|
|
|
|
公众号矩阵

Python大神用的贼溜,9个实用技巧分享给你

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!

作者:佚名来源:机器学习算法与Python学习|2020-08-28 11:40

 

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  
  2. string has  some whitespaces...  
  3.  
  4. character_map = {  
  5.     ord(   
  6.  ) :    ,  
  7.     ord(     ) :    ,  
  8.     ord(   
  9.  ) : None  
  10.  
  11. 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. s = itertools.islice(range(50), 10, 20)  # <itertools.islice object at 0x7f70fab88138>  
  3. for val in s:  
  4.     ... 

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. import itertools  
  9. for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split("  
  10. ")):  
  11.     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. test("value for a", "value for b")  # TypeError: test() takes 0 positional arguments...  
  4. 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.     def __enter__(self):  
  5.         # Initialize connection...  
  6.     def __exit__(self, type, value, traceback):  
  7.         # Close connection...  
  8. with Connection() as c:  
  9.     # __enter__() executes  
  10.     ...  
  11.     # 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. @contextmanager  
  3. def tag(name):  
  4.     print(f"<{name}>")  
  5.     yield  
  6.     print(f"</{name}>")  
  7. with tag("h1"):  
  8.     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. # To Limit CPU time  
  5. def time_exceeded(signo, frame):  
  6.     print("CPU exceeded...")  
  7.     raise SystemExit(1)  
  8. def set_max_runtime(seconds):  
  9.     # Install the signal handler and set a resource limit  
  10.     soft, hard = resource.getrlimit(resource.RLIMIT_CPU)  
  11.     resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))  
  12.     signal.signal(signal.SIGXCPU, time_exceeded)  
  13. # To limit memory usage  
  14. def set_max_memory(size):  
  15.     soft, hard = resource.getrlimit(resource.RLIMIT_AS)  
  16.     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. def bar():  
  4.     pass  
  5. __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. @total_ordering  
  3. class Number:  
  4.     def __init__(self, value):  
  5.         self.value = value  
  6.     def __lt__(self, other):  
  7.         return self.value < other.value  
  8.     def __eq__(self, other):  
  9.         return self.value == other.value  
  10. print(Number(20) > Number(3))  
  11. print(Number(1) < Number(5))  
  12. print(Number(15) >= Number(15))  
  13. 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)。

【责任编辑:庞桂玉 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

数据中心和VPDN网络建设案例

数据中心和VPDN网络建设案例

漫画+案例
共20章 | 捷哥CCIE

145人订阅学习

搭建数据中心实验Lab

搭建数据中心实验Lab

实验平台Datacenter
共5章 | ITGO(老曾)

94人订阅学习

大数据安全运维实战

大数据安全运维实战

CDH+Ambari
共20章 | 大数据陈浩

91人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微