• 转载
  • 后端开发
  • 5年 Python 功力,总结了 10 个开发技巧

    2020.06.12 14:39发布

    6015人阅读

    0人评论


    今天给大家分享 10 个我平时整理非常实用的 Python 开发小技巧。


    1. 如何在运行状态查看源代码?


    查看函数的源代码,我们通常会使用 IDE 来完成。


    比如在 PyCharm 中,你可以 Ctrl + 鼠标点击 进入函数的源代码。


    那如果没有 IDE 呢?


    当我们想使用一个函数时,如何知道这个函数需要接收哪些参数呢?


    当我们在使用函数时出现问题的时候,如何通过阅读源代码来排查问题所在呢?


    这时候,我们可以使用 inspect 来代替 IDE 帮助你完成这些事


    demo.py
    import inspect


    def add(x, y):
        return x + y

    print("===================")
    print(inspect.getsource(add))

    运行结果如下


    $ python demo.py
    ===================
    def add(x, y):
        return x + y

    2. 如何关闭异常自动关联上下文?


    当你在处理异常时,由于处理不当或者其他问题,再次抛出另一个异常时,往外抛出的异常也会携带原始的异常信息。


    就像这样子。


    try:
        print(1 / 0)
    except Exception as exc:
        raise RuntimeError("Something bad happened")

    从输出可以看到两个异常信息


    Traceback (most recent call last):
      File "demo.py", line 2in <module>
        print(1 / 0)
    ZeroDivisionError: division by zero

    During handling of the above exception, another exception occurred:

    Traceback (most recent call last):
      File "demo.py", line 4in <module>
        raise RuntimeError("Something bad happened")
    RuntimeError: Something bad happened

    如果在异常处理程序或 finally 块中引发异常,默认情况下,异常机制会隐式工作会将先前的异常附加为新异常的 __context__属性。这就是 Python 默认开启的自动关联异常上下文。


    如果你想自己控制这个上下文,可以加个 from 关键字(from 语法会有个限制,就是第二个表达式必须是另一个异常类或实例。),来表明你的新异常是直接由哪个异常引起的。


    try:
        print(1 / 0)
    except Exception as exc:
        raise RuntimeError("Something bad happened"from exc

    输出如下


    Traceback (most recent call last):
      File "demo.py", line 2in <module>
        print(1 / 0)
    ZeroDivisionError: division by zero

    The above exception was the direct cause of the following exception:

    Traceback (most recent call last):
      File "demo.py", line 4in <module>
        raise RuntimeError("Something bad happened"from exc
    RuntimeError: Something bad happened

    当然,你也可以通过with_traceback()方法为异常设置上下文__context__属性,这也能在traceback更好的显示异常信息。


    try:
        print(1 / 0)
    except Exception as exc:
        raise RuntimeError("bad thing").with_traceback(exc)

    最后,如果我想彻底关闭这个自动关联异常上下文的机制?有什么办法呢?


    可以使用 raise...from None,从下面的例子上看,已经没有了原始异常


    $ cat demo.py
    try:
        print(1 / 0)
    except Exception as exc:
        raise RuntimeError("Something bad happened"from None
    $
    $ python demo.py
    Traceback (most recent call last):
      File "demo.py", line 4in <module>
        raise RuntimeError("Something bad happened"from None
    RuntimeError: Something bad happened
    (PythonCodingTime)

    03. 最快查看包搜索路径的方式


    当你使用 import 导入一个包或模块时,Python 会去一些目录下查找,而这些目录是有优先级顺序的,正常人会使用 sys.path 查看。


    >>> import sys
    >>> from pprint import pprint   
    >>> pprint(sys.path)
    ['',
     '/usr/local/Python3.7/lib/python37.zip',
     '/usr/local/Python3.7/lib/python3.7',
     '/usr/local/Python3.7/lib/python3.7/lib-dynload',
     '/home/wangbm/.local/lib/python3.7/site-packages',
     '/usr/local/Python3.7/lib/python3.7/site-packages']
    >>> 

    那有没有更快的方式呢?


    我这有一种连 console 模式都不用进入的方法呢?


