時不時地，當(dāng)我了解Python的新功能時，或者我發(fā)現(xiàn)其他一些人不知道該功能時，我會記下它。

在過去的幾周中，我最近了解或?qū)崿F(xiàn)了一些有趣的功能-Stack Overflow。

這里有十個精巧的Python開發(fā)技巧，我敢肯定您從未見過。 快速瀏覽其中一些功能，以及每個功能的概要。

注意：代碼在此故事中顯示為圖像。 此外，您將在最后獲得GitHub Readme鏈接，以進一步進行實驗。

[[333081]]

1. 如何在運行狀態(tài)下查看源代碼?

查看該函數(shù)的源代碼，我們通常使用IDE來完成。

例如，在PyCharm中，您可以使用Ctrl +鼠標(biāo)輸入功能的源代碼。

如果沒有IDE怎么辦?

• 當(dāng)我們想使用一個函數(shù)時，我們?nèi)绾沃涝摵瘮?shù)需要接收哪些參數(shù)?
• 當(dāng)我們在使用函數(shù)時遇到問題時，如何通過閱讀源代碼來解決問題?

目前，我們可以使用inspect而不是IDE來幫助您完成這些事情

inspect.getsource：返回對象源代碼的文本。

檢查模塊提供了幾個有用的功能，以幫助獲取有關(guān)活動對象的信息，例如模塊，類，方法，函數(shù)，回溯，框架對象和代碼對象。

此模塊提供的四種主要服務(wù)：

• 類型檢查，
• 獲取源代碼，
• 檢查類和功能
• 檢查解釋器堆棧。

2. 查看包路徑的最快方法

當(dāng)使用import導(dǎo)入軟件包或模塊時，Python將在某些目錄中查找，并且這些目錄具有優(yōu)先級順序，通常我們將使用sys.path進行查看。

有沒有更快的方法?

在這里我想介紹一種比上面更方便的方法，可以解決一行命令：

從輸出中，您可以發(fā)現(xiàn)此列的路徑將比sys.path(包含用戶環(huán)境的目錄)更完整。

3. 將嵌套的循環(huán)寫為一行

我們經(jīng)常使用以下嵌套的循環(huán)代碼：

這里只有三個for循環(huán)，在實際編碼中，可能會有更多的層。

這樣的代碼可讀性很差，人們不想編寫它，并且有一種更好的編寫方法。

在這里，我介紹一種常用的編寫方法，該方法使用itertools庫實現(xiàn)更優(yōu)雅和可讀的代碼。

4. 如何使用打印輸出日志

許多人喜歡使用打印來調(diào)試代碼并記錄程序的運行過程。

但是，打印只會將內(nèi)容輸出到終端，而不能保留到日志文件中，這不利于故障排除。

如果您熱衷于使用打印來調(diào)試代碼(盡管這不是最佳實踐)，請記錄運行程序的過程，那么下面描述的打印用法可能對您有用。

在Python 3中將其打印為函數(shù)，因為它可以接收更多參數(shù)，所以函數(shù)本身變得更強大。

代碼如下所示：

5. 如何快速計算功能運行時間

計算一個函數(shù)的運行時間，你可以這樣

您會看到編寫了幾行代碼來計算函數(shù)的運行時間。

有沒有一種方法可以更方便地計算運行時間? 是的，使用稱為timeit的內(nèi)置模塊。

只需一行代碼即可使用

結(jié)果如下：

2222210.020059824 

6. 使用內(nèi)置的緩存機制來提高效率

緩存是一種存儲定量數(shù)據(jù)以滿足后續(xù)采集需求的方法，旨在加快數(shù)據(jù)采集的速度。

數(shù)據(jù)生成過程可能需要諸如計算，正則化和遠程獲取之類的操作。 如果同一數(shù)據(jù)需要多次使用，則每次重新生成都將浪費時間。

因此，如果將通過諸如計算或遠程請求之類的操作獲得的數(shù)據(jù)進行緩存，則將加速后續(xù)的數(shù)據(jù)獲取需求。

為了達到這個要求，Python 3.2+為我們提供了一種易于實現(xiàn)的機制，而無需您編寫這樣的邏輯代碼。

該機制是在functool模塊的lru_cache裝飾器中實現(xiàn)的。

參數(shù)解釋：

• maxsize：此函數(shù)調(diào)用最多可以緩存多少個結(jié)果，如果為None則沒有限制，設(shè)置為2的冪時，性能最佳
• 類型：如果為True，則將分別緩存不同參數(shù)類型的調(diào)用。

