Python 工匠:編寫地道循環的兩個建議

前言

這是 「Python 工匠」系列的第 7 篇文章。[查看系列全部文章]html

循環是一種經常使用的程序控制結構。咱們常說,機器相比人類的最大優勢之一,就是機器能夠不眠不休的重複作某件事情,但人卻不行。而 「循環」 ,則是實現讓機器不斷重複工做的關鍵概念。python

在循環語法方面,Python 表現的即傳統又不傳統。它雖然拋棄了常見的 for (init; condition; incrment) 三段式結構,但仍是選擇了 forwhile 這兩個經典的關鍵字來表達循環。絕大多數狀況下,咱們的循環需求均可以用 for <item> in <iterable> 來知足,while <condition> 相比之下用的則更少些。git

雖然循環的語法很簡單,可是要寫好它確並不容易。在這篇文章裏,咱們將探討什麼是「地道」的循環代碼,以及如何編寫它們。github

什麼是「地道」的循環?

「地道」這個詞,一般被用來形容某人作某件事情時,很是符合當地傳統,作的很是好。打個比方,你去參加一個朋友聚會,同桌的有一位廣東人,對方一開口,句句都是標準京腔、完美兒化音。那你能夠對她說:「您的北京話說的真地道」。編程

既然「地道」這個詞形容的常常是口音、作菜的口味這類實實在在的東西,那「地道」的循環代碼又是什麼意思呢?讓我拿一個經典的例子來解釋一下。數組

若是你去問一位剛學習 Python 一個月的人:「如何在遍歷一個列表的同時獲取當前下標?」。他可能會交出這樣的代碼:bash

index = 0
for name in names:
    print(index, name)
    index += 1
複製代碼

上面的循環雖然沒錯,但它確一點都不「地道」。一個擁有三年 Python 開發經驗的人會說,代碼應該這麼寫:ide

for i, name in enumerate(names):
    print(i, name)
複製代碼

enumerate() 是 Python 的一個內置函數,它接收一個「可迭代」對象做爲參數,而後返回一個不斷生成 (當前下標, 當前元素) 的新可迭代對象。這個場景使用它最適合不過。函數

因此,在上面的例子裏,咱們會認爲第二段循環代碼比第一段更「地道」。由於它用更直觀的代碼,更聰明的完成了工做。工具

enumerate() 所表明的編程思路

不過,判斷某段循環代碼是否地道,並不只僅是以知道或不知道某個內置方法做爲標準。咱們能夠從上面的例子挖掘出更深層的東西。

如你所見,Python 的 for 循環只有 for <item> in <iterable> 這一種結構,而結構裏的前半部分 - 賦值給 item - 沒有太多花樣可玩。因此後半部分的 可迭代對象 是咱們惟一可以大作文章的東西。而以 enumerate() 函數爲表明的*「修飾函數」*,恰好提供了一種思路:經過修飾可迭代對象來優化循環自己。

這就引出了個人第一個建議。

建議1:使用函數修飾被迭代對象來優化循環

使用修飾函數處理可迭代對象,能夠在各類方面影響循環代碼。而要找到合適的例子來演示這個方法,並不用去太遠,內置模塊 itertools 就是一個絕佳的例子。

簡單來講,itertools 是一個包含不少面向可迭代對象的工具函數集。我在以前的系列文章《容器的門道》裏提到過它。

若是要學習 itertools,那麼 Python 官方文檔 是你的首選,裏面有很是詳細的模塊相關資料。但在這篇文章裏,側重點將和官方文檔稍有不一樣。我會經過一些常見的代碼場景,來詳細解釋它是如何改善循環代碼的。

1. 使用 product 扁平化多層嵌套循環

雖然咱們都知道*「扁平的代碼比嵌套的好」*。但有時針對某類需求,彷佛必定得寫多層嵌套循環才行。好比下面這段:

def find_twelve(num_list1, num_list2, num_list3):
    """從 3 個數字列表中,尋找是否存在和爲 12 的 3 個數 """
    for num1 in num_list1:
        for num2 in num_list2:
            for num3 in num_list3:
                if num1 + num2 + num3 == 12:
                    return num1, num2, num3
複製代碼

對於這種須要嵌套遍歷多個對象的多層循環代碼,咱們可使用 product() 函數來優化它。product() 能夠接收多個可迭代對象,而後根據它們的笛卡爾積不斷生成結果。

from itertools import product


def find_twelve_v2(num_list1, num_list2, num_list3):
    for num1, num2, num3 in product(num_list1, num_list2, num_list3):
        if num1 + num2 + num3 == 12:
            return num1, num2, num3
複製代碼

相比以前的代碼,使用 product() 的函數只用了一層 for 循環就完成了任務,代碼變得更精煉了。

2. 使用 islice 實現循環內隔行處理

有一份包含 Reddit 帖子標題的外部數據文件,裏面的內容格式是這樣的:

python-guide: Python best practices guidebook, written for humans.
---
Python 2 Death Clock
---
Run any Python Script with an Alexa Voice Command
---
<... ...>
複製代碼

