python | 改善Python程序建議- Part2

這個系列主要是總結一些《改善python程序的91個建議》的學習筆記，但願能夠對本身和讀者有所幫助。本文是該系列第二部分，第一部分請見 Part1

21 多使用else 讓程序變的更加pythonic

eg: try-except-else-finally

 

22 異常處理注意點

· 注意異常粒度，不推薦在try中放入過多的代碼 最好保持異常粒度的一致性和合理性

· 異常捕獲儘可能具體指定，少用Except 使用單獨的except 最好可以使用raise將異常拋出

· 注意異常捕獲的順序 (…)

· 使用更爲友好的異常信息，遵照異常參數的規範

23 避免finally中可能發生的陷阱

finally中產生新的異常或者執行了return or break 那麼臨時報錯的異常就會丟失，致使異常屏蔽

24 深刻理解None,正確判斷對象是否爲空

python 如下數據會當作空來處理：

· 常量None 常量False

· 任何形式的數值類型0 eg:0,0L ,0.0,0j

· 空的序列字典,如」(),[],{}

· 當用戶定義的類中定義了nonzero()和len()方法,而且該方法返回bool值false或者整數0

   常量None的特殊性體如今它 既不是0orFalse,它就是一個空值對象,數據類型爲NoneType，遵循單例模式

   None與任何其餘非None的對象比較結果爲False None !={}

   通常判斷空列表 直接 if list or if len(list)

25 鏈接字符串應優先使用join而不是+ —-> 字符串規模比較大的時候

26 python 格式化字符串儘可能使用 str.format 而不是%

eg: 

‘xxxx{0}xxxx{1}’.format(n1,n2)

最直接的理由:% 最終會被.format 方式代替

 

27 區別對待可變對象和不可變對象

· 不可變對象: 數字,字符串,元組

· 可變對象 : 字典,列表,字節數

· 注意：列表的切片操做至關於淺拷貝 —>list1=[1,2,3] list2=list1[:] id(list1)!=id(list2)

 

28 使用列表解析 like [x for x in range(10)]

· 代碼更簡潔

· 效率更高 可是大數據不是最佳的選擇,過多的內存消耗可能會致使memoryError

 

29 警戒默認參數潛在的問題

def xxx(xx,a=[]) 不要使用列表等可變類型 def實際是可執行語句 默認參數也會被計算

===>應修改成 def xxx(xx,a=None)

 

30 慎用變長參數

· 使用過於靈活,可能破壞程序的健壯性

· 若是一個函數的參數列表很長,雖然能夠經過使用*args 和 **kwargs 來簡化函數的定義

   但一般這意味着這個函數能夠有更好的實現方式,應該被重構，用一個序列來保存須要傳遞的參數

適合場景是: 裝飾器 讀取配置文件

 

31 深刻理解str()和repr()的區別

· str()主要面向用戶,目的是可讀性,返回可讀性強的字符串類型

   repr()面向的是Python解釋器or 開發人員,返回值表示python解釋器內部的含義

· 在解釋器中直接輸入a時默認調用repr()函數,而print a 則 調用的是str()

· 通常來講類中毒定義了__repr__()方法,而__str__()則爲可選,沒有__str__(),則默認會使用__repr__()

 

32 分清staticmethod和classmethod的適用場景

· 靜態方法：實現功能不和實例相關也不和類相關的獨立方法,如一些字符驗證等,定義在類中能有效將代碼組織起來,從而使相關代碼的 垂直距離更近,提升代碼的 可維護性；固然,若是有一組獨立的方法,將其定義在一個模塊中,經過模塊來訪問這些方法也是不錯的選擇

· 類方法: 減小子類的代碼重寫, 下降代碼的冗餘

 

33 字符串的基本用法

· 多行字符串使用下面的方式

s = (
    'aaaaa'
    'bbbb'
    'ccccc'
)

· 3對雙引號會把換行符和前導空格當作字符串的一部分

· str.startswith和endswith中匹配參數可使用元組,有一個匹配上就返回T

· 判斷字符串包含子串的判斷推薦使用 in 和 not in

·  ''.split() ==> [] ''.split(' ') ==> ['']

 

34 按需選擇sort()或者sorted()

· sorted()會保留原有列表生成新的列表

· sorted功能很是強大,而sort只能排通常的列表

 

35 使用Counter 進行計數統計

from collections import Counter
some_data = ['a','2',2,4,5,'2','b',4,7,'a',5,'d','a','z']
print Counter(some_data)
>>>Counter({'a': 3, '2': 2, 4: 2, 5: 2, 2: 1, 'b': 1, 7: 1, 'd': 1, 'z': 1})

