python開發經驗之談(5年Python功力)
2023-04-16 21:11:40 2
作者 | 寫代碼的明哥
來源 | Python編程時光
如何在運行狀態查看原始碼
查看函數的原始碼,我們通常會使用 IDE 來完成。
比如在 PyCharm 中,你可以 Ctrl 滑鼠點擊進入函數的原始碼。
那如果沒有 IDE 呢?
當我們想使用一個函數時,如何知道這個函數需要接收哪些參數呢?
當我們在使用函數時出現問題的時候,如何通過閱讀原始碼來排查問題所在呢?
這時候,我們可以使用 inspect 來代替 IDE 幫助你完成這些事:
# demo.pyimport inspectdef add(x, y):return x yprint("===================")print(inspect.getsource(add))
運行結果如下:
$ Python demo.py===================def add(x, y):return x y
如何關閉異常自動關聯上下文
當你在處理異常時,由於處理不當或者其他問題,再次拋出另一個異常時,往外拋出的異常也會攜帶原始的異常信息。
就像這樣子:
try:print(1 / 0)except Exception as exc:raise RuntimeError("Something bad happened")
從輸出可以看到兩個異常信息:
Traceback (most recent call last):File "demo.py", line 2, in print(1 / 0)ZeroDivisionError: division by zeroDuring handling of the above exception, another exception occurred:Traceback (most recent call last):File "demo.py", line 4, in raise RuntimeError("Something bad happened")RuntimeError: Something bad happened
如果在異常處理程序或 finally 塊中引發異常,默認情況下,異常機制會隱式工作會將先前的異常附加為新異常的 __context__屬性。這就是 Python 默認開啟的自動關聯異常上下文。
如果你想自己控制這個上下文,可以加個 from 關鍵字(from 語法會有個限制,就是第二個表達式必須是另一個異常類或實例。)來表明你的新異常是直接由哪個異常引起的。
try:print(1 / 0)except Exception as exc:raise RuntimeError("Something bad happened") from exc
輸出如下:
Traceback (most recent call last):File "demo.py", line 2, in print(1 / 0)ZeroDivisionError: division by zeroThe above exception was the direct cause of the following exception:Traceback (most recent call last):File "demo.py", line 4, in raise RuntimeError("Something bad happened") from excRuntimeError: Something bad happened
當然,你也可以通過 with_traceback 方法為異常設置上下文__context__屬性,這也能在 traceback 更好的顯示異常信息。
try:print(1 / 0)except Exception as exc:raise RuntimeError("bad thing").with_traceback(exc)
最後,如果我想徹底關閉這個自動關聯異常上下文的機制?有什麼辦法呢?
可以使用 raise...from None,從下面的例子上看,已經沒有了原始異常。
$ cat demo.pytry:print(1 / 0)except Exception as exc:raise RuntimeError("Something bad happened") from None$$ python demo.pyTraceback (most recent call last):File "demo.py", line 4, in raise RuntimeError("Something bad happened") from NoneRuntimeError: Something bad happened(PythonCodingTime)
最快查看包搜索路徑的方式
當你使用 import 導入一個包或模塊時,Python 會去一些目錄下查找,而這些目錄是有優先級順序的,正常人會使用 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']>>>
那有沒有更快的方式呢?
我這有一種連console 模式都不用進入的方法呢!
你可能會想到這種,但這本質上與上面並無區別:
[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
這裡我要介紹的是比上面兩種都方便得多的方法,一行命令即可解決。
[wangbm@localhost ~]$ python3 -m sitesys.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
從輸出你可以發現,這個列的路徑會比 sys.path 更全,它包含了用戶環境的目錄。
將嵌套 for 循環寫成單行
我們經常會如下這種嵌套的 for 循環代碼:
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)
這裡僅僅是三個 for 循環,在實際編碼中,有可能會有更層。
這樣的代碼,可讀性非常的差,很多人不想這麼寫,可又沒有更好的寫法。
這裡介紹一種我常用的寫法,使用 itertools 這個庫來實現更優雅易讀的代碼。
from itertools import productlist1 = range(1,3)list2 = range(4,6)list3 = range(7,9)for item1,item2,item3 in product(list1, list2, list3):print(item1 item2 item3)
輸出如下:
$ python demo.py1213131413141415
如何使用 print 輸出日誌
初學者喜歡使用 print 來調試代碼,並記錄程序運行過程。
但是 print 只會將內容輸出到終端上,不能持久化到日誌文件中,並不利於問題的排查。
如果你熱衷於使用 print 來調試代碼(雖然這並不是最佳做法),記錄程序運行過程,那麼下面介紹的這個 print 用法,可能會對你有用。
Python 3 中的 print 作為一個函數,由於可以接收更多的參數,所以功能變為更加強大,指定一些參數可以將 print 的內容輸出到日誌文件中。
代碼如下:
>>> with open('test.log', mode='w') as f:... print('hello, python', file=f, flush=True)>>> exit$ cat test.loghello, python
如何快速計算函數運行時間
計算一個函數的運行時間,你可能會這樣子做:
import timestart = time.time# run the functionend = time.timeprint(end-start)
你看看你為了計算函數運行時間,寫了幾行代碼了。
有沒有一種方法可以更方便的計算這個運行時間呢?
