Py学习  »  Python

python编码最佳实践之总结

Python网络爬虫与数据挖掘 • 5 年前 • 565 次点击  

相信用python的同学不少,本人也一直对python情有独钟,毫无疑问python作为一门解释性动态语言没有那些编译型语言高效,但是python简洁、易读以及可扩展性等特性使得它大受青睐。

工作中很多同事都在用python,但往往很少有人关注它的性能和惯用法,一般都是现学现用,毕竟python不是我们的主要语言,我们一般只是使用它来做一些系统管理的工作。但是我们为什么不做的更好呢?python zen中有这样一句:There should be one— and preferably only one —obvious way to do it. Although that way may not be obvious at first unless you’re Dutch. 大意就是python鼓励使用一种最优的方法去完成一件事,这也是和ruby等的一个差异。所以一种好的python编写习惯个人认为很重要,本文就重点从性能角度出发对python的一些惯用法做一个简单总结,希望对大家有用~

提到性能,最容易想到的是降低复杂度,一般可以通过测量代码回路复杂度(cyclomatic complexitly)和Landau符号(大O)来分析, 比如dict查找是O(1),而列表的查找却是O(n),显然数据的存储方式选择会直接影响算法的复杂度。

一、数据结构的选择:

1. 在列表中查找:

对于已经排序的列表考虑用bisect模块来实现查找元素,该模块将使用二分查找实现

def find(seq, el) :
   pos = bisect(seq, el)
   if pos == 0 or ( pos == len(seq) and seq[-1] != el ) :
       return -1
   return pos - 1

而快速插入一个元素可以用:

bisect.insort(list, element)

这样就插入元素并且不需要再次调用 sort() 来保序,要知道对于长list代价很高.

2. set代替列表:

比如要对一个list进行去重,最容易想到的实现:

seq = ['a', 'a', 'b']
res = []
for i in seq:
   if i not in res:
       res.append(i)

显然上面的实现的复杂度是O(n2),若改成:

seq = ['a', 'a', 'b']
res = set(seq)

复杂度马上降为O(n),当然这里假定set可以满足后续使用。

另外,set的union,intersection,difference等操作要比列表的迭代快的多,因此如果涉及到求列表交集,并集或者差集等问题可以转换为set来进行,平时使用的时候多注意下,特别当列表比较大的时候,性能的影响就更大。

3. 使用python的collections模块替代内建容器类型:

collections有三种类型:

  • deque:增强功能的类似list类型

  • defaultdict:类似dict类型

  • namedtuple:类似tuple类型

列表是基于数组实现的,而deque是基于双链表的,所以后者在中间or前面插入元素,或者删除元素都会快很多。

defaultdict为新的键值添加了一个默认的工厂,可以避免编写一个额外的测试来初始化映射条目,比dict.setdefault更高效,引用python文档的一个例子:

使用profile stats工具进行性能分析

>>> from pbp.scripts.profiler import profile, stats
>>> s = [('yellow', 1), ('blue', 2), ('yellow', 3),
... ('blue', 4), ('red', 1)]
>>> @profile('defaultdict')
... def faster():
... d = defaultdict(list)
... for k, v in s:
... d[k].append(v)
...
>>> @profile('dict')
... def slower():
... d = {}
... for k, v in s:
... d.setdefault(k, []).append(v)
...
>>> slower(); faster()
Optimization: Solutions
[ 306 ]
>>> stats['dict']
{'stones': 16.587882671716077, 'memory': 396,
'time': 0.35166311264038086}
>>> stats['defaultdict']
{'stones': 6.5733464259021686, 'memory': 552,
'time': 0.13935494422912598}

可见性能提升了快3倍。defaultdict用一个list工厂作为参数,同样可用于内建类型,比如long等。

除了实现的算法、架构之外,python提倡简单、优雅。所以正确的语法实践又很有必要,这样才会写出优雅易于阅读的代码。

二、语法最佳实践:

字符串操作:优于python字符串对象是不可改变的,因此对任何字符串的操作如拼接,修改等都将产生一个新的字符串对象,而不是基于原字符串,因此这种持续的 copy会在一定程度上影响Python的性能:

(1)用join代替 ‘+’ 操作符,后者有copy开销;

(2)同时当对字符串可以使用正则表达式或者内置函数来处理的时候,选择内置函数。如str.isalpha(),str.isdigit(),str.startswith((‘x’, ‘yz’)),str.endswith((‘x’, ‘yz’))

(3)字符格式化操作优于直接串联读取:

 str = "%s%s%s%s" % (a, b, c, d)  # efficient
str = "" + a + b + c + d + ""  # slow
  1. 善用list comprehension(列表解析)  & generator(生成器) & decorators(装饰器),熟悉itertools等模块:

(1) 列表解析,我觉得是python2中最让我印象深刻的特性,举例1:

>>> # the following is not so Pythonic  
>>> numbers = range(10)
>>> i = 0
>>> evens = []
>>> while i < len(numbers):
>>>   if i %2 == 0: evens.append(i)
>>>   i += 1
>>> [0, 2, 4, 6, 8]

>>> # the good way to iterate a range, elegant and efficient
>>> evens = [ i for i in range(10) if i%2 == 0]
>>> [0, 2, 4, 6, 8]

