大多数 Python 开发者只知道__len__ 对应 len()、__add__ 对应 +。事实上Python 数据模型，有一套完整、规范、官方定义的协议。它让我们自定义的对象，可以融入 Python 语言本身，真值判断、哈希、迭代、上下文管理、属性访问、内存布局…… 全部由它控制。要想用好它，必须理解：CPython 到底在何时、以何种顺序、为何调用这些方法。
双下划线方法是由Python 解释器调用的，而不是我们的业务代码直接调用。当我们写 len(obj)，解释器实际执行 type(obj).__len__(obj)。它不会直接调用 obj.__len__()，而是通过类去查找，不是通过实例。
class MyClass: passobj = MyClass()obj.__len__ = lambda: 42 # 没用！len(obj) # 直接报错
真值、相等、哈希：三者是强绑定关系，这是最容易写出隐蔽 Bug 的地方。在真值判断时，__bool__优先，没有__bool__，就用__len__ 长度为0即为假，都没有则为真。class Container: def __len__(self): return len(self.items)c = Container([])if not c: print("empty") # 会执行
接下来我们看看相等和哈希，__eq__定义值相等，相等的对象，必须拥有相同的哈希值，一旦定义了__eq__,python会自动把__hash__设定为None，对象变成了不可哈希。classPoint: def __eq__(self, other): ...p = Point(){p} # 报错：不可哈希
def __hash__(self): return hash((self.x, self.y))
当我们些a<b时，它会先尝试type(a).__lt__(a,b)，如果返回NotImplemented python会自动尝试反射操作，type(b).__gt__(b,a) 这就是不同类型可以互相比较的底层原理。2.反射： 3+v （对象在右边） -> __radd__class Vector: def __add__(self, other): ... def __radd__(self, other): return self.__add__(other) def __iadd__(self, other): # 原地修改 self.x += other.x return self # 必须 return self
__radd__让自定义类型能和内置类型无缝配合。1. __getattribute__ 所有属性访问都会触发，几乎不需要重写2.__getattr__ 只有查找失败时才会触发，适合懒加载、代理、动态属性class LazyLoader: def __getattr__(self, name): # 找不到时才执行
3. __setattr__ 所有赋值都会触发，必须用super()赋值，否则无限递归def __setattr__(self, name, value): super().__setattr__(name, value)
另外，如果想实现一个标准序列 / 容器，只需要实现__len__和__getitem__,我们看个例子：class Fibonacci: def __len__(self): ... def __getitem__(self, index): ...fib[10] # 可用fib[2:5] # 可用10 in fib # 可用for n in fib: # 可用
映射类型（dict 风格）继承 MutableMapping，实现 5 个方法，就能获得 keys()/values()/items() 等全部功能。__slots__是数据模型的一部分，它的作用是禁止实例创建__dict__，使用固定内存布局，内存占用大幅降低class Point: __slots__ = ("x", "y")
需要注意的是，子类必须也定义slot,否则会重写生成dict，优化失效。最后，希望这篇内容能帮我们更深入的了解python的数据模型。
10个月宝宝每天需要喝多少奶粉？
