9个养生小技巧,祝大家不秃头
- 嗨害大家好鸭! 我是小熊猫~
- 毕竟摸鱼一时爽,一直摸一直爽嘛~
- 一、整理字符串输入
- 二、迭代器切片(Slice)
- 三、跳过可迭代对象的开头
- 四、只包含关键字参数的函数 (kwargs)
- 五、创建支持「with」语句的对象
- 六、用`「slots」`节省内存
- 七、限制`「CPU」`和内存使用量
- 八、控制可以/不可以导入什么
- 九、实现比较运算符的简单方法
嗨害大家好鸭! 我是小熊猫~
作为一个python程序员
小熊猫我鸭每天都在想怎么才能养生
毕竟这头发掉得确实是有点让人害怕
最近从前辈那里习来的8个小技巧
说是能让我小熊猫不秃头,
这种好东西肯定要分享出来给大家快乐快乐~
毕竟摸鱼一时爽,一直摸一直爽嘛~
python其他资料电子书:点击此处跳转文末名片获取
一、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:
user_input = "This\nstring has\tsome whitespaces...\r\n"
character_map = {#python学习交流扣扣qun:540305994
ord('\n') : ' ',
ord('\t') : ' ',
ord('\r') : None
}
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,
二、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:
import itertools
s = itertools.islice(range(50), 10, 20) # <itertools.islice object at 0x7f70fab88138>
for val in s:
...
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。
三、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:
string_from_file = """
// Author: ...
// License: ...
//
// Date: ...
Actual content...
"""
#python学习交流扣扣qun:540305994
import itertools
for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split("\n")):
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。
四、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:
def test(*, a, b):
pass
test("value for a", "value for b") # TypeError: test() takes 0 positional arguments...
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。
五、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:
class Connection:
def __init__(self):
...
def __enter__(self):
def __exit__(self, type, value, traceback):
with Connection() as c:
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:
from contextlib import contextmanager
@contextmanager
def tag(name):
print(f"<{name}>")
yield
print(f"</{name}>")
with tag("h1"):
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。
六、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」
:
class Person:
__slots__ = ["first_name", "last_name", "phone"]
def __init__(self, first_name, last_name, phone):
self.first_name = first_name
self.last_name = last_name
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。
七、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:
import signal
import resource
import os
def time_exceeded(signo, frame):
print("CPU exceeded...")
raise SystemExit(1)
def set_max_runtime(seconds):
soft, hard = resource.getrlimit(resource.RLIMIT_CPU)
resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))
signal.signal(signal.SIGXCPU, time_exceeded)
def set_max_memory(size):
soft, hard = resource.getrlimit(resource.RLIMIT_AS)
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。
八、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」
):
def foo():
pass
def bar():
pass
__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」。
九、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:
from functools import total_ordering
@total_ordering
class Number:
def __init__(self, value):
self.value = value
def __lt__(self, other):
return self.value < other.value
def __eq__(self, other):
return self.value == other.value
print(Number(20) > Number(3))
print(Number(1) < Number(5))
print(Number(15) >= Number(15))
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)。