例如：

輸出如下，您可以看到第二個調(diào)用不執(zhí)行函數(shù)主體，而是直接將結(jié)果返回到緩存中：

calculating: 1 + 233 
 
calculating: 2 + 35 

以下是經(jīng)典的斐波那契數(shù)列，當(dāng)您指定較大的n時，會有很多重復(fù)的計算

現(xiàn)在可以將第6點中介紹的timeit用于測試可以提高多少效率。

如果不使用lru_cache，則運行時間為31秒：

使用lru_cache后，運行速度過快，因此我將n的值從30調(diào)整為500，但是即使這樣，運行時間也只有0.0004秒。 速度的提高非常顯著。

7. 在程序退出之前執(zhí)行代碼的提示

使用內(nèi)置模塊atexit，您可以輕松注冊和退出功能。

無論您在哪里導(dǎo)致程序崩潰，它都會執(zhí)行您已注冊的功能。 例子如下：

結(jié)果如下：

如果clean()函數(shù)具有參數(shù)，則可以在不使用修飾符的情況下調(diào)用atexit.register(clean_1，參數(shù)1，參數(shù)2，參數(shù)3 =" xxx")。

也許您還有其他方法可以處理這種需求，但是與不使用atexit相比，它更優(yōu)雅，更方便，并且易于擴展。

但是使用atexit仍然有一些限制，例如：

• 如果程序被尚未處理的系統(tǒng)信號殺死，則注冊的功能將無法正常執(zhí)行。
• 如果發(fā)生嚴(yán)重的Python內(nèi)部錯誤，則無法正常執(zhí)行您注冊的函數(shù)。
• 如果手動調(diào)用os._exit()，則無法正常執(zhí)行注冊的功能。

8. 如何關(guān)閉異常關(guān)聯(lián)上下文?

當(dāng)您處理異常時，由于處理不當(dāng)或其他問題，當(dāng)引發(fā)另一個異常時，拋出的異常還將攜帶原始異常信息。

再次閱讀它，您現(xiàn)在一定會理解。

像這樣。

您可以從輸出中看到兩條異常消息：

如果在異常處理程序或finally塊中引發(fā)異常，則默認情況下，異常機制將隱式工作，以將先前的異常附加為新異常的__context__屬性。

這是Python默認情況下啟用的自動關(guān)聯(lián)異常上下文。

如果要自己控制此上下文，則可以添加一個from關(guān)鍵字(from的限制是第二個表達式必須是另一個異常類或?qū)嵗?以指示哪個異常導(dǎo)致了您的新異常。

輸出如下

當(dāng)然，您也可以使用with_traceback()方法設(shè)置異常的__context__屬性，這也可以在回溯中更好地顯示異常信息。

最后，是否要完全關(guān)閉這種自動關(guān)聯(lián)異常上下文的機制? 我們還能做什么?

可以使用引發(fā)…從無，從下面的示例，沒有原始異常

9. 實施類似延遲的呼叫

Golang中有一種延遲通話的機制。 關(guān)鍵字為defer，如下所示

myfunc的調(diào)用將在函數(shù)返回之前完成，即使您在函數(shù)的第一行上編寫了myfunc的調(diào)用，這也是延遲的調(diào)用。 輸出如下，

AB 

那么Python中有這種機制嗎?

當(dāng)然有，但是沒有Golang這么簡單。

我們可以使用Python上下文管理器來達到這種效果

輸出如下

AB 

10. 如何流式讀取大文件

使用with…open…可以從文件中讀取數(shù)據(jù)，這是所有Python開發(fā)人員都非常熟悉的操作。

但是，如果使用不當(dāng)，也會造成很大的麻煩。

例如，當(dāng)您使用讀取功能時，Python會將文件內(nèi)容一次全部加載到內(nèi)存中。 如果文件具有10 GB或更多，則計算機將消耗的內(nèi)存非常大。

 

對于此問題，您可能會考慮使用readline作為生成器來逐行返回。

但是，如果此文件的內(nèi)容在一行中，則每行10 GB，您仍將一次讀取所有內(nèi)容。

最優(yōu)雅的解決方案是使用read方法指定一次只讀取固定大小的內(nèi)容。 例如，在下面的代碼中，一次僅返回8kb。

上面的代碼在功能上沒有問題，但是代碼看起來還是有點腫。

使用部分函數(shù)和迭代函數(shù)，您可以像這樣優(yōu)化代碼

總結(jié)一下

• 我們可以使用inspect在運行狀態(tài)下查看源代碼
• 如果嵌套循環(huán)，可以使用itertools.product
• 隨時間使用timeit模塊來計算功能或代碼段的運行時間
• 使用functool.lru_cache可以加快代碼速度。 旨在加快數(shù)據(jù)采集速度
• 使用atexit模塊注冊您的功能，以便在導(dǎo)致程序崩潰的任何地方，它將執(zhí)行您已注冊的那些功能
• 通過將大文件分成固定大小的塊來讀取它