编程大神进阶之路:Python技巧小贴士

开发 开发工具 后端
介绍 Python 炫酷功能(例如,变量解包,偏函数,枚举可迭代对象等)的文章层出不穷。但是还有很多 Python 的编程小技巧鲜被提及。因此,本文会试着介绍一些其它文章没有提到的小技巧。

介绍 Python 炫酷功能(例如,变量解包,偏函数,枚举可迭代对象等)的文章层出不穷。但是还有很多 Python 的编程小技巧鲜被提及。因此,本文会试着介绍一些其它文章没有提到的小技巧,这些小技巧也是我平时会用到的的。让我们一探究竟吧!

整理字符串输入

整理用户输入的问题在编程过程中极为常见。通常情况下,将字符转换为小写或大写就够了,有时你可以使用正则表达式模块「Regex」完成这项工作。但是如果问题很复杂,可能有更好的方法来解决:

  1. user_input = "This\nstring has\tsome whitespaces...\r\n" 
  2.  
  3. character_map = { 
  4.     ord('\n') : ' ', 
  5.     ord('\t') : ' ', 
  6.     ord('\r') : None 
  7. user_input.translate(character_map)  # This string has some whitespaces...  

在本例中,你可以看到空格符「\ n」和「\ t」都被替换成了单个空格,「\ r」都被删掉了。这只是个很简单的例子,我们可以更进一步,使用「unicodedata」程序包生成大型重映射表,并使用其中的「combining()」进行生成和映射,我们可以

迭代器切片(Slice)

如果对迭代器进行切片操作,会返回一个「TypeError」,提示生成器对象没有下标,但是我们可以用一个简单的方案来解决这个问题:

  1. import itertools 
  2.  
  3. s = itertools.islice(range(50), 10, 20)  # <itertools.islice object at 0x7f70fab88138> 
  4. for val in s: 
  5.     ... 

我们可以使用「itertools.islice」创建一个「islice」对象,该对象是一个迭代器,可以产生我们想要的项。但需要注意的是,该操作要使用切片之前的所有生成器项,以及「islice」对象中的所有项。

跳过可迭代对象的开头

有时你要处理一些以不需要的行(如注释)开头的文件。「itertools」再次提供了一种简单的解决方案:

  1. string_from_file = ""
  2. // Author: ... 
  3. // License: ... 
  4. // 
  5. // Date: ... 
  6. Actual content... 
  7. """ 
  8.  
  9. import itertools 
  10.  
  11. for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split("\n")): 
  12.     print(line) 

这段代码只打印初始注释部分之后的内容。如果我们只想舍弃可迭代对象的开头部分(本示例中为开头的注释行),而又不知道要这部分有多长时,这种方法就很有用了。

只包含关键字参数的函数 (kwargs)

当我们使用下面的函数时,创建仅仅需要关键字参数作为输入的函数来提供更清晰的函数定义,会很有帮助:

  1. def test(*, a, b): 
  2.     pass 
  3.  
  4. test("value for a", "value for b")  # TypeError: test() takes 0 positional arguments... 
  5. test(a="value"b="value 2")  # Works... 

如你所见,在关键字参数之前加上一个「*」就可以解决这个问题。如果我们将某些参数放在「*」参数之前,它们显然是位置参数。

创建支持「with」语句的对象

举例而言,我们都知道如何使用「with」语句打开文件或获取锁,但是我们可以实现自己上下文表达式吗?是的,我们可以使用「__enter__」和「__exit__」来实现上下文管理协议:

  1. class Connection: 
  2.     def __init__(self): 
  3.         ... 
  4.  
  5.     def __enter__(self): 
  6.         # Initialize connection... 
  7.  
  8.     def __exit__(self, type, value, traceback): 
  9.         # Close connection... 
  10.  
  11. with Connection() as c: 
  12.     # __enter__() executes 
  13.     ... 
  14.     # conn.__exit__() executes 

这是在 Python 中最常见的实现上下文管理的方法,但是还有更简单的方法:

  1. from contextlib import contextmanager 
  2.  
  3. @contextmanager 
  4. def tag(name): 
  5.     print(f"<{name}>") 
  6.     yield 
  7.     print(f"</{name}>") 
  8.  
  9. with tag("h1"): 
  10.     print("This is Title.") 

上面这段代码使用 contextmanager 的 manager 装饰器实现了内容管理协议。在进入 with 块时 tag 函数的第一部分(在 yield 之前的部分)就已经执行了,然后 with 块才被执行,最后执行 tag 函数的其余部分。

用「__slots__」节省内存

如果你曾经编写过一个创建了某种类的大量实例的程序,那么你可能已经注意到,你的程序突然需要大量的内存。那是因为 Python 使用字典来表示类实例的属性,这使其速度很快,但内存使用效率却不是很高。通常情况下,这并不是一个严重的问题。但是,如果你的程序因此受到严重的影响,不妨试一下「__slots__」:

  1. class Person: 
  2.     __slots__ = ["first_name", "last_name", "phone"] 
  3.     def __init__(self, first_name, last_name, phone): 
  4.         self.first_name = first_name 
  5.         self.last_name = last_name 
  6.         self.phone = phone 

当我们定义了「__slots__」属性时,Python 没有使用字典来表示属性,而是使用小的固定大小的数组,这大大减少了每个实例所需的内存。使用「__slots__」也有一些缺点:我们不能声明任何新的属性,我们只能使用「__slots__」上现有的属性。而且,带有「__slots__」的类不能使用多重继承。

