优化 pythonic

发表于 |

使用python已经有很长一段时间了，在比赛中python语言的简洁易懂性给了我很大的帮助。当对一项技能使用的熟练度到达一定程度的时候，就该重新入门了。本文章将长期保持更新，收集记录各种python黑魔法，努力使自己的代码变得更加pythonic！

变量交换

1
a,b = b,a

对可变字符串不建议再使用temp = “(“+str(i)+”,”+str(j)+”)”的写法，给两种替换：

1
2
temp = "({x},{y})".format(x=str(i), y=str(j))
temp = "(%(x),%(y))" % {'x':str(i), 'y':str(j)}

类似于C里面的三元操作符：

1
X if X<Y else Y

直接生成的列表（不是那种定义后一直要修改的）

1
2
fr = open("F://xie.txt")
list = [i for i in fr.readlines()]

python装饰器
作用就是为函数外加一层代码，可以用于日志记录，函数运行时间记录，对于不合适的函数进行代码补充等等场景

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
def runTime(tag = True):
	if tag == True:
		def _deco(func):
			def wrapper(*args, **kwargs):
				startTime = time.time()
				retu = func(*args, **kwargs)
				endTime = time.time()
				print ("RunTime is {time}".format(time=endTime-startTime))
				return retu
			return wrapper
	else:
		def _deco(func):
			return func
	return _deco	
@runTime(True)
def myFunc(path):
	fr = open(path)
	list = [i for i in fr.readlines]
myFunc("F://xie.txt")

@runTime(True)相当于：myFunc = runTime(True)(myFunc(path))

调用逻辑为：

  1. runTime(True) 返回_deco 因此等价于 _deco函数
  2. _deco(myFunc(path))返回wrapper 因此等价于 wrapper函数
  3. 所以myFunc 等价于 执行逻辑之后的wrapper(path)函数

装饰器书写需要把握的重点是：

  • 装饰器的本质是函数转换，经过@之后的那个函数其实最后都是变为装饰代码后的wrapper函数
  • 基本的函数转换方式就是在每层函数中定义个子函数，然后逻辑执行后return 子函数

python函数中的可变参数：
其实实现原理很简单，def xie(args, **kwargs)中的args就相当于一个list， **kwargs就相当于一个dict，只是python为方便使用做出了进一步定义

1
2
3
4
5
6
7
8
9
10
11
12
13
def xie(farg, *args)
xie(1, 'two', 3) ==> xie(1, ['two',3])
def xie(farg, **kwargs)
xie(1, url='/xss', method='get') ==> xie(1, {"url":'/xss', 'method':'get'})
def xie(arg1, arg2, arg3)
args = [2, 3]
xie(1, *args) ==> xie(1, 2, 3)
def xie(arg1, arg2, arg3)
kwargs = {'arg1':1, 'arg2':2, 'arg3':3}
xie(**kwargs) ==> xie(1, 2, 3)

迭代器中使用计数模式

1
2
3
fr = open("F://xie.txt", 'r')
for index, i in enumerate(fr.readlines(), 1):
	print ("{index}:{i}".format(index=index, i=i))

将迭代列表用enumerate对象封装，每次迭代值返回两个————index, data。
同时enumerate()的第二个参数用于指定index的起始值，默认为0

对于对象的迭代器遍历如果只是为了循环检测是否存在某种情况，可以这样写：

1
[row[1]==0 and row[2]!='Yes' for row in rows]

之后使用any() all() 函数做检测
any([1,0,0])列表中存在1即返回真 all([1,1,1])列表中全为真则返回真
因此具体可以这样写

1
any([row[1]==0 and row[2]!='Yes' for row in rows])

之前对dict的操作认识太浅显，重新整理下dict操作

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
获取字典中的值，get()函数支持默认参数方法，在没有键值的时候使用默认参数
dict.get('xie', 'fei')
检测键是否存在,存在会返回对应的值，不存在会返回None
dict.get('xie')
另一种方法是在dict.keys()列表中寻找
返回dict中的所有键：
dict.keys()
返回dict中所有值：
dict.values()
更新字典，也就是添加没有的键值对，为键对应的值改变的进行更新。类似于加运算吧
dict.update(dict2)

使用defaultdict类型来进行遍历的结果记录
在对遍历结果统计时经常使用dict类型来记录，但dict在这种情况下有个问题就是，如果是第一次引用一个键，dict[‘xie’] += 1就会出现问题，需要先dict[‘xie’] = 0,再dict[‘xie’] += 1，而defaultdict会在dict[]遇到新的键时为其分配指定的值

1
2
3
4
5
6
from collections import defaultdict
list = [1,2,3,4,5,6,3,4,2,1,8,6,5]
dict = defaultdict(int)
for i in list:
	dict[i]+=1

更加健壮的python程序需要进行参数检查：

要检查的数据有：

  1. 用户输出的数据
  2. 从文件中解析出来的数据，如从网页中解析出来的数据，从txt中获取的数据

需要在以下几个地方做参数检查：

  1. 最初遇到这种参数时就做出了检查
  2. 必须保证安全性关键的子函数，如果def download(url)
  3. 检测函数中，经常会做切片分析检测，要防止越界