十大Python开发技巧，

十大Python开发技巧，

时不时地，当我了解Python的新功能时，或者我发现其他一些人不知道该功能时，我会记下它。

在过去的几周中，我最近了解或实现了一些有趣的功能-Stack Overflow。

这里有十个精巧的Python开发技巧，我敢肯定您从未见过。 快速浏览其中一些功能，以及每个功能的概要。

注意：代码在此故事中显示为图像。 此外，您将在最后获得GitHub Readme链接，以进一步进行实验。

1. 如何在运行状态下查看源代码?

查看该函数的源代码，我们通常使用IDE来完成。

例如，在PyCharm中，您可以使用Ctrl +鼠标输入功能的源代码。

如果没有IDE怎么办?

• 当我们想使用一个函数时，我们如何知道该函数需要接收哪些参数?
• 当我们在使用函数时遇到问题时，如何通过阅读源代码来解决问题?

目前，我们可以使用inspect而不是IDE来帮助您完成这些事情

inspect.getsource：返回对象源代码的文本。

检查模块提供了几个有用的功能，以帮助获取有关活动对象的信息，例如模块，类，方法，函数，回溯，框架对象和代码对象。

此模块提供的四种主要服务：

• 类型检查，
• 获取源代码，
• 检查类和功能
• 检查解释器堆栈。

2. 查看包路径的最快方法

当使用import导入软件包或模块时，Python将在某些目录中查找，并且这些目录具有优先级顺序，通常我们将使用sys.path进行查看。

有没有更快的方法?

在这里我想介绍一种比上面更方便的方法，可以解决一行命令：

从输出中，您可以发现此列的路径将比sys.path(包含用户环境的目录)更完整。

3. 将嵌套的循环写为一行

我们经常使用以下嵌套的循环代码：

这里只有三个for循环，在实际编码中，可能会有更多的层。

这样的代码可读性很差，人们不想编写它，并且有一种更好的编写方法。

在这里，我介绍一种常用的编写方法，该方法使用itertools库实现更优雅和可读的代码。

4. 如何使用打印输出日志

许多人喜欢使用打印来调试代码并记录程序的运行过程。

但是，打印只会将内容输出到终端，而不能保留到日志文件中，这不利于故障排除。

如果您热衷于使用打印来调试代码(尽管这不是最佳实践)，请记录运行程序的过程，那么下面描述的打印用法可能对您有用。

在Python 3中将其打印为函数，因为它可以接收更多参数，所以函数本身变得更强大。

代码如下所示：

5. 如何快速计算功能运行时间

计算一个函数的运行时间，你可以这样

您会看到编写了几行代码来计算函数的运行时间。

有没有一种方法可以更方便地计算运行时间? 是的，使用称为timeit的内置模块。

只需一行代码即可使用

结果如下：

2222210.020059824 

6. 使用内置的缓存机制来提高效率

缓存是一种存储定量数据以满足后续采集需求的方法，旨在加快数据采集的速度。

数据生成过程可能需要诸如计算，正则化和远程获取之类的操作。 如果同一数据需要多次使用，则每次重新生成都将浪费时间。

因此，如果将通过诸如计算或远程请求之类的操作获得的数据进行缓存，则将加速后续的数据获取需求。

为了达到这个要求，Python 3.2+为我们提供了一种易于实现的机制，而无需您编写这样的逻辑代码。

该机制是在functool模块的lru_cache装饰器中实现的。

参数解释：

• maxsize：此函数调用最多可以缓存多少个结果，如果为None则没有限制，设置为2的幂时，性能最佳
• 类型：如果为True，则将分别缓存不同参数类型的调用。

例如：

输出如下，您可以看到第二个调用不执行函数主体，而是直接将结果返回到缓存中：

calculating: 1 + 233 
 
calculating: 2 + 35 

以下是经典的斐波那契数列，当您指定较大的n时，会有很多重复的计算

现在可以将第6点中介绍的timeit用于测试可以提高多少效率。

如果不使用lru_cache，则运行时间为31秒：

使用lru_cache后，运行速度过快，因此我将n的值从30调整为500，但是即使这样，运行时间也只有0.0004秒。 速度的提高非常显着。

7. 在程序退出之前执行代码的提示

使用内置模块atexit，您可以轻松注册和退出功能。

无论您在哪里导致程序崩溃，它都会执行您已注册的功能。 例子如下：

结果如下：

如果clean()函数具有参数，则可以在不使用修饰符的情况下调用atexit.register(clean_1，参数1，参数2，参数3 =" xxx")。

也许您还有其他方法可以处理这种需求，但是与不使用atexit相比，它更优雅，更方便，并且易于扩展。

但是使用atexit仍然有一些限制，例如：

• 如果程序被尚未处理的系统信号杀死，则注册的功能将无法正常执行。
• 如果发生严重的Python内部错误，则无法正常执行您注册的函数。
• 如果手动调用os._exit()，则无法正常执行注册的功能。

8. 如何关闭异常关联上下文?

当您处理异常时，由于处理不当或其他问题，当引发另一个异常时，抛出的异常还将携带原始异常信息。

再次阅读它，您现在一定会理解。

像这样。

您可以从输出中看到两条异常消息：

如果在异常处理程序或finally块中引发异常，则默认情况下，异常机制将隐式工作，以将先前的异常附加为新异常的__context__属性。

这是Python默认情况下启用的自动关联异常上下文。

如果要自己控制此上下文，则可以添加一个from关键字(from的限制是第二个表达式必须是另一个异常类或实例。)以指示哪个异常导致了您的新异常。

输出如下

当然，您也可以使用with_traceback()方法设置异常的__context__属性，这也可以在回溯中更好地显示异常信息。

最后，是否要完全关闭这种自动关联异常上下文的机制? 我们还能做什么?

可以使用引发…从无，从下面的示例，没有原始异常

9. 实施类似延迟的呼叫

Golang中有一种延迟通话的机制。 关键字为defer，如下所示

myfunc的调用将在函数返回之前完成，即使您在函数的第一行上编写了myfunc的调用，这也是延迟的调用。 输出如下，

AB 

那么Python中有这种机制吗?

当然有，但是没有Golang这么简单。

我们可以使用Python上下文管理器来达到这种效果

输出如下

AB 

10. 如何流式读取大文件

使用with…open…可以从文件中读取数据，这是所有Python开发人员都非常熟悉的操作。

但是，如果使用不当，也会造成很大的麻烦。

例如，当您使用读取功能时，Python会将文件内容一次全部加载到内存中。 如果文件具有10 GB或更多，则计算机将消耗的内存非常大。

 

对于此问题，您可能会考虑使用readline作为生成器来逐行返回。

但是，如果此文件的内容在一行中，则每行10 GB，您仍将一次读取所有内容。

最优雅的解决方案是使用read方法指定一次只读取固定大小的内容。 例如，在下面的代码中，一次仅返回8kb。

上面的代码在功能上没有问题，但是代码看起来还是有点肿。

使用部分函数和迭代函数，您可以像这样优化代码

总结一下

• 我们可以使用inspect在运行状态下查看源代码
• 如果嵌套循环，可以使用itertools.product
• 随时间使用timeit模块来计算功能或代码段的运行时间
• 使用functool.lru_cache可以加快代码速度。 旨在加快数据采集速度
• 使用atexit模块注册您的功能，以便在导致程序崩溃的任何地方，它将执行您已注册的那些功能
• 通过将大文件分成固定大小的块来读取它