· Counter類屬於字典類的子類，是一個容器對象，主要用來統計散列對象。

# 取值
xx = Counter(some_data)
print xx.['a']

36 單例模式

保證系統中一個類只有一個實例並且該實例易於被外界訪問,從而方便對實例個數的控制並節約系統資源

class Test(object):
    is_instance = None
    is_first = True

    def __new__(cls, *args, **kwargs):
        if cls.is_instance == None:
            cls.is_instance = object.__new__(cls)

        return cls.is_instance

    def __init__(self, name):
        if Test.is_first:
            self.name = name
            Test.is_first = False


test1 = Test('lf1')

print(id(test1))       # 2136967041656
print(test1.name)      # lf1

test2 = Test('lf2')     

print(id(test2))        # 2136967041656
print(test2.name)       # lf1

37 利用cProfile 定位性能瓶頸

程序運行慢的緣由有不少，但真正的緣由每每是一兩段設計並不那麼良好的不起眼的程序。程序性能影響每每符合8/2法則，即20%的代碼運行時間佔用了80%的總運行時間（實際上，比例要誇張得多，一般是幾十行代碼佔用了95%以上的運行時間）。

profile是python的標準庫，能夠統計程序裏每一函數的運行時間，並提供了多樣的報表，cprofile則是它的C實現版本，剖析過程自己須要消耗的資源更少。

## test_cprofile.py
import time
def foo():
    sum = 0
    for i in range(100):
        sum += i
        time.sleep(.5)
    return sum
if __name__ == "__main__":
    foo()

如今使用profile分析這個程序

if __name__ =="__main__":
    import cProfile
    cProfile.run("foo()")

輸出以下：

第二種方式：python -m cProfile test_cprofile.py

· cProfile 的統計結果以及各項意義

統計項	意義
ncalls	函數的調用次數
tottime	函數總計運行時間,不含調用的函數運行時間
percall	函數運行一次的平均時間,等於tottime/ncalls
cumtime	函數總計運行時間,含調用的函數運行時間
percall	函數運行一次的平均時間,等於cumtime/ncalls
filename:lineno(function)	函數所在的文件名,函數的行號,函數名

  將cProfile的輸出保存到文件,並以各類形式來查看結果.

  1）使用cProfile.run()函數再提供一個實參,就是保存輸出的文件名;一樣,在命令行參數裏,多一個參數,用來保存cProfile的輸出

  2）經過pstats模塊的另外一個類Stats來解決.

# ....略
if __name__ == "__main__":
    import cProfile
    cProfile.run("foo()", "prof.txt")
    import pstats
    p = pstats.Stats("prof.txt")
    # sort_stats(key,[...]) 以key排序  print_stats()輸出結果
    p.sort_stats("time").print_stats()

  sort_stats的key

參數	參數的意義
ncalls	被調用次數
cumulative	函數運行的總時間
file	文件名
module	模塊名
pcalls	簡單調用統計(兼容舊版,未統計遞歸調用)
line	行號
name	函數名
nfl	Name,file,line
stdname	標準函數名
time	函數內部運行時間(不計調用子函數的時間)

38 掌握循環優化的基本技巧

· 減小循環內部的計算

# 1
for i in range(iter):
    d = math.sqrt(y)
    j += i*d

# 2   比第一種快 40%~60%
d = math.sqrt(y)
for i in range(iter):
    j += i*d

· 將顯式循環改成隱式循環

"""求等差數列1,2,3,...n的和"""
# 1 
sum = 0
n = 10
for i in range(n+1):
    sum = sum + i

print(sum)

# 2   直接用數學知識 n*(n+1)/2  負面影響就是犧牲了代碼的可讀性 需添加清晰和恰當的註釋是很是必要的
n = 10 
print(n*(n+1)/2)

· 在循環中儘可能引用局部變量.在python命名空間中局部變量優先搜索,所以局部變量的查詢會比全局變量要快

# 1
x = [10,34,56,78]
def f(x):
    for i in range(len(x)):
        x[i] = math.sin(x[i])
    return x

# 2  性能提升10%~15%
def g(x):
    loc_sin = math.sin
    for i in range(len(x)):
        x[i] = loc_sin(x[i])
    return x

· 關注內層嵌套循環，儘可能將內層循環的計算往上層移，減小內層的計算

# 1
for i in range(len(v1)):
    for j in range(len(v2)):
        x = v1p[i]+ v2[j]

# 2
for i in range(len(v1)):
    vli = v1[i]
    for j in range(len(v2)):
        x = vli + v2[j]

 

參考：

《改善python程序的91個建議》

https://blog.csdn.net/qq_31603575/article/details/80177153

https://www.cnblogs.com/cotyb/p/5452602.html

https://www.cnblogs.com/cotyb/tag/pythonic/

https://medium.freecodecamp.org/an-a-z-of-useful-python-tricks-b467524ee747