Rozdział 3 · Twój pierwszy program w Python

Imiona i znaczenia

Poprawny model mentalny zmiennej w Python nie jest pudełkiem danych, lecz nazwą wskazującą na wartość.

Już stworzyliśmy imiona takie jak name w poprzednich sekcjach — Czas wyjaśnić, co to naprawdę oznacza.

Nie „pudełko z danymi”

Powszechna, choć nie do końca trafna metafora: „zmienna to pudełko, do którego wkłada się znaczenia.”

Nazwa jest raczej strzałką wskazującą na wartość. Przypisanie city = "Warsaw" nie „wkłada” city — zmusza ono nazwę city wskazują na cechę łańcuch znaków "Warsaw"istnieje samodzielnie.

Tworzenie i czytanie imienia

city = "Warsaw"
print(city)

Części tej linii:

• city — nazwa (zmienna);
• = jest operatorem przypisania: „niech nazwa po lewej wskaże czyli po prawej stronie”
• "Warsaw" — wartość (obiekt).

Wiele nazw — jeden obiekt

Ponieważ nazwa jest tylko wskaźnikiem, ten sam obiekt może mieć wiele imion jednocześnie. Weźmy przykład:

score = 100
best_score = score
print(score)
print(best_score)

Tutaj dwa imiona — score oraz best_score — ale jeden obiekt, na który oboje wskazują:

Przeniesienie nie zmienia starej nazwy

Kontynuujmy ten sam przykład:

score = 100
best_score = score
score = 120
print(score)       # 120
print(best_score)  # wciąż 100

String score = 120 jest ponowne przypisanie (rebinding): nazwa score zaczyna wskazywać na inny obiekt. Istniejący obiekt 100 jednocześnie nie zmienia się w żaden sposób — best_score nadal na to wskazuje:

To ważna idea, do której będziemy wracać więcej niż raz, gdy mówimy o niezmienności liczb oraz strings (Rozdział 4), o listach i ich różnicach względem liczb, o tym, jak jeden i ten sam obiekt może być być dostępnym z wielu lokalizacji oraz w jaki sposób wartości są przekazywane do funkcji. Na razie Wystarczy pamiętać o samej zasadzie: zmiana zmienia relację z nazwą, nie obiekt.

Kiedy obiekt „znika”

Logiczne pytanie: jeśli score już nie wskazuje na 100, co się dzieje z samym obiektem 100? Kontynuujmy ten przykład o krok dalej:

best_score = 130
print(score)       # 120
print(best_score)  # 130

Teraz nie ma score, ani best_score nie wskazywanie obiektu 100 — nie ma już żadnego połączenia:

Obiekt 100 stał się nieosiągalne (unreachable) — nie można do niego „dotrzeć”

Garbage collector: automatyczne zarządzanie pamięcią

Zazwyczaj nigdy nie będziesz musiał ręcznie „zwalniać” odśmiecacz (garbage collector) (garbage collector, GC) jest częścią samego Python, co automatycznie uwalnia pamięć od obiektów nieosiągalnych.

Co idzie głębiej: Liczenie linków

To opcjonalne, głębsze spojrzenie – możesz bezpiecznie pominąć go za pierwszym razem czytam i wracam później.

W CPython (implementacji Python, której używamy) każdy obiekt ma licznik: ile odniesień do niego istnieje teraz. Przejdźmy jeszcze raz przez nasz przykład, ale tym Kontrowersja:

score = 100          # объект 100: ссылок = 1
best_score = score   # объект 100: ссылок = 2
score = 120          # объект 100: ссылок = 1  (score теперь указывает на 120)
best_score = 130     # объект 100: ссылок = 0  (недостижим)

Dla zwykłych obiektów, nie wchodzących w cykliczne odniesienie w CPython moment, gdy licznik osiąga zero, zazwyczaj pokrywa się z momentem zwalniania pamięci — prawie od razu, bez opóźnienia. To wygodne, praktyczne zachowanie, ale nie gwarancja ustalona przez język Python jako całość — inne implementacje Python (na przykład PyPy)) zwalniają pamięć według innych zasad.

Liczenie ogniw ma jedną fundamentalną trudność — cykliczne linki:

A ──→ B
↑      │
└──────┘

Wyobraź sobie dwa obiekty, każdy odnoszący się do drugiego. Nawet jeśli nie ma nazwy w Program już nie wskazuje na A ani B, nadal odnoszą się do siebie nawzajem — oraz liczba odniesień każdego z nich nie spada do zera. Dlatego w CPython, z wyjątkiem liczenia linki, jest osobna okrągły kontener śmieci, który okresowo szuka właśnie takich nieosiągalnych z zewnątrz cykli i je zwalnia.

Mała notatka o del

Komenda del nie usuwa obiektu, lecz konkretną relację (Imię):

x = 100
y = x
del x
print(y)  #100 – Obiekt wciąż zniknął

del x usuwa imię x przestrzeń nazw — ale NIE oznacza „usuń obiekt 100, bez względu na wszystko.” y nadal wskazuje na 100, Obiekt pozostaje w pełni dostępny przez y.

Przestrzeń nazw

Podczas działania programu Python przechowuje lista wszystkie utworzone nazwy oraz co każda z nich z nich teraz oznacza — to się nazywa przestrzeń nazw (namespace). Powyższe diagramy pokazują fragment takiej przestrzeni nazw w różnych momentach Wdrażanie programu.

Odnosi się do nazwy, która jeszcze nie została stworzona

Jeśli nazwa jest wspomniana przed jej utworzeniem w ramach cesji, Python nie może Zgadnij, o co chodzi — i zgłasza błąd:

print(favourite_city)
favourite_city = "Warsaw"

NameError: name 'favourite_city' is not defined

Więcej informacji o błędach i sposobie czytania takich komunikatów można znaleźć w sekcji 3.13.