限制「CPU」和内存使用量

如果不是想优化程序对内存或 CPU 的使用率,而是想直接将其限制为某个确定的数字,Python 也有一个对应的库可以做到:

  1. import signal 
  2. import resource 
  3. import os 
  4.  
  5. # To Limit CPU time 
  6. def time_exceeded(signo, frame): 
  7.     print("CPU exceeded...") 
  8.     raise SystemExit(1) 
  9.  
  10. def set_max_runtime(seconds): 
  11.     # Install the signal handler and set a resource limit 
  12.     soft, hard = resource.getrlimit(resource.RLIMIT_CPU) 
  13.     resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard)) 
  14.     signal.signal(signal.SIGXCPU, time_exceeded) 
  15.  
  16. # To limit memory usage 
  17. def set_max_memory(size): 
  18.     soft, hard = resource.getrlimit(resource.RLIMIT_AS) 
  19.     resource.setrlimit(resource.RLIMIT_AS, (size, hard)) 

我们可以看到,在上面的代码片段中,同时包含设置最大 CPU 运行时间和最大内存使用限制的选项。在限制 CPU 的运行时间时,我们首先获得该特定资源(RLIMIT_CPU)的软限制和硬限制,然后使用通过参数指定的秒数和先前检索到的硬限制来进行设置。最后,如果 CPU 的运行时间超过了限制,我们将发出系统退出的信号。在内存使用方面,我们再次检索软限制和硬限制,并使用带「size」参数的「setrlimit」和先前检索到的硬限制来设置它。

控制可以/不可以导入什么

有些语言有非常明显的机制来导出成员(变量、方法、接口),例如在 Golang 中只有以大写字母开头的成员被导出。然而,在 Python 中,所有成员都会被导出(除非我们使用了「__all__」):

  1. def foo(): 
  2.     pass 
  3.  
  4. def bar(): 
  5.     pass 
  6.  
  7. __all__ = ["bar"] 

在上面这段代码中,我们知道只有「bar」函数被导出了。同样,我们可以让「__all__」为空,这样就不会导出任何东西,当从这个模块导入的时候,会造成「AttributeError」。

实现比较运算符的简单方法

为一个类实现所有的比较运算符(如 __lt__ , __le__ , __gt__ , __ge__)是很繁琐的。有更简单的方法可以做到这一点吗?这种时候,「functools.total_ordering」就是一个很好的帮手:

  1. from functools import total_ordering 
  2.  
  3. @total_ordering 
  4. class Number: 
  5.     def __init__(self, value): 
  6.         self.value = value 
  7.  
  8.     def __lt__(self, other): 
  9.         return self.value < other.value 
  10.  
  11.     def __eq__(self, other): 
  12.         return self.value == other.value 
  13.  
  14. print(Number(20) > Number(3)) 
  15. print(Number(1) < Number(5)) 
  16. print(Number(15) >= Number(15)) 
  17. print(Number(10) <= Number(2)) 

这里的工作原理究竟是怎样的呢?我们用「total_ordering」装饰器简化实现对类实例排序的过程。我们只需要定义「__lt__」和「__eq__」就可以了,它们是实现其余操作所需要的最小的操作集合(这里也体现了装饰器的作用——为我们填补空白)。

结语

并非本文中所有提到的功能在日常的 Python 编程中都是必需或有用的,但是其中某些功能可能会不时派上用场,而且它们也可能简化一些原本就很冗长且令人烦恼的任务。还需指出的是,所有这些功能都是 Python 标准库的一部分。而在我看来,其中一些功能似乎并不像标准库中包含的标准内容,所以当你使用 Python 实现本文提到的某些功能时,请先参阅 Python 的标准库,如果你不能找到想要的功能,可能只是因为你还没有尽力查找(如果真的没有,那它肯定也存在于一些第三方库)。

原文链接:

https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fpython-tips-and-trick-you-havent-already-seen-37825547544f

【本文是51CTO专栏机构“机器之心”的原创译文,微信公众号“机器之心( id: almosthuman2014)”】 

戳这里,看该作者更多好文

责任编辑:赵宁宁 来源: 51CTO专栏
相关推荐

2015-07-28 17:11:00

编程技术提升

2022-04-25 13:11:14

Python编程技巧

2024-01-09 18:01:38

2018-05-21 09:55:09

Java编程技巧

2023-12-14 15:31:43

函数式编程python编程

2023-02-01 09:27:46

2012-12-25 09:45:08

PythonWeb

2023-10-12 17:07:01

编程编译器内存

2023-12-11 15:32:30

面向对象编程OOPpython

2015-07-02 13:32:22

2017-04-12 13:29:08

Linux命令行工具

2017-03-27 14:40:01

Linux命令行工具技巧

2017-04-05 14:10:55

Linux命令行工具技巧

2021-12-12 18:15:06

Python并发编程

2021-10-13 06:59:03

Python技巧编程

2010-02-23 16:32:14

Python编程

2017-04-10 13:26:00

Linux命令技巧

2010-02-03 09:35:20

Python函数编程

2013-01-05 02:11:39

工程师程序员

2010-02-24 16:44:58

Python 函数
点赞
收藏

51CTO技术栈公众号