今天給大家分享 10 個(gè)我平時(shí)整理非常實(shí)用的 Python 開(kāi)發(fā)小技巧。一起來(lái)看看吧。

1. 如何在運(yùn)行狀態(tài)查看源代碼？

查看函數(shù)的源代碼，我們通常會(huì)使用 IDE 來(lái)完成。

比如在 PyCharm 中，你可以 Ctrl + 鼠標(biāo)點(diǎn)擊 進(jìn)入函數(shù)的源代碼。

那如果沒(méi)有 IDE 呢？

當(dāng)我們想使用一個(gè)函數(shù)時(shí)，如何知道這個(gè)函數(shù)需要接收哪些參數(shù)呢？

當(dāng)我們?cè)谑褂煤瘮?shù)時(shí)出現(xiàn)問(wèn)題的時(shí)候，如何通過(guò)閱讀源代碼來(lái)排查問(wèn)題所在呢？

這時(shí)候，我們可以使用 inspect 來(lái)代替 IDE 幫助你完成這些事

#?demo.py import?inspectdef?add(x,?y):return?x?+?yprint("===================") print(inspect.getsource(add))

運(yùn)行結(jié)果如下

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

2. 如何關(guān)閉異常自動(dòng)關(guān)聯(lián)上下文？

當(dāng)你在處理異常時(shí)，由于處理不當(dāng)或者其他問(wèn)題，再次拋出另一個(gè)異常時(shí)，往外拋出的異常也會(huì)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(gè)異常信息

Traceback?(most?recent?call?last):File?"demo.py",?line?2,?in?<module>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?<module>raise?RuntimeError("Something?bad?happened") RuntimeError:?Something?bad?happened

如果在異常處理程序或 finally 塊中引發(fā)異常，默認(rèn)情況下，異常機(jī)制會(huì)隱式工作會(huì)將先前的異常附加為新異常的 __context__屬性。這就是 Python 默認(rèn)開(kāi)啟的自動(dòng)關(guān)聯(lián)異常上下文。

如果你想自己控制這個(gè)上下文，可以加個(gè) from 關(guān)鍵字（from 語(yǔ)法會(huì)有個(gè)限制，就是第二個(gè)表達(dá)式必須是另一個(gè)異常類(lèi)或?qū)嵗?#xff09;，來(lái)表明你的新異常是直接由哪個(gè)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?<module>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?<module>raise?RuntimeError("Something?bad?happened")?from?exc RuntimeError:?Something?bad?happened

當(dāng)然，你也可以通過(guò)with_traceback()方法為異常設(shè)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)

最后，如果我想徹底關(guān)閉這個(gè)自動(dòng)關(guān)聯(lián)異常上下文的機(jī)制？有什么辦法呢？

可以使用 raise...from None，從下面的例子上看，已經(jīng)沒(méi)有了原始異常

$?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?4,?in?<module>raise?RuntimeError("Something?bad?happened")?from?None RuntimeError:?Something?bad?happened (PythonCodingTime)

03. 最快查看包搜索路徑的方式

當(dāng)你使用 import 導(dǎo)入一個(gè)包或模塊時(shí)，Python 會(huì)去一些目錄下查找，而這些目錄是有優(yōu)先級(jí)順序的，正常人會(huì)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(méi)有更快的方式呢？

我這有一種連 console 模式都不用進(jìn)入的方法呢？

你可能會(huì)想到這種，但這本質(zhì)上與上面并無(wú)區(qū)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

這里我要介紹的是比上面兩種都方便的多的方法，一行命令即可解決

[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

從輸出你可以發(fā)現(xiàn)，這個(gè)列的路徑會(huì)比 sys.path 更全，它包含了用戶環(huán)境的目錄。

4. 將嵌套 for 循環(huán)寫(xiě)成單行

我們經(jīng)常會(huì)如下這種嵌套的 for 循環(huán)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)

這里僅僅是三個(gè) for 循環(huán)，在實(shí)際編碼中，有可能會(huì)有更層。

這樣的代碼，可讀性非常的差，很多人不想這么寫(xiě)，可又沒(méi)有更好的寫(xiě)法。

這里介紹一種我常用的寫(xiě)法，使用 itertools 這個(gè)庫(kù)來(lái)實(shí)現(xiàn)更優(yōu)雅易讀的代碼。

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)