举例2:

def _treament(pos, element):
   return '%d: %s' % (pos, element)
f = open('test.txt', 'r')
if __name__ == '__main__':
   #list comps 1
   print sum(len(word) for line in f for word in line.split())
   #list comps 2
   print [(x + 1, y + 1) for x in range(3) for y in range(4)]
   #func
   print filter(lambda x: x % 2 == 0, range(10))
   #list comps3
   print [i for i in range(10) if i % 2 == 0]
   #list comps4 pythonic
   print [_treament(i, el) for i, el in enumerate(range(10))]

output:
24
[(1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (2, 4), (3, 1), (3, 2), (3, 3), (3, 4)]
[0, 2, 4, 6, 8]
[0, 2, 4, 6, 8]
['0: 0', '1: 1', '2: 2', '3: 3', '4: 4', '5: 5', '6: 6', '7: 7', '8: 8', '9: 9']

没错,就是这么优雅简单。

(2) 生成器表达式在python2.2引入,它使用’lazy evaluation’思想,因此在使用内存上更有效。引用python核心编程中计算文件中最长的行的例子:

f = open('/etc/motd, 'r')
longest = max(len(x.strip()) for x in f)
f.close()
return longest

这种实现简洁而且不需要把文件文件所有行读入内存。

(3) python在2.4引入装饰器,又是一个让人兴奋的特性,简单来说它使得函数和方法封装(接收一个函数并返回增强版本的函数)更容易阅读、理解。’@’符号是装饰器语法,你可以装饰一个函数,记住调用结果供后续使用,这种技术被称为memoization的,下面是用装饰器完成一个cache功能:

import time
import hashlib
import pickle
from itertools import chain
cache = {}
def is_obsolete(entry, duration):
   return time.time() - entry['time'] > duration

def compute_key(function, args, kw):
   #序列化/反序列化一个对象,这里是用pickle模块对函数和参数对象进行序列化为一个hash值
   key = pickle.dumps((function.func_name, args, kw))
   #hashlib是一个提供MD5和sh1的一个库,该结果保存在一个全局字典中
   return hashlib.sha1(key).hexdigest()

def memoize(duration=10):
   def _memoize(function):
       def __memoize(*args, **kw):
           key = compute_key(function, args, kw)

           # do we have it already
           if (key in cache and
               not is_obsolete(cache[key], duration)):
               print 'we got a winner'
               return cache[key]['value']

           # computing
           result = function(*args, **kw)
           # storing the result
           cache[key] = {'value': result,-
                           'time': time.time()}
           return result
       return __memoize
   return _memoize

@memoize()
def very_very_complex_stuff(a, b, c):
   return a + b + c

print very_very_complex_stuff(2 , 2, 2)
print very_very_complex_stuff(2, 2, 2)

@memoize(1)
def very_very_complex_stuff(a, b):
   return a + b

print very_very_complex_stuff(2, 2)
time.sleep(2)
print very_very_complex_stuff(2, 2)

运行结果:

6

we got a winner

6

4

4

装饰器在很多场景用到,比如参数检查、锁同步、单元测试框架等,有兴趣的人可以自己进一步学习。

  1. 善用python强大的自省能力(属性和描述符):自从使用了python,真的是惊讶原来自省可以做的这么强大简单,关于这个话题,限于内容比较多,这里就不赘述,后续有时间单独做一个总结,学习python必须对其自省好好理解。

三、 编码小技巧:

在python3之前版本使用xrange代替range,因为range()直接返回完整的元素列表而xrange()在序列中每次调用只产生一个整数元素,开销小。(在python3中xrange不再存在,里面range提供一个可以 遍历任意长度的范围的iterator)
if done is not None比语句if done != None更快;
尽量使用”in”操作符,简洁而快速: for i in seq: print i
‘x < y < z’代替’x < y and y < z’;
while 1要比while True更快, 因为前者是单步运算,后者还需要计算;
尽量使用build-in的函数,因为这些函数往往很高效,比如add(a,b)要优于a+b;
在耗时较多的循环中,可以把函数的调用改为内联的方式,内循环应该保持简洁。
使用多重赋值来swap元素:

x, y = y, x  # elegant and efficient

而不是:

temp = x 
x = y 
y = temp
  1. 三元操作符(python2.5后):V1 if X else V2,避免使用(X and V1) or V2,因为后者当V1=””时,就会有问题。

  2. python之switch case实现:因为switch case语法完全可用if else代替,所以python就没  有switch case语法,但是我们可以用dictionary或lamda实现:

switch case结构:

switch (var)
{
    case v1: func1();
    case v2: func2();
    ...
    case vN: funcN();
    default: default_func();
}

dictionary实现:

values = {
           v1: func1,
           v2: func2,
           ...
           vN: funcN,
         }
values.get(var, default_func)()

lambda实现:


{
 '1': lambda: func1,
 '2': lambda: func2,
 '3': lambda: func3
}[value]()

用try…catch来实现带Default的情况,个人推荐使用dict的实现方法。

这里只总结了一部分python的实践方法,希望这些建议可以帮助到每一位使用python的同学,优化性能不是重点,高效解决问题,让自己写的代码更加易于维护,更加pythonic!

原文:https://yq.aliyun.com/articles/2758

学习Python和网络爬虫,关注公众号:datanami

近期文章:

  1. 小白都懂的Python爬虫之网易云音乐下载

  2. 深入浅出地,彻彻底底地理解python中的编码

  3. 同学利用Python爬虫制作王者荣耀出装助手,引来了隔壁班的女生!

  4. 鲜为人知的 Python 语法


今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/nDAZq4XylR
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/24731
 
565 次点击