分享介紹Python的9個實用技巧
本文會介紹一些Python大神用的賊溜的技巧,讓一探究竟吧!歡迎收藏學習,喜歡點贊支持,歡迎暢聊。
整理字符串輸入
整理用戶輸入的問題在編程過程中很常見。有更好的方法來解決:
user_input = "This string has some whitespaces... " character_map = { ord( ) : , ord( ) : , ord( ) : None } 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」都被替換掉瞭幾個空格,「r」都被替換掉瞭。這隻是個很簡單的例子,我們可以更進一步,使用「 unicodedata”程序包生成大型重映射表,並使用其中的“combining()”進行生成和映射
迭代器(切片)
如果對返回一個對象進行簡單的操作,會提示生成對象下的“TypeError”,但是我們可以用一個對象的方案來解決問題:
import itertools s = itertools.islice(range(50), 10, 20) # <itertools.islice object at 0x7f70fab88138> for val in s: ...
我們可以使用「itertools.islice」創建一個「islice」,該對象是一個迭代器,可以產生我們想要的項。但需要註意的是,該操作要使用對象以及對象的所有生成器項,「 islice」對象中的所有項。
跳過可對對象的開頭
有時你要處理一些不需要的行(如註釋)開頭的文件。「itertools」再次提供瞭一種簡單的解決方案:
string_from_file = """ // Author: ... // License: ... // // Date: ... Actual content... """ import itertools for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split(" ")): print(line)
這段代碼隻打印初始註釋部分之後的內容。如果我們隻想舍棄可迭代對象的開頭部分(本示例中為開頭的註釋行),而又不知道要這部分有多長時,這種方法就很有用瞭。
隻包含關鍵字參數的函數 (kwargs)
當我們使用下面的函數時,創建僅僅需要關鍵字參數作為輸入的函數來提供更清晰的函數定義,會很有幫助:
def test(*, a, b): pass test("value for a", "value for b") # TypeError: test() takes 0 positional arguments... test(a="value", b="value 2") # Works...
如你所見,在關鍵字參數之前加上一個「」就可以解決這個問題。如果我們將某些參數放在「」參數之前,它們顯然是位置參數。
創建支持「with」語句的對象
舉例而言,我們都知道如何使用「with」語句打開文件或獲取鎖,但是我們可以實現自己上下文表達式嗎?是的,我們可以使用「enter」和「exit」來實現上下文管理協議:
class Connection: def __init__(self): ... def __enter__(self): # Initialize connection... def __exit__(self, type, value, traceback): # Close connection... with Connection() as c: # __enter__() executes ... # conn.__exit__() executes
這是在 Python 中最常見的實現上下文管理的方法,但是還有更簡單的方法:
from contextlib import contextmanager @contextmanager def tag(name): print(f"<{name}>") yield print(f"</{name}>") with tag("h1"): print("This is Title.")
上面這段代碼使用 contextmanager 的 manager 裝飾器實現瞭內容管理協議。在進入 with 塊時 tag 函數的第一部分(在 yield 之前的部分)就已經執行瞭,然後 with 塊才被執行,最後執行 tag 函數的其餘部分。
用「slots」節省內存
如果你曾經編寫過一個創建瞭某種類的大量實例的程序,那麼你可能已經註意到,你的程序突然需要大量的內存。那是因為 Python 使用字典來表示類實例的屬性,這使其速度很快,但內存使用效率卻不是很高。通常情況下,這並不是一個嚴重的問題。但是,如果你的程序因此受到嚴重的影響,不妨試一下「slots」:
class Person: __slots__ = ["first_name", "last_name", "phone"] def __init__(self, first_name, last_name, phone): self.first_name = first_name self.last_name = last_name self.phone = phone
當我們定義瞭「slots」屬性時,Python 沒有使用字典來表示屬性,而是使用小的固定大小的數組,這大大減少瞭每個實例所需的內存。使用「slots」也有一些缺點:我們不能聲明任何新的屬性,我們隻能使用「slots」上現有的屬性。而且,帶有「slots」的類不能使用多重繼承。
限制「CPU」和內存使用量
如果不是想優化程序對內存或 CPU 的使用率,而是想直接將其限制為某個確定的數字,Python 也有一個對應的庫可以做到:
import signal import resource import os # To Limit CPU time def time_exceeded(signo, frame): print("CPU exceeded...") raise SystemExit(1) def set_max_runtime(seconds): # Install the signal handler and set a resource limit soft, hard = resource.getrlimit(resource.RLIMIT_CPU) resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard)) signal.signal(signal.SIGXCPU, time_exceeded) # To limit memory usage def set_max_memory(size): soft, hard = resource.getrlimit(resource.RLIMIT_AS) resource.setrlimit(resource.RLIMIT_AS, (size, hard))
我們可以看到,在上面的代碼片段中,同時包含設置最大 CPU 運行時間和最大內存使用限制的選項。在限制 CPU 的運行時間時,我們首先獲得該特定資源(RLIMIT_CPU)的軟限制和硬限制,然後使用通過參數指定的秒數和先前檢索到的硬限制來進行設置。最後,如果 CPU 的運行時間超過瞭限制,我們將發出系統退出的信號。在內存使用方面,我們再次檢索軟限制和硬限制,並使用帶「size」參數的「setrlimit」和先前檢索到的硬限制來設置它。
控制可以/不可以導入什麼
有些語言有非常明顯的機制來導出成員(變量、方法、接口),例如在 Golang 中隻有以大寫字母開頭的成員被導出。然而,在 Python 中,所有成員都會被導出(除非我們使用瞭「all」):
def foo(): pass def bar(): pass __all__ = ["bar"]
在上面這段代碼中,我們知道隻有「bar」函數被導出瞭。同樣,我們可以讓「all」為空,這樣就不會導出任何東西,當從這個模塊導入的時候,會造成「AttributeError」。
實現比較運算符的簡單方法
為一個類實現所有的比較相似(如 lt , le , gt , ge)是很繁瑣的。有更簡單的方法可以做到這一點嗎?這種時候,「functools.total_ordering」就是一個很好的幫手:
from functools import total_ordering @total_ordering class Number: def __init__(self, value): self.value = value def __lt__(self, other): return self.value < other.value def __eq__(self, other): return self.value == other.value print(Number(20) > Number(3)) print(Number(1) < Number(5)) print(Number(15) >= Number(15)) print(Number(10) <= Number(2))
這裡的工作原理究竟是怎樣的呢?我們用「total_ordering」裝飾器簡化實現對類實例排序的過程。我們隻需要定義「LT」和「當量」就可以瞭,它們是實現其餘操作所需要的最小的集合(這裡也表現瞭裝飾器的作用——為我們操作空白)。
結語
並非本文中所有相關的功能在日常使用的 Python 編程中都是特定的或有用的,但某些功能可能不會時派上用場,而且它們也可能很簡單一些就很冗長且令人厭煩的任務。還需指出的是,所有這些功能都是 Python 標準庫的一部分。功能時,請先看 Python 標準庫,如果你不能找到想要的功能,可能隻是因為你還沒有努力尋找(如果真的沒有,那肯定也存在於一些可用庫中)。
技術交流
歡迎轉載、收藏、有所收獲點贊支持一下!
到此這篇關於分享介紹Python的9個實用技巧的文章就介紹到這瞭,更多相關Python 技巧內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python編程itertools模塊處理可迭代集合相關函數
- Python函數式編程中itertools模塊詳解
- python中對信號的處理詳解
- Python中itertools簡介使用介紹
- Python 語句的表達式和縮進