輸出如下

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

5. 如何使用 print 輸出日志

初學(xué)者喜歡使用 print 來(lái)調(diào)試代碼，并記錄程序運(yùn)行過(guò)程。

但是 print 只會(huì)將內(nèi)容輸出到終端上，不能持久化到日志文件中，并不利于問(wèn)題的排查。

如果你熱衷于使用 print 來(lái)調(diào)試代碼（雖然這并不是最佳做法），記錄程序運(yùn)行過(guò)程，那么下面介紹的這個(gè) print 用法，可能會(huì)對(duì)你有用。

Python 3 中的 print 作為一個(gè)函數(shù)，由于可以接收更多的參數(shù)，所以功能變?yōu)楦訌?qiáng)大，指定一些參數(shù)可以將 print 的內(nèi)容輸出到日志文件中

代碼如下：

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

6. 如何快速計(jì)算函數(shù)運(yùn)行時(shí)間

計(jì)算一個(gè)函數(shù)的運(yùn)行時(shí)間，你可能會(huì)這樣子做

import?timestart?=?time.time()#?run?the?functionend?=?time.time() print(end-start)

你看看你為了計(jì)算函數(shù)運(yùn)行時(shí)間，寫(xiě)了幾行代碼了。

有沒(méi)有一種方法可以更方便的計(jì)算這個(gè)運(yùn)行時(shí)間呢？

有。

有一個(gè)內(nèi)置模塊叫 timeit

使用它，只用一行代碼即可

import?time import?timeitdef?run_sleep(second):print(second)time.sleep(second)#?只用這一行 print(timeit.timeit(lambda?:run_sleep(2),?number=5))

運(yùn)行結(jié)果如下

2 2 2 2 2 10.020059824

7. 利用自帶的緩存機(jī)制提高效率

緩存是一種將定量數(shù)據(jù)加以保存，以備迎合后續(xù)獲取需求的處理方式，旨在加快數(shù)據(jù)獲取的速度。

數(shù)據(jù)的生成過(guò)程可能需要經(jīng)過(guò)計(jì)算，規(guī)整，遠(yuǎn)程獲取等操作，如果是同一份數(shù)據(jù)需要多次使用，每次都重新生成會(huì)大大浪費(fèi)時(shí)間。所以，如果將計(jì)算或者遠(yuǎn)程請(qǐng)求等操作獲得的數(shù)據(jù)緩存下來(lái)，會(huì)加快后續(xù)的數(shù)據(jù)獲取需求。

為了實(shí)現(xiàn)這個(gè)需求，Python 3.2 + 中給我們提供了一個(gè)機(jī)制，可以很方便的實(shí)現(xiàn)，而不需要你去寫(xiě)這樣的邏輯代碼。

這個(gè)機(jī)制實(shí)現(xiàn)于 functool 模塊中的 lru_cache 裝飾器。

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

參數(shù)解讀：

• maxsize：最多可以緩存多少個(gè)此函數(shù)的調(diào)用結(jié)果，如果為None，則無(wú)限制，設(shè)置為 2 的冪時(shí)，性能最佳

• typed：若為 True，則不同參數(shù)類(lèi)型的調(diào)用將分別緩存。

舉個(gè)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(diào)用并沒(méi)有真正的執(zhí)行函數(shù)體，而是直接返回緩存里的結(jié)果

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

下面這個(gè)是經(jīng)典的斐波那契數(shù)列，當(dāng)你指定的 n 較大時(shí)，會(huì)存在大量的重復(fù)計(jì)算

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

第六點(diǎn)介紹的 timeit，現(xiàn)在可以用它來(lái)測(cè)試一下到底可以提高多少的效率。

不使用 lru_cache 的情況下，運(yùn)行時(shí)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

