Effective python(五):内置模块

1,考虑使用contextlib和with语句改写可复用的try/finally代码

  1. with lock:print('lock is held')相当于try:print('lock is held')finally:lock.release,使用with可以避免繁琐的语句
  1. 开发者可以使用内置的contextlib模块的contextmanager修饰器来处理自己编写的对象和函数以支持with语句,这样做比标准写法更便捷,如果使用标准方式写,需要定义新类并提供__enter__和__exit__方法
    from contextlib import contextmanager
    
    #上下文管理器
    @contextmanager
    def test():
      print("初始化")
      #可以在这里开启资源,如log等级上升
      try:
        print("with开始")
        #如果有错误会通过yield弹出
        yield
      finally:
        print("离开时释放资源")
    
    with test():
      print("go")
    
  1. 可以在yield处弹出一个对象,通过as指定为一个局部变量,在with内可以对其进行交互

2,使用copyreg实现可靠的pickle操作

  1. python内置的pickle模块能将python对象转化为字节流,也能把字节反序列化为python对象,但pickle处理后的数据实际上就是一个程序,可能会混入恶意信息,对程序造成损坏,json产生的数据是一种安全的信息,只描述对象如何构成,不会造成额外风险,所以pickle处理的字节流不应该在未受信任的程序之间传播
  1. 例如定义一个GameState类,实例化为对象state=GameState()包含玩家的当前游戏状态,生命,金币等等,玩家退出游戏的时候,将state直接写到一份文件里,游戏加载时读取
    with open(path,'wb') as f:
      pickle.dump(state,f)
    
    with open(path,'rb') as f:
      state_after=pickle.load(f)
    print(state_after.__dict__)
    
  1. 如果类新增加了一些属性,但保存的对象仍然是旧的,那就需要使用copyreg了,先将类添加一个__init__构造器,通过传参的方式初始化属性,然后使用如下代码注册函数,序列化和反序列化仍然按照原来的方式使用即可
    def unpickle_game_state(kwargs):
      return GameState(**kwargs)#返回State实例化
    
    def pickle_game_state(game_state):#参数为State对象
      kwargs=game_state.__dict__#获取其属性
    
      #序列化封装需要返回反序列化的函数和参数
      return unpickle_game_state,(kwargs,) 
    
    copyreg.pickle(GameState,pickle_game_state)#注册pickle函数
    
  1. 使用版本号管理类,修改copyreg注册的pickle函数,在里面添加一个版本号的参数kwargs['version]=2,然后在反序列化函数中根据版本号对其进行操作,即可兼容版本
  1. 固定引入路径,若重构时,将类名修改或删除,那么反序列化的时候会出错,使用copyreg.pickle注册后,会自动指向unpickle函数,所以不用担心修改类名的问题,但如果没有使用copyreg注册,那么修改类名后反序列化就会报错

4,使用datetime模块处理本地时间而不是time模块

  1. time模块,内置的time模块中有一个名叫localtime的函数,可以把UNIX时间戳(timestamp即UTC时刻距离UNIX计时原点的秒数)转换为宿主计算机时区的当地时间,这个模块不够稳定,只能转换主机时区的时间,其它地区会出错,应该尽量不用,而是使用datetime模块
    from time import localtime,strftime,strptime,mktime
    time_format='%Y-%m-%d %H:%M:%S'
    time_str=strftime(time_format,localtime(1407694710))
    #将时间戳转换为当地时间
    print(time_str)
    
    #将本地时间转化为UTC时间
    #strptime解析时间字符串,mktime将本地时间转换为UNIX时间戳
    print(mktime(strptime(strptime(time_str,time_format))))
    
  1. datetime模块
    from datetime import datetime,timezone
    from time import mktime
    
    #UTC时间转本地时间
    now=datetime(2014,8,10,18,18,30)
    now_utc=now.replace(tzinfo=timezone.utc)
    #注意此处若想可靠的转换时区,还需要搭配pytz模块
    now_local=now_utc.astimezone()#此处只包含UTC时区
    print(now_local)
    
    #本地时间转UTC格式时间戳
    time_str='2014-08-10 11:18:30'
    time_format='%Y-%m-%d %H:%M:%S'
    now=datetime.strptime(time_str,time_format)
    time_tuple=now.timetuple()
    utc_now=mktime(time_tuple)
    print(time_tuple)
    