多是爲了美觀,在這份文件裏的每兩個標題之間,都有一個 "---" 分隔符。如今,咱們須要獲取文件裏全部的標題列表,因此在遍歷文件內容的過程當中,必須跳過這些無心義的分隔符。

參考以前對 enumerate() 函數的瞭解,咱們能夠經過在循環內加一段基於當前循環序號的 if 判斷來作到這一點:

def parse_titles(filename):
    """從隔行數據文件中讀取 reddit 主題名稱 """
    with open(filename, 'r') as fp:
        for i, line in enumerate(fp):
            # 跳過無心義的 '---' 分隔符
            if i % 2 == 0:
                yield line.strip()
複製代碼

但對於這類在循環內進行隔行處理的需求來講,若是使用 itertools 裏的 islice() 函數修飾被循環對象,可讓循環體代碼變得更簡單直接。

islice(seq, start, end, step) 函數和數組切片操做*( list[start:stop:step] )有着幾乎如出一轍的參數。若是須要在循環內部進行隔行處理的話,只要設置第三個遞進步長參數 step 值爲 2 便可(默認爲 1)*。

from itertools import islice

def parse_titles_v2(filename):
    with open(filename, 'r') as fp:
        # 設置 step=2,跳過無心義的 '---' 分隔符
        for line in islice(fp, 0, None, 2):
            yield line.strip()
複製代碼

3. 使用 takewhile 替代 break 語句

有時,咱們須要在每次循環開始時,判斷循環是否須要提早結束。好比下面這樣:

for user in users:
    # 當第一個不合格的用戶出現後,再也不進行後面的處理
    if not is_qualified(user):
        break

    # 進行處理 ... ...
複製代碼

對於這類須要提早中斷的循環,咱們可使用 takewhile() 函數來簡化它。takewhile(predicate, iterable) 會在迭代 iterable 的過程當中不斷使用當前對象做爲參數調用 predicate 函數並測試返回結果,若是函數返回值爲真,則生成當前對象,循環繼續。不然當即中斷當前循環。

使用 takewhile 的代碼樣例:

from itertools import takewhile

for user in takewhile(is_qualified, users):
    # 進行處理 ... ...
複製代碼

itertools 裏面還有一些其餘有意思的工具函數,他們均可以用來和循環搭配使用,好比使用 chain 函數扁平化雙層嵌套循環、使用 zip_longest 函數一次同時循環多個對象等等。

篇幅有限,我在這裏再也不一一介紹。若是有興趣,能夠自行去官方文檔詳細瞭解。

4. 使用生成器編寫本身的修飾函數

除了 itertools 提供的那些函數外,咱們還能夠很是方便的使用生成器來定義本身的循環修飾函數。

讓咱們拿一個簡單的函數舉例:

def sum_even_only(numbers):
    """對 numbers 裏面全部的偶數求和"""
    result = 0
    for num in numbers:
        if num % 2 == 0:
            result += num
    return result
複製代碼

在上面的函數裏,循環體內爲了過濾掉全部奇數,引入了一條額外的 if 判斷語句。若是要簡化循環體內容,咱們能夠定義一個生成器函數來專門進行偶數過濾:

def even_only(numbers):
    for num in numbers:
        if num % 2 == 0:
            yield num


def sum_even_only_v2(numbers):
    """對 numbers 裏面全部的偶數求和"""
    result = 0
    for num in even_only(numbers):
        result += num
    return result
複製代碼

numbers 變量使用 even_only 函數裝飾後,sum_even_only_v2 函數內部便不用繼續關注「偶數過濾」邏輯了,只須要簡單完成求和便可。

Hint:固然,上面的這個函數其實並不實用。在現實世界裏,這種簡單需求最適合直接用生成器/列表表達式搞定:sum(num for num in numbers if num % 2 == 0)

建議2:按職責拆解循環體內複雜代碼塊

我一直以爲循環是一個比較神奇的東西,每當你寫下一個新的循環代碼塊,就好像開闢了一片黑魔法陣,陣內的全部內容都會開始無休止的重複執行。

但我同時發現,這片黑魔法陣除了能帶來好處,它還會引誘你不斷往陣內塞入愈來愈多的代碼,包括過濾掉無效元素、預處理數據、打印日誌等等。甚至一些本來不屬於同一抽象的內容,也會被塞入到同一片黑魔法陣內。

你可能會以爲這一切理所固然,咱們就是迫切須要陣內的魔法效果。若是不把這一大堆邏輯塞滿到循環體內,還能把它們放哪去呢?

