第1章 Python数据模型

从一个错误直觉开始

先预测：只记住Python数据模型的语法，是否足以写出可靠实现？不够。真正需要掌握的是对象、协议、状态和失败路径怎样协作。不是孤立技巧，而是把调用方意图映射到可测试行为的模型。

核心模型与责任

Python数据模型是一组由解释器调用的协议。len、迭代、切片、运算符与上下文管理看似是不同语法，实际都落到对象的特殊方法；应用代码使用公开语法，类型作者才实现双下划线方法。 这一章的阅读方法是先写出输入和不变量，再观察解释器或标准库采取哪条路径，最后用反例确认边界。这样学习得到的是可迁移的判断，而不是只能复述示例。

机制一：第一条执行链

Python风格纸牌只实现len与getitem就得到长度、索引、切片、迭代和随机抽取能力，因为解释器会沿序列协议提供回退行为。这个例子说明协议组合比堆叠普通方法更能融入语言。

from collections import namedtuple
Card = namedtuple('Card', 'rank suit')
class FrenchDeck:
    ranks = [str(n) for n in range(2, 11)] + list('JQKA')
    suits = 'spades diamonds clubs hearts'.split()
    def __init__(self): self._cards = [Card(r, s) for s in self.suits for r in self.ranks]
    def __len__(self): return len(self._cards)
    def __getitem__(self, position): return self._cards[position]

运行后记录对象身份、返回类型和异常位置；再改变一个输入，确认变化来自协议本身，而不是偶然的实现细节。

机制二：状态、类型与协作

数值类型通过repr、abs、bool、add与mul表达表示、模长、真值和运算。二元运算遇到不支持类型应返回NotImplemented，让解释器尝试反向方法，而不是提前封死协作机会。

class Vector:
    def __init__(self, x, y): self.x, self.y = x, y
    def __repr__(self): return f'Vector({self.x!r}, {self.y!r})'
    def __abs__(self): return (self.x ** 2 + self.y ** 2) ** 0.5
    def __bool__(self): return bool(abs(self))

评审这段代码时，先问调用端依赖什么能力，再问实现是否扩大了共享状态或静默吞掉错误。接口越小，替换和测试通常越直接。

机制三：边界条件与成本

字符串表示要区分给开发者诊断的repr和给最终用户的str；布尔值优先调用bool，缺失时再依据len。每个入口都应维护清晰不变量，避免表示函数产生副作用。 为何len不是方法的答案同时涉及一致接口和实现效率：内置类型可以由CPython直接读取结构体长度，自定义类型则经len协议校验返回值。调用方无需知道对象来自Python还是C。

def __add__(self, other):
    if not isinstance(other, Vector):
        return NotImplemented
    return Vector(self.x + other.x, self.y + other.y)

分步验证

代码实验与诊断

把三段代码保存为同一最小实验，先运行原始版本，再只改变一个维度。至少检查：公开结果是否稳定、失败是否在正确边界暴露、是否产生意外别名或资源泄漏、类型提示与运行时行为是否一致。观察变化后写出因果解释，而不是只记录输出。

常见误区

本章回顾

官方核心单元核对：Python数据模型；特殊方法；Python风格纸牌；数值类型、字符串表示与布尔值；为何len不是方法。这些单元共同回答Python数据模型如何从语言机制落到工程边界；下一步应能在没有范例答案时画出执行链、实现最小版本并解释反例。

术语表