¿Para qué sirve el tipo de búfer de Python?

Question

Hay un tipo buffer en python, pero no sé cómo puedo usarlo.

En el Python doc la descripción es:

buffer(object[, offset[, size]])

El argumento objeto debe ser un objeto que soporta la interfaz de llamada tampón (tales como cadenas, matrices y tampones). Se creará un nuevo objeto de búfer que hace referencia al argumento del objeto. El objeto de búfer será un corte desde el principio del objeto (o desde el desplazamiento especificado). El corte se extenderá hasta el final del objeto (o tendrá una longitud dada por el argumento de tamaño).

Answer 1

Un ejemplo de uso:

>>> s = 'Hello world' 
>>> t = buffer(s, 6, 5) 
>>> t 
<read-only buffer for 0x10064a4b0, size 5, offset 6 at 0x100634ab0> 
>>> print t 
world 

El tampón en este caso es una sub-secuencia, empezando en la posición 6 con una longitud de 5, y no se necesita espacio de almacenamiento adicional - que hace referencia a una rebanada de la cuerda.

Esto no es muy útil para cadenas cortas como esta, pero puede ser necesario cuando se usan grandes cantidades de datos. En este ejemplo se utiliza un mutable bytearray:

>>> s = bytearray(1000000) # a million zeroed bytes 
>>> t = buffer(s, 1)   # slice cuts off the first byte 
>>> s[1] = 5     # set the second element in s 
>>> t[0]      # which is now also the first element in t! 
'\x05' 

Esto puede ser muy útil si desea tener más de una vista de los datos y no quiere (o no puede) contener múltiples copias en la memoria.

Tenga en cuenta que buffer ha sido reemplazado por el mejor nombre memoryview en Python 3, aunque puede usar cualquiera de ellos en Python 2.7.

Tenga en cuenta también que no puede implementar una interfaz de búfer para sus propios objetos sin profundizar en la API de C, es decir, no puede hacerlo en Python puro.

Answer 2

Creo que los búferes son, p. útil cuando se conecta python a bibliotecas nativas. (Guido van Rossum explica buffer en this mailinglist post).

Por ejemplo, numpy parece utilizar memoria intermedia para el almacenamiento de datos eficiente:

import numpy 
a = numpy.ndarray(1000000) 

la a.data es un:

<read-write buffer for 0x1d7b410, size 8000000, offset 0 at 0x1e353b0>