    你可能会想到这种,但这本质上与上面并无区别


    [wangbm@localhost ~]$ python -c "print('\n'.join(__import__('sys').path))"

    /usr/lib/python2.7/site-packages/pip-18.1-py2.7.egg
    /usr/lib/python2.7/site-packages/redis-3.0.1-py2.7.egg
    /usr/lib64/python27.zip
    /usr/lib64/python2.7
    /usr/lib64/python2.7/plat-linux2
    /usr/lib64/python2.7/lib-tk
    /usr/lib64/python2.7/lib-old
    /usr/lib64/python2.7/lib-dynload
    /home/wangbm/.local/lib/python2.7/site-packages
    /usr/lib64/python2.7/site-packages
    /usr/lib64/python2.7/site-packages/gtk-2.0
    /usr/lib/python2.7/site-packages

    这里我要介绍的是比上面两种都方便的多的方法,一行命令即可解决


    [wangbm@localhost ~]$ python3 -m site
    sys.path = [
        '/home/wangbm',
        '/usr/local/Python3.7/lib/python37.zip',
        '/usr/local/Python3.7/lib/python3.7',
        '/usr/local/Python3.7/lib/python3.7/lib-dynload',
        '/home/wangbm/.local/lib/python3.7/site-packages',
        '/usr/local/Python3.7/lib/python3.7/site-packages',
    ]
    USER_BASE: '/home/wangbm/.local' (exists)
    USER_SITE: '/home/wangbm/.local/lib/python3.7/site-packages' (exists)
    ENABLE_USER_SITE: True

    从输出你可以发现,这个列的路径会比 sys.path 更全,它包含了用户环境的目录。


    4. 将嵌套 for 循环写成单行


    我们经常会如下这种嵌套的 for 循环代码


    list1 = range(1,3)
    list2 = range(4,6)
    list3 = range(7,9)
    for item1 in list1:
        for item2 in list2:
           for item3 in list3:
               print(item1+item2+item3)

    这里仅仅是三个 for 循环,在实际编码中,有可能会有更层。


    这样的代码,可读性非常的差,很多人不想这么写,可又没有更好的写法。


    这里介绍一种我常用的写法,使用 itertools 这个库来实现更优雅易读的代码。


    from itertools import product
    list1 = range(1,3)
    list2 = range(4,6)
    list3 = range(7,9)
    for item1,item2,item3 in product(list1, list2, list3):
        print(item1+item2+item3)

    输出如下


    $ python demo.py
    12
    13
    13
    14
    13
    14
    14
    15

    5. 如何使用 print 输出日志


    初学者喜欢使用 print 来调试代码,并记录程序运行过程。


    但是 print 只会将内容输出到终端上,不能持久化到日志文件中,并不利于问题的排查。


    如果你热衷于使用 print 来调试代码(虽然这并不是最佳做法),记录程序运行过程,那么下面介绍的这个 print 用法,可能会对你有用。


    Python 3 中的 print 作为一个函数,由于可以接收更多的参数,所以功能变为更加强大,指定一些参数可以将 print 的内容输出到日志文件中


    代码如下:


    >>> with open('test.log', mode='w'as f:
    ...     print('hello, python', file=f, flush=True)
    >>> exit()

    $ cat test.log
    hello, python

    6. 如何快速计算函数运行时间


    计算一个函数的运行时间,你可能会这样子做


    import time

    start = time.time()

    # run the function

    end = time.time()
    print(end-start)

    你看看你为了计算函数运行时间,写了几行代码了。


    有没有一种方法可以更方便的计算这个运行时间呢?


    有。


    有一个内置模块叫 timeit


    使用它,只用一行代码即可


    import time
    import timeit

    def run_sleep(second):
        print(second)
        time.sleep(second)

    # 只用这一行
    print(timeit.timeit(lambda :run_sleep(2), number=5))

    运行结果如下


    2
    2
    2
    2
    2
    10.020059824

    7. 利用自带的缓存机制提高效率


    缓存是一种将定量数据加以保存,以备迎合后续获取需求的处理方式,旨在加快数据获取的速度。


    数据的生成过程可能需要经过计算,规整,远程获取等操作,如果是同一份数据需要多次使用,每次都重新生成会大大浪费时间。所以,如果将计算或者远程请求等操作获得的数据缓存下来,会加快后续的数据获取需求。


    为了实现这个需求,Python 3.2 + 中给我们提供了一个机制,可以很方便的实现,而不需要你去写这样的逻辑代码。


    这个机制实现于 functool 模块中的 lru_cache 装饰器。


    @functools.lru_cache(maxsize=None, typed=False)

    参数解读:





    • maxsize:最多可以缓存多少个此函数的调用结果,如果为None,则无限制,设置为 2 的幂时,性能最佳




    • typed:若为 True,则不同参数类型的调用将分别缓存。





    举个例子


    from functools import lru_cache

    @lru_cache(None)
    def add(x, y):
        print("calculating: %s + %s" % (x, y))
        return x + y

    print(add(12))
    print(add(12))
    print(add(23))