由于使用了 lru_cache 后，運(yùn)行速度實(shí)在太快了，所以我將 n 值由 30 調(diào)到 500，可即使是這樣，運(yùn)行時(shí)間也才 0.0004 秒。提高速度非常顯著。

import?timeit from?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

8. 在程序退出前執(zhí)行代碼的技巧

使用 atexit 這個(gè)內(nèi)置模塊，可以很方便的注冊(cè)退出函數(shù)。

不管你在哪個(gè)地方導(dǎo)致程序崩潰，都會(huì)執(zhí)行那些你注冊(cè)過(guò)的函數(shù)。

示例如下

如果clean()函數(shù)有參數(shù)，那么你可以不用裝飾器，而是直接調(diào)用atexit.register(clean_1, 參數(shù)1, 參數(shù)2, 參數(shù)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(lái)得優(yōu)雅，來(lái)得方便，并且它很容易擴(kuò)展。

但是使用 atexit 仍然有一些局限性，比如：

• 如果程序是被你沒(méi)有處理過(guò)的系統(tǒng)信號(hào)殺死的，那么注冊(cè)的函數(shù)無(wú)法正常執(zhí)行。

• 如果發(fā)生了嚴(yán)重的 Python 內(nèi)部錯(cuò)誤，你注冊(cè)的函數(shù)無(wú)法正常執(zhí)行。

• 如果你手動(dòng)調(diào)用了os._exit()，你注冊(cè)的函數(shù)無(wú)法正常執(zhí)行。

9. 實(shí)現(xiàn)類(lèi)似 defer 的延遲調(diào)用

在 Golang 中有一種延遲調(diào)用的機(jī)制，關(guān)鍵字是 defer，例如下面的示例

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

輸出如下，myfunc 的調(diào)用會(huì)在函數(shù)返回前一步完成，即使你將 myfunc 的調(diào)用寫(xiě)在函數(shù)的第一行，這就是延遲調(diào)用。

A B

那么在 Python 中否有這種機(jī)制呢？

當(dāng)然也有，只不過(guò)并沒(méi)有 Golang 這種簡(jiǎn)便。

在 Python 可以使用 上下文管理器 達(dá)到這種效果

import?contextlibdef?callback():print('B')with?contextlib.ExitStack()?as?stack:stack.callback(callback)print('A')

輸出如下

A B

10. 如何流式讀取數(shù)G超大文件

使用 with...open... 可以從一個(gè)文件中讀取數(shù)據(jù)，這是所有 Python 開(kāi)發(fā)者都非常熟悉的操作。

但是如果你使用不當(dāng)，也會(huì)帶來(lái)很大的麻煩。

比如當(dāng)你使用了 read 函數(shù)，其實(shí) Python 會(huì)將文件的內(nèi)容一次性的全部載入內(nèi)存中，如果文件有 10 個(gè)G甚至更多，那么你的電腦就要消耗的內(nèi)存非常巨大。

#?一次性讀取 with?open("big_file.txt",?"r")?as?fp:content?=?fp.read()

對(duì)于這個(gè)問(wèn)題，你也許會(huì)想到使用 readline 去做一個(gè)生成器來(lái)逐行返回。

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

可如果這個(gè)文件內(nèi)容就一行呢，一行就 10個(gè)G，其實(shí)你還是會(huì)一次性讀取全部?jī)?nèi)容。

最優(yōu)雅的解決方法是，在使用 read 方法時(shí)，指定每次只讀取固定大小的內(nèi)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(jīng)沒(méi)有問(wèn)題了，但是代碼看起來(lái)代碼還是有些臃腫。

借助偏函數(shù) 和 iter 函數(shù)可以?xún)?yōu)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

? ???精 彩 文 章?

• 我刪刪刪刪庫(kù)了，要跑路嗎？

• 你在打王者農(nóng)藥，有人卻用iPhone來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)

• Python 的 __name__ 變量，到底是個(gè)什么東西？
  

END 最后說(shuō)個(gè)題外話，相信大家都知道視頻號(hào)了，隨著灰度范圍擴(kuò)大，越來(lái)越多的小伙伴都開(kāi)通了視頻號(hào)。小詹也開(kāi)通了一個(gè)視頻號(hào)，會(huì)分享互聯(lián)網(wǎng)那些事、讀書(shū)心得與副業(yè)經(jīng)驗(yàn)，歡迎掃碼關(guān)注，和小詹一起向上生長(zhǎng)！「沒(méi)有開(kāi)通發(fā)布權(quán)限的盡量多互動(dòng)，提升活躍度可以更快開(kāi)通哦」

總結(jié)

以上是生活随笔為你收集整理的5年 Python 功力，总结了 10 个开发技巧的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。