  1. 若要在不同时区之间执行可靠的转换操作,还需要搭配pytz模块使用

5,内置的数据结构与算法 (开发者不应该自己去重新实现,因为很难把他们写好)

  1. 双向队列,collections模块中的deque类,从该队列头部与尾部插入或移除一个元素,只有O(1)的时间复杂度
    d=deque()
    d.append(1)
    x=d.popleft()
    
  1. 有序字典,collections模块中的OrderedDict类,它能够按照键的插入顺序,保留键值对在字典中的次序。标准字典是无序的,也就是说,在相同键值对的两个字典上迭代可能出现不同的迭代顺序
    a=OrderedDict()
    a['x']=1
    
  1. 默认值字典,collections模块中的defaultdict类,本例中用int函数创建字典,默认值为0
    stats=defaultdict()
    stats['my_counter']+=1
    
  1. 堆队列(优先队列),heapq模块中的heappush、heappop和nsmallest等函数,能够在标准的list中创建堆结构,时间复杂度O(logn),普通列表O(n)
    a=[]
    heappush(a,5)
    heappush(a,3)
    heappush(a,7)
    heappush(a,4)
    #总是能弹出优先级较高的元素,
    #默认是越小元素优先级越高
    print(heappop(a)) 
    #即使调用sort后依然能保持堆结构
    a.sort()
    
  1. 二分查找,bisect模块中的bisect_left函数,使用Index查找复杂度为O(n),二分为O(logn),注意:使用前列表应排好序,bisect搜索一百万个元素的列表,与index搜索包含14个元素的列表,所耗时间差不多
    i_index = bisect_left(alist,number)
    
  1. 与迭代器有关的工具,itertools模块,可分为三大类

♦ 能够把迭代器连接起来的函数:

  • chain:将多个迭代器按顺序连成一个迭代器
  • cycle:无限重复某个迭代器中的各个元素
  • tee:把一个迭代器拆分成多个平行的迭代器
  • zip_longest:与内置的zip函数相似,可以应对不同长度的迭代器

♦ 能够从迭代器中过滤元素的函数:

  • islice:在不复制的前提下,根据索引值来切割迭代器获取迭代器的一部分
  • takewhile:在判定函数为True的时候,从迭代器逐个返回元素
  • dropwhile:从判定函数初次为False的地方开始,逐个返回迭代器中的元素
  • filterfalse:从迭代器中逐个返回能令判定函数为False的所有元素,效果与filter函数相反

♦ 能够把迭代器中的元素组合起来的函数:

  • product:根据迭代器中的元素计算笛卡尔积(就是x*y),并返回。可以使用product改写深度嵌套的列表推导操作
  • permutations:用迭代器中的元素构建长度为N的有序排列,例:permutations('ABCD',2) # AB AC AD BA BC BD CA CB CD DA DB DC
  • combination:用迭代器中的元素构建长度为N的无序组合,例:combinations('ABCD', 2) # AB AC AD BC BD CD

备注:如果发现自己需要编写一段非常麻烦的迭代程序,应该花些时间看看itertools的文档看看有没有现成的工具可以用

6,在重视精度的场合,使用decimal模块中的Decimal类,该类默认提供28个小数位,以进行定点数学运算,有需要可以把精度提的更高

  1. dec=Decimal('1.45')在decimal之间进行计算会得到精确的结果,计算后的类型仍然是Decimal类型,print(dec)
  1. Decimal类提供quantize内置函数,它可以按照精度和舍入方式精确的调整数值result=dec.quantize(Decimal('0.01'),rounding=ROUND_UP)print(result)
  1. 若要使用精度不受限的方式表达有理数,那么可以考虑使用Fraction类,包含在内置的fractions模块里

7,学会使用pypi,Python中央仓库:https://pypi.python.org

  1. 如果碰到不熟悉的编程难题,应该去PyPI里看看别人的代码
  1. pip3安装python3版本的软件包,pip安装python2版本的软件包
posted @ 2020-03-28 20:44  石天放  阅读(218)  评论(0编辑  收藏  举报