Py学习  »  Python

59个Python使用技巧,从此你的Python与众不同(一)

数据分析1480 • 4 年前 • 450 次点击  


1. 枚举 - enumerate 可以有参数哦


之前我们这样操作:

i = 0for item in iterable:print i, itemi += 1

现在我们这样操作:

for i, item in enumerate(iterable):print i, item


enumerate函数还可以接收第二个参数。就像下面这样:

>>> list(enumerate('abc')) [(0, 'a'), (1, 'b'), (2, 'c')]
>>> list(enumerate('abc', 1)) [(1, 'a'), (2, 'b'), (3, 'c')]


2. 字典/集合 解析


你也许知道如何进行列表解析,但是可能不知道字典/集合解析。它们简单易用且高效。就像下面这个例子:

my_dict = {i: i * i for i in xrange(100)} my_set = {i * 15 for i in xrange(100)}
# There is only a difference of ':' in both
# 两者的区别在于字典推导中有冒号


3. 强制浮点除法
from __future__ import division result = 1/2# print(result)
# 0.5


4. 对Python表达式求值


我们都知道eval函数,但是我们知道literal_eval函数么?也许很多人都不知道吧。可以用这种操作:

import ast my_list = ast.literal_eval(expr)


来代替以下这种操作:

expr = "[1, 2, 3]"my_list = eval(expr)


我相信对于大多数人来说这种形式是第一次看见,但是实际上这个在Python中已经存在很长时间了。


5. 字符串/数列 逆序


你可以用以下方法快速逆序排列数列:

>>> a = [1,2,3,4]>>> a[::-1][4, 3, 2, 1]
# This creates a new reversed list.
# If you want to reverse a list in place you can do:

a.reverse()


这种方式也同样适用于字符串的逆序:

>>> foo = "yasoob">>> foo[::-1]'boosay'


6. 三元运算


三元运算是if-else 语句的快捷操作,也被称为条件运算。这里有几个例子可以供你参考,它们可以让你的代码更加紧凑,更加美观。

[on_true] if [expression] else [on_false]x, y = 50, 25small = x if x < y else y


7. Python里面如何拷贝一个对象


标准库中的copy模块提供了两个方法来实现拷贝.一个方法是copy,它返回和参数包含内容一样的对象.

import copynew_list = copy.copy(existing_list)


有些时候,你希望对象中的属性也被复制,可以使用deepcopy方法:

import copynew_list_of_dicts = copy.deepcopy(existing_list_of_dicts)
copy(x)Shallow copy operation on arbitrary Python objects.
deepcopy(x, memo=None, _nil=[])Deep copy operation>


8. python中如何判断对象相等


首先是C#中字符串的==和equal方法。
“==” :对于内置值类型而言, == 判断两个内存值是否相等。对于用户自定义的值类型而言(Struct), == 需要重载,否则不能使用。对于引用类型而言,默认是同一引用才返回true,但是系统重载了很多引用类型的 == (比如下文提到的string),所以c#中引用类型的比较并不建议使用 ==。
equals” :对于值类型而言, 内存相等才返回true对于引用类型而言,指向同一个引用才算相等。但是比较特殊的是字符串String,是一个特殊的引用型类型,在C#语言中,重载了string的equals()方法,使string对象用起来就像是值类型一样。
python中的 ==
python中的对象包含三要素:id, type, valueid 用来标识唯一一个对象,type标识对象的类型,value用来设置对象的值。is 判断是否是一个对象,使用id来判断的。== 是判断a对象的值是否是b对象的值,默认调用它的__eq__方法。


9. 命名技巧


今天阅读代码,发现一个不错的函数命名方式:

def request(_argv):


就是把所有的参数前面都加上_下划线,这样你在函数体中,一眼就可以看出那些是局部变量,那些是作为参数传入的,类似把全局变量前面加上g。


10. 开发者工具集锦


  • pydoc:模块可以根据源代码中的docstrings为任何可导入模块生成格式良好的文档。

  • doctest模块:该模块可以从源代码或独立文件的例子中抽取出测试用例。

  • unittest模块:该模块是一个全功能的自动化测试框架,该框架提供了对测试准备(test fixtures), 预定义测试集(predefined test suite)以及测试发现(test discovery)的支持。

  • trace:模块可以监控Python执行程序的方式,同时生成一个报表来显示程序的每一行执行的次数。这些信息可以用来发现未被自动化测试集所覆盖的程序执行路径,也可以用来研究程序调用图,进而发现模块之间的依赖关系。编写并执行测试可以发现绝大多数程序中的问题,Python使得debug工作变得更加简单,这是因为在大部分情况下,Python都能够将未被处理的错误打印到控制台中,我们称这些错误信息为traceback。如果程序不是在文本控制台中运行的,traceback也能够将错误信息输出到日志文件或是消息对话框中。当标准的traceback无法提供足够的信息时,可以使用cgitb 模块来查看各级栈和源代码上下文中的详细信息,比如局部变量。cgitb模块还能够将这些跟踪信息以HTML的形式输出,用来报告web应用中的错误。

  • pdb:该模块可以显示出程序在错误产生时的执行路径,同时可以动态地调整对象和代码进行调试。

  • profile, timeit: 开发者可以使用profile以及timit模块来测试程序的速度,找出程序中到底是哪里很慢,进而对这部分代码独立出来进行调优的工作。

  • compileall: Python程序是通过解释器执行的,解释器的输入是原有程序的字节码编译版本。这个字节码编译版本可以在程序执行时动态地生成,也可以在程序打包的时候就生成。compileall模块可以处理程序打包的事宜,它暴露出了打包相关的接口,该接口能够被安装程序和打包工具用来生成包含模块字节码的文件。同时,在开发环境中,compileall模块也可以用来验证源文件是否包含了语法错误。

  • YAPF:Google开源的Python代码格式化工具。

  • iPDB: iPDB是一个极好的工具,我已经用它查出了很多匪夷所思的bug。pip install ipdb 安装该工具,然后在你的代码中import ipdb; ipdb.set_trace(),然后你会在你的程序运行时,获得一个很好的交互式提示。它每次执行程序的一行并且检查变量。

  • pycallgraph: 在一些场合,我使用pycallgraph来追踪性能问题。它可以创建函数调用时间和次数的图表。

  • objgraph: objgraph对于查找内存泄露非常有用。


End.

作者:地球的外星人君

来源:知乎

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/53612
 
450 次点击