• 内存分配：数组连续内存，大小固定；链表非连续，动态扩展。
• 访问速度：数组极快（O(1)，直接索引）；链表慢（O(n)，需遍历）。
• 插入/删除：数组慢（需移动元素）；链表快（修改指针即可）。

比喻：

• 数组：书架上的书，直接按编号拿（快），但插入新书要挪动其他书（慢）。
• 链表：藏宝图，每步告诉你下一个地点在哪，添加新线索只需改箭头（快），但找宝藏要一步步走（慢）。

Python 中的实现

• 数组：使用 list（动态数组）或 array 模块。

import array
arr = array.array('i', [1, 2, 3])  # 整型数组

• 链表：需手动实现或使用 collections.deque。

class Node:
    def __init__(self, val):
        self.val = val
        self.next = None

List 去重技巧

1. 使用 set()：简单快捷，但会打乱顺序。

my_list = [1, 2, 2, 3, 1]
unique_list = list(set(my_list))

2. 保持顺序（循环）：常用于有序数据。

seen = set()
unique_list = []
for item in my_list:
    if item not in seen:
        seen.add(item)
        unique_list.append(item)

3. 使用 dict.fromkeys()：保持顺序，适合 Python 3.7+。

unique_list = list(dict.fromkeys(my_list))

跨语言数据结构对比

游戏开发场景：

• 玩家背包物品：用 list 或 vector。
• 玩家 ID 映射：用 map（如 dict）。
• 排行榜：用 list 去重、排序后显示。

递归的使用

使用递归的主要原因是为了让代码更简洁、结构更清晰，尤其适合处理具有'自相似'特征的问题，比如树结构、分形结构、回溯搜索。

适用条件

1. 问题可以分解成规模更小的子问题。
2. 子问题的结构与原问题相同（自相似）。
3. 最终有一个明确的终止条件（递归出口）。

递归 vs 循环

典型例子：树的遍历

假设技能树系统中，每个技能点可能有多个子技能。

递归写法：

def traverse(skill_node):
    print(skill_node.name)
    for child in skill_node.children:
        traverse(child)

迭代写法（栈）：

stack = [root]
while stack:
    node = stack.pop()
    print(node.name)
    stack.extend(node.children)

递归写法更短，更符合'每个技能点都做同样的事'的逻辑，可读性强。

注意事项

• 如果没有出口条件，容易栈溢出。
• 对性能敏感的程序中，可能需要用循环或栈代替递归（尾递归优化或转迭代）。

总结：递归好处是代码简洁、逻辑自然，适合多层结构；但在性能和稳定性上不如循环，需谨慎使用。

Python 2 与 Python 3 的区别

Python3 是官方推荐版本，Python2 已于 2020 年停止支持。主要区别集中在语法、标准库、字符编码等方面。

核心差异

1. 打印语法

   • Py2：print 是语句 print "Hello"
   • Py3：print 是函数 print("Hello")

2. 字符串编码

   • Py2：默认 ASCII，str 是字节串，unicode 独立。
   • Py3：默认 Unicode，str 就是 Unicode，bytes 用于字节。

3. 整数除法

   • Py2：向下取整 5 / 2 输出 2
   • Py3：真实除法 5 / 2 输出 2.5（地板除用 //）

4. range 与 xrange

   • Py2：range 返回列表，xrange 返回生成器。
   • Py3：range 是生成器，xrange 取消。

5. input 行为

   • Py2：input() 执行表达式，raw_input() 读字符串。
   • Py3：input() 始终返回字符串。

6. 库兼容性

   • Py3 重构了标准库，如 urllib 拆分，异常语法更统一 except Exception as e:。

7. 其他特性

   • Py3 支持 f-string、类型注解、async/await 原生支持等。

建议

新项目或测试框架搭建务必使用 Python3。虽然老项目可能还在维护，但新系统已不再推荐 Python2。