    输出如下,可以看到第二次调用并没有真正的执行函数体,而是直接返回缓存里的结果


    calculating: 1 + 2
    3
    3
    calculating: 2 + 3
    5

    下面这个是经典的斐波那契数列,当你指定的 n 较大时,会存在大量的重复计算


    def fib(n):
        if n < 2:
            return n
        return fib(n - 2) + fib(n - 1)

    第六点介绍的 timeit,现在可以用它来测试一下到底可以提高多少的效率。


    不使用 lru_cache 的情况下,运行时间 31 秒


    import timeit

    def fib(n):
        if n < 2:
            return n
        return fib(n - 2) + fib(n - 1)



    print(timeit.timeit(lambda :fib(40), number=1))
    # output: 31.2725698948

    由于使用了 lru_cache 后,运行速度实在太快了,所以我将 n 值由 30 调到 500,可即使是这样,运行时间也才 0.0004 秒。提高速度非常显著。


    import timeit
    from functools import lru_cache

    @lru_cache(None)
    def fib(n):
        if n < 2:
            return n
        return fib(n - 2) + fib(n - 1)

    print(timeit.timeit(lambda :fib(500), number=1))
    # output: 0.0004921059880871326

    8. 在程序退出前执行代码的技巧


    使用 atexit 这个内置模块,可以很方便的注册退出函数。


    不管你在哪个地方导致程序崩溃,都会执行那些你注册过的函数。


    示例如下


    5年 Python 功力,总结了 10 个开发技巧

     



    如果clean()函数有参数,那么你可以不用装饰器,而是直接调用atexit.register(clean_1, 参数1, 参数2, 参数3='xxx')。


    可能你有其他方法可以处理这种需求,但肯定比上不使用 atexit 来得优雅,来得方便,并且它很容易扩展。


    但是使用 atexit 仍然有一些局限性,比如:





    • 如果程序是被你没有处理过的系统信号杀死的,那么注册的函数无法正常执行。




    • 如果发生了严重的 Python 内部错误,你注册的函数无法正常执行。




    • 如果你手动调用了os._exit(),你注册的函数无法正常执行。





    9. 实现类似 defer 的延迟调用


    在 Golang 中有一种延迟调用的机制,关键字是 defer,例如下面的示例


    import "fmt"

    func myfunc() {
        fmt.Println("B")
    }

    func main() {
        defer myfunc()
        fmt.Println("A")
    }

    输出如下,myfunc 的调用会在函数返回前一步完成,即使你将 myfunc 的调用写在函数的第一行,这就是延迟调用。


    A
    B

    那么在 Python 中否有这种机制呢?


    当然也有,只不过并没有 Golang 这种简便。


    在 Python 可以使用 上下文管理器 达到这种效果


    import contextlib

    def callback():
        print('B')

    with contextlib.ExitStack() as stack:
        stack.callback(callback)
        print('A')

    输出如下


    A
    B

    10. 如何流式读取数G超大文件


    使用 with...open... 可以从一个文件中读取数据,这是所有 Python 开发者都非常熟悉的操作。


    但是如果你使用不当,也会带来很大的麻烦。


    比如当你使用了 read 函数,其实 Python 会将文件的内容一次性的全部载入内存中,如果文件有 10 个G甚至更多,那么你的电脑就要消耗的内存非常巨大。


    # 一次性读取
    with open("big_file.txt""r"as fp:
        content = fp.read()

    对于这个问题,你也许会想到使用 readline 去做一个生成器来逐行返回。


    def read_from_file(filename):
        with open(filename, "r"as fp:
            yield fp.readline()

    可如果这个文件内容就一行呢,一行就 10个G,其实你还是会一次性读取全部内容。


    最优雅的解决方法是,在使用 read 方法时,指定每次只读取固定大小的内容,比如下面的代码中,每次只读取 8kb 返回。


    def read_from_file(filename, block_size = 1024 * 8):
        with open(filename, "r"as fp:
            while True:
                chunk = fp.read(block_size)
                if not chunk:
                    break

                yield chunk

    上面的代码,功能上已经没有问题了,但是代码看起来代码还是有些臃肿。


    借助偏函数 和 iter 函数可以优化一下代码


    from functools import partial

    def read_from_file(filename, block_size = 1024 * 8):
        with open(filename, "r"as fp:
            for chunk in iter(partial(fp.read, block_size), ""):
                yield chunk


    文章来源于网络,版权归原作者所有,内容为作者个人观点,文章仅供学习,如有侵权请联系客服删除,本站拥有对此声明的最终解释权。



  • Python技巧
  • 后端开发
  • 举报文章

  • 收藏博客:

  • 分享至:
  • 添加评论

    请先登录再评论...

    登录

    评论列表(条评论)

    没有更多评论了