Python数据模型的核心是协议，即通过实现特定方法（如__len__、__getitem__等）使对象支持对应操作；常用协议包括__init__/__new__、__str__/__repr__、__eq__/__hash__、__contains__，且协议间存在隐含约束。
理解Python数据模型的核心：对象协议
Python的数据模型是一套定义对象如何与语言交互的规则，其核心是“协议”——不是接口或抽象类，而是一组约定俗成的方法名和行为规范。只要对象实现了特定方法（如 __len__、__getitem__、__add__），它就自动支持对应操作（len()、下标访问、+运算）。这种设计让自定义类型能自然融入Python生态，无需继承特定基类。
常用协议方法及其触发场景
掌握几个高频协议方法，就能显著提升类的可用性：
- __init__ 和 __new__：分别控制实例初始化和对象创建，__new__ 是真正的构造器，常用于单例、不可变类型定制
-
__str__ 与 __repr__：前者面向用户，返回易读字符串；后者面向开发者，应尽量可执行（如
eval(repr(obj)) == obj） - __eq__ 和 __hash__：一起实现才能让对象可比较、可放入集合或字典；若重写了 __eq__ 但没定义 __hash__，对象默认变为不可哈希
-
__contains__：让
in操作符生效；若未实现，Python会退回到遍历 __iter__ 或尝试 __getitem__
用协议实现自然的行为定制
行为定制不是靠条件判断，而是靠协议方法的有机组合。例如，要让一个序列类支持切片、迭代和成员检测：
- 实现 __getitem__：既支持
obj[i]，也自动支持obj[start:stop]和for x in obj:（只要索引越界时抛 IndexError） - 补充 __len__：让
len(obj)可用，并使 __getitem__ 中的切片逻辑更健壮 - 定义 __contains__：避免默认的线性搜索，可基于内部结构（如已排序列表用二分查找）加速
x in obj
注意协议间的隐含约束
协议不是孤立的，某些方法之间存在逻辑依赖。忽略这些容易引发意外行为：
- 若支持可变序列操作（如
append），通常应同时实现 __iadd__（+=）而非仅依赖 __add__，否则+=会创建新对象，违背原地修改预期 - 实现 __bool__ 时，除非有明确语义，否则不要返回随机值；Python在
if obj:中优先调用它，若未定义则回退到 __len__（非零即真） - 自定义 __getattr__ 要谨慎：它只在属性查找失败时触发；若想拦截所有访问，需用 __getattribute__，但它会影响性能且易引发无限递归