有。
有一個內置模塊叫 timeit,使用它,只用一行代碼即可:
import timeimport timeitdef run_sleep(second):print(second)time.sleep(second)# 只用這一行print(timeit.timeit(lambda :run_sleep(2), number=5))
運行結果如下:
2222210.020059824
利用自帶的緩存機制提高效率
緩存是一種將定量數據加以保存,以備迎合後續獲取需求的處理方式,旨在加快數據獲取的速度。
數據的生成過程可能需要經過計算,規整,遠程獲取等操作,如果是同一份數據需要多次使用,每次都重新生成會大大浪費時間。所以,如果將計算或者遠程請求等操作獲得的數據緩存下來,會加快後續的數據獲取需求。
為了實現這個需求,Python 3.2 中給我們提供了一個機制,可以很方便的實現,而不需要你去寫這樣的邏輯代碼。
這個機制實現於 functool 模塊中的 lru_cache 裝飾器。
@functools.lru_cache(maxsize=None, typed=False)
參數解讀:
maxsize:最多可以緩存多少個此函數的調用結果,如果為None,則無限制,設置為 2 的冪時,性能最佳;
typed:若為 True,則不同參數類型的調用將分別緩存。
舉個例子:
from functools import lru_cache@lru_cache(None)def add(x, y):print("calculating: %s %s" % (x, y))return x yprint(add(1, 2))print(add(1, 2))print(add(2, 3))
輸出如下,可以看到第二次調用並沒有真正的執行函數體,而是直接返回緩存裡的結果:
calculating: 1 233calculating: 2 35
下面這個是經典的斐波那契數列,當你指定的 n 較大時,會存在大量的重複計算:
def fib(n):if n < 2:return nreturn fib(n - 2) fib(n - 1)
第六點介紹的 timeit,現在可以用它來測試一下到底可以提高多少的效率。
不使用 lru_cache 的情況下,運行時間 31 秒。
import timeitdef fib(n):if n < 2:return nreturn fib(n - 2) fib(n - 1)print(timeit.timeit(lambda :fib(40), number=1))# output: 31.2725698948
由於使用了 lru_cache 後,運行速度實在太快了,所以我將 n 值由 30 調到 500,可即使是這樣,運行時間也才 0.0004 秒。提高速度非常顯著。
import timeitfrom functools import lru_cache@lru_cache(None)def fib(n):if n < 2:return nreturn fib(n - 2) fib(n - 1)print(timeit.timeit(lambda :fib(500), number=1))# output: 0.0004921059880871326
在程序退出前執行代碼的技巧
使用 atexit 這個內置模塊,可以很方便的註冊退出函數。
不管你在哪個地方導致程序崩潰,都會執行那些你註冊過的函數。
示例如下:
如果clean函數有參數,那麼你可以不用裝飾器,而是直接調用atexit.register(clean_1, 參數1, 參數2, 參數3='xxx')。
可能你有其他方法可以處理這種需求,但肯定比上不使用 atexit 來得優雅,來得方便,並且它很容易擴展。
但是使用atexit 仍然有一些局限性,比如:
如果程序是被你沒有處理過的系統信號殺死的,那麼註冊的函數無法正常執行。
如果發生了嚴重的 Python 內部錯誤,你註冊的函數無法正常執行。
如果你手動調用了os._exit,你註冊的函數無法正常執行。
實現類似 defer 的延遲調用
在 Golang 中有一種延遲調用的機制,關鍵字是 defer,例如下面的示例:
import "fmt"func myfunc {fmt.Println("B")}func main {defer myfuncfmt.Println("A")}
輸出如下,myfunc 的調用會在函數返回前一步完成,即使你將 myfunc 的調用寫在函數的第一行,這就是延遲調用。
AB
那麼在 Python 中否有這種機制呢?
當然也有,只不過並沒有 Golang 這種簡便。
在 Python 可以使用上下文管理器達到這種效果:
import contextlibdef callback:print('B')with contextlib.ExitStack as stack:stack.callback(callback)print('A')
輸出如下:
AB
如何流式讀取數G超大文件
使用 with...open... 可以從一個文件中讀取數據,這是所有 Python 開發者都非常熟悉的操作。
但是如果你使用不當,也會帶來很大的麻煩。
比如當你使用了 read 函數,其實 Python 會將文件的內容一次性的全部載入內存中,如果文件有 10 個G甚至更多,那麼你的電腦就要消耗的內存非常巨大。
# 一次性讀取with open("big_file.txt", "r") as fp:content = fp.read
對於這個問題,你也許會想到使用 readline 去做一個生成器來逐行返回。
def read_from_file(filename):with open(filename, "r") as fp:yield fp.readline
可如果這個文件內容就一行呢,一行就 10個G,其實你還是會一次性讀取全部內容。
最優雅的解決方法是,在使用 read 方法時,指定每次只讀取固定大小的內容,比如下面的代碼中,每次只讀取 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:breakyield chunk
上面的代碼,功能上已經沒有問題了,但是代碼看起來代碼還是有些臃腫。
藉助偏函數和 iter 函數可以優化一下代碼:
from functools import partialdef 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
☞架構的腐化是必然的!
☞騰訊雲 AI 在新基建領域下一盤什麼大棋
☞張一鳴是如何練就字節跳動的
☞性能超越最新序列推薦模型,華為諾亞方舟提出記憶增強的圖神經網絡
☞DevOps 在行動應用程式開發中扮演什麼角色?
☞穩定幣經濟:十大穩定幣簡史
,