讓咱們來看看下面這個業務場景。在網站中,有一個每 30 天執行一次的週期腳本,它的任務是是查詢過去 30 天內,在每週末特定時間段登陸過的用戶,而後爲其發送獎勵積分。

代碼以下:

import time
import datetime


def award_active_users_in_last_30days():
    """獲取全部在過去 30 天週末晚上 8 點到 10 點登陸過的用戶,爲其發送獎勵積分 """
    days = 30
    for days_delta in range(days):
        dt = datetime.date.today() - datetime.timedelta(days=days_delta)
        # 5: Saturday, 6: Sunday
        if dt.weekday() not in (5, 6):
            continue

        time_start = datetime.datetime(dt.year, dt.month, dt.day, 20, 0)
        time_end = datetime.datetime(dt.year, dt.month, dt.day, 23, 0)

        # 轉換爲 unix 時間戳,以後的 ORM 查詢須要
        ts_start = time.mktime(time_start.timetuple())
        ts_end = time.mktime(time_end.timetuple())

        # 查詢用戶並挨個發送 1000 獎勵積分
        for record in LoginRecord.filter_by_range(ts_start, ts_end):
            # 這裏能夠添加複雜邏輯
            send_awarding_points(record.user_id, 1000)
複製代碼

上面這個函數主要由兩層循環構成。外層循環的職責,主要是獲取過去 30 天內符合要求的時間,並將其轉換爲 UNIX 時間戳。以後由內層循環使用這兩個時間戳進行積分發送。

如以前所說,外層循環所開闢的黑魔法陣內被塞的滿滿當當。但經過觀察後,咱們能夠發現 整個循環體實際上是由兩個徹底無關的任務構成的:「挑選日期與準備時間戳」 以及 「發送獎勵積分」

複雜循環體如何應對新需求

這樣的代碼有什麼壞處呢?讓我來告訴你。

某日,產品找過來講,有一些用戶週末半夜不睡覺,還在刷咱們的網站,咱們得給他們發通知讓他們之後早點睡覺。因而新需求出現了:「給過去 30 天內在週末凌晨 3 點到 5 點登陸過的用戶發送一條通知」

新問題也隨之而來。敏銳如你,確定一眼能夠發現,這個新需求在用戶篩選部分的要求,和以前的需求很是很是類似。可是,若是你再打開以前那團循環體看看,你會發現代碼根本無法複用,由於在循環內部,不一樣的邏輯徹底被 耦合 在一塊兒了。☹️

在計算機的世界裏,咱們常常用**「耦合」**這個詞來表示事物之間的關聯關係。上面的例子中,*「挑選時間」「發送積分」*這兩件事情身處同一個循環體內,創建了很是強的耦合關係。

爲了更好的進行代碼複用,咱們須要把函數裏的*「挑選時間」*部分從循環體中解耦出來。而咱們的老朋友,**「生成器函數」**是進行這項工做的不二之選。

使用生成器函數解耦循環體

要把 「挑選時間」 部分從循環內解耦出來,咱們須要定義新的生成器函數 gen_weekend_ts_ranges(),專門用來生成須要的 UNIX 時間戳:

def gen_weekend_ts_ranges(days_ago, hour_start, hour_end):
    """生成過去一段時間內週六日特定時間段範圍,並以 UNIX 時間戳返回 """
    for days_delta in range(days_ago):
        dt = datetime.date.today() + datetime.timedelta(days=days_delta)
        # 5: Saturday, 6: Sunday
        if dt.weekday() not in (5, 6):
            continue

        time_start = datetime.datetime(dt.year, dt.month, dt.day, hour_start, 0)
        time_end = datetime.datetime(dt.year, dt.month, dt.day, hour_end, 0)

        # 轉換爲 unix 時間戳,以後的 ORM 查詢須要
        ts_start = time.mktime(time_start.timetuple())
        ts_end = time.mktime(time_end.timetuple())
        yield ts_start, ts_end
複製代碼

有了這個生成器函數後,舊需求「發送獎勵積分」和新需求「發送通知」,就均可以在循環體內複用它來完成任務了:

def award_active_users_in_last_30days_v2():
    """發送獎勵積分"""
    for ts_start, ts_end in gen_weekend_ts_ranges(30, hour_start=20, hour_end=23):
        for record in LoginRecord.filter_by_range(ts_start, ts_end):
            send_awarding_points(record.user_id, 1000)


def notify_nonsleep_users_in_last_30days():
    """發送通知"""
    for ts_start, ts_end in gen_weekend_ts_range(30, hour_start=3, hour_end=6):
        for record in LoginRecord.filter_by_range(ts_start, ts_end):
            notify_user(record.user_id, 'You should sleep more')
複製代碼

總結

在這篇文章裏,咱們首先簡單解釋了「地道」循環代碼的定義。而後提出了第一個建議:使用修飾函數來改善循環。以後我虛擬了一個業務場景,描述了按職責拆解循環內代碼的重要性。

一些要點總結:

  • 使用函數修飾被循環對象自己,能夠改善循環體內的代碼
  • itertools 裏面有不少工具函數均可以用來改善循環
  • 使用生成器函數能夠輕鬆定義本身的修飾函數
  • 循環內部,是一個極易發生「代碼膨脹」的場地
  • 請使用生成器函數將循環內不一樣職責的代碼塊解耦出來,得到更好的靈活性

看完文章的你,有沒有什麼想吐槽的?請留言或者在 項目 Github Issues 告訴我吧。

附錄

系列其餘文章:

相關文章
相關標籤/搜索