Aprimorando o Contêiner Personalizado para Fatiamento
Nosso contêiner personalizado é ótimo para acessar registros individuais. No entanto, há um problema quando se trata de fatiamento (slicing). Quando você tenta obter uma fatia do nosso contêiner, o resultado não é o que você normalmente esperaria.
Vamos entender por que isso acontece. Em Python, o fatiamento é uma operação comum usada para extrair uma parte de uma sequência. Mas para nosso contêiner personalizado, o Python não sabe como criar um novo objeto RideData com apenas os dados fatiados. Em vez disso, ele cria uma lista contendo os resultados da chamada __getitem__ para cada índice na fatia.
- Vamos testar o fatiamento no shell Python:
import readrides
rows = readrides.read_rides_as_dicts('ctabus.csv')
r = rows[0:10] ## Take a slice of the first 10 records
type(r) ## This will likely be a list, not a RideData object
print(r) ## This might look like a list of numbers, not dictionaries
Neste código, primeiro importamos o módulo readrides. Em seguida, lemos os dados do arquivo ctabus.csv em uma variável rows. Quando tentamos obter uma fatia dos primeiros 10 registros e verificar o tipo do resultado, descobrimos que é uma lista em vez de um objeto RideData. Imprimir o resultado pode mostrar algo inesperado, como uma lista de números em vez de dicionários.
- Vamos modificar nossa classe
RideData para lidar com o fatiamento corretamente. Abra readrides.py e atualize o método __getitem__:
def __getitem__(self, index):
if isinstance(index, slice):
## Handle slice
result = RideData()
result.routes = self.routes[index]
result.dates = self.dates[index]
result.daytypes = self.daytypes[index]
result.numrides = self.numrides[index]
return result
else:
## Handle single index
return {'route': self.routes[index],
'date': self.dates[index],
'daytype': self.daytypes[index],
'rides': self.numrides[index]}
Neste método __getitem__ atualizado, primeiro verificamos se o index é uma fatia. Se for, criamos um novo objeto RideData chamado result. Em seguida, preenchemos este novo objeto com fatias das colunas de dados originais (routes, dates, daytypes e numrides). Isso garante que, quando fatiamos nosso contêiner personalizado, obtemos outro objeto RideData em vez de uma lista. Se o index não for uma fatia (ou seja, é um único índice), retornamos um dicionário contendo o registro relevante.
- Vamos testar nossa capacidade de fatiamento aprimorada:
import readrides
rows = readrides.read_rides_as_dicts('ctabus.csv')
r = rows[0:10] ## Take a slice of the first 10 records
type(r) ## Should now be readrides.RideData
len(r) ## Should be 10
r[0] ## Should be the same as rows[0]
r[1] ## Should be the same as rows[1]
Depois de atualizar o método __getitem__, podemos testar o fatiamento novamente. Quando obtemos uma fatia dos primeiros 10 registros, o tipo do resultado agora deve ser readrides.RideData. O comprimento da fatia deve ser 10, e acessar elementos individuais na fatia deve nos dar os mesmos resultados que acessar os elementos correspondentes no contêiner original.
- Você também pode testar com diferentes padrões de fatia:
## Get every other record from the first 20
r2 = rows[0:20:2]
len(r2) ## Should be 10
## Get the last 10 records
r3 = rows[-10:]
len(r3) ## Should be 10
Aqui, estamos testando diferentes padrões de fatia. A primeira fatia rows[0:20:2] obtém todos os outros registros dos primeiros 20 registros, e o comprimento da fatia resultante deve ser 10. A segunda fatia rows[-10:] obtém os últimos 10 registros, e seu comprimento também deve ser 10.
Ao implementar corretamente o fatiamento, nosso contêiner personalizado agora se comporta ainda mais como uma lista Python padrão, mantendo a eficiência de memória do armazenamento orientado a colunas.
Essa abordagem de criar classes de contêiner personalizadas que imitam contêineres Python embutidos, mas com diferentes representações internas, é uma técnica poderosa para otimizar o uso de memória sem alterar a interface que seu código apresenta aos usuários.
