


Verbessern Sie die Klarheit des Codes mit benannten Python-Tupeln
Pythons Sammlungsmodul verfügt über eine Funktion namens „Namedtuple“. Ein „Namedtuple“ ist ein Tupel mit benannten Elementen, um den Code ausdrucksvoller zu machen. Genau wie ein Wörterbuch in Python ermöglicht uns ein „Namedtuple“ den Zugriff auf Elemente mithilfe der Mitglieder des Tupels anstelle des Index.
Verbessern Sie die Codeklarheit mit Python-benannten Tupeln
Erfahren Sie, wie Sie die Speichernutzung erstellen, destrukturieren und optimieren, um saubereren, besser lesbaren Code zu erhalten. Entdecken Sie Beispiele und Best Practices aus der Praxis.
Pythons Sammlungsmodul verfügt über eine Funktion namens „Namedtuple“. Ein „Namedtuple“ ist ein Tupel mit benannten Elementen, um den Code ausdrucksvoller zu machen. Genau wie Wörterbücher in Python ermöglicht uns „Namedtuple“ den Zugriff auf Elemente mithilfe der Mitglieder des Tupels anstelle des Index.
Erstellen eines benannten Tupels
Um ein benanntes Tupel zu erstellen, müssen wir die Funktion „namedtuple“ aus dem Collections-Modul verwenden.
from collections import namedtuple # Define a employee tuple that has fields id, name and location. Employee = namedtuple ('Employee', 'id name location') # Create instances of Employee employee1 = Employee (id=10, name='John Doe', location='Atlanta') employee2 = Employee (id=11, name='Mick', location='Dallas')
Zugriff auf Elemente von Namedtuple
„Namedtuple“ bietet einen dualen Mechanismus für den Elementzugriff. Erstens kann auf Elemente über Attributnamen zugegriffen werden, und der zweite Mechanismus verwendet die traditionelle numerische Indizierung.
print(f"{employee1.name} - {employee1.location}") # John Doe - Atlanta print(f"{employee2.name} - {employee2.location}") # Mick – Dallas
Auf Elemente kann auch über numerische Indizes zugegriffen werden.
print(f"{employee1[1]} - {employee1[2]}") # John Doe - Atlanta print(f"{employee2[1]} - {employee2[2]}") # Mick – Dallas
Unveränderlichkeit
Unveränderlichkeit ist eine grundlegende Eigenschaft von „Namedtuples“, die von regulären Tupeln geerbt wird. Dies bedeutet, dass der Wert eines Felds, sobald er während der Erstellung festgelegt wurde, nicht mehr geändert werden kann.
try: employee1.name = 'David' except AttributeError as e: print(f"AttributeError: {e}") # AttributeError: can't set attribute
Methoden
„Namedtuple“ bietet nicht nur eine saubere und lesbare Möglichkeit, Daten zu strukturieren, sondern stellt auch einige nützliche Methoden bereit, die die Funktionalität von „Namedtuple“ verbessern.
a) _asdict(): Die Methode _asdict() gibt benannte Tupel in Wörterbuchform zurück und bietet so eine bequeme Möglichkeit, „Namedtuples“ in ein Format zu konvertieren, das mit anderen Datenstrukturen kompatibel ist.
employee1._asdict() # {'id': 10, 'name': 'John Doe', 'location': 'Atlanta'}
b) _replace(): Die Methode _replace() erstellt eine neue Instanz von „Namedtuple“, wobei die angegebenen Felder durch neue Werte ersetzt werden. Dieser Ansatz ist entscheidend, um die Unveränderlichkeit aufrechtzuerhalten und gleichzeitig Änderungen zu ermöglichen.
employee1_modified = employee1._replace(location='DFW') employee1_modified # Employee(id=10, name='John Doe', location='DFW')
c) _make(): Die Methode _make(iterable) erstellt eine neue Instanz von „namedtuple“ aus einem iterierbaren Objekt. Beispielsweise können wir mit der Methode _make() ein Namedtuple aus einer Liste erstellen.
employee_list = [21, 'Bob','Gallup'] Employee._make(employee_list) # Employee(id=21, name='Bob', location='Gallup')
Entpacken von Namedtuple
Durch den Entpackvorgang ermöglichen Ihnen Pythons „Namedtuples“, ihre Werte einzelnen Variablen in einer einzigen, prägnanten Anweisung zuzuweisen.
id, name, location = employee1 print(f"id: {id}, name: {name}, location:{location}")
Konvertieren Sie „Namedtuples“ in verschiedene Datenstrukturen
Sie können den list()-Konstruktor verwenden, um benannte Tuples in eine Liste zu konvertieren. Hier ist ein Beispiel:
list(employee1) # [10, 'John Doe', 'Atlanta']
Sie können ein benanntes Tupel mit der Methode „_asdict()“ in ein Wörterbuch konvertieren, die ein OrderedDict zurückgibt, das Sie in ein reguläres Wörterbuch konvertieren können. Hier ist ein Beispiel:
dict(employee1._asdict()) # {'id': 10, 'name': 'John Doe', 'location': 'Atlanta'}
Vorteile der Verwendung von „Namedtuple“
Lesbarkeit: „Namedtuples“ machen den Code lesbarer, indem sie Elementen aussagekräftige Namen geben, wodurch der Aufwand eines indexbasierten Zugriffs entfällt.
Mutation: Wie normale Tupel sind „Namedtuples“ unveränderlich. Sobald es erstellt wurde, kann sein Wert nicht mehr geändert werden.
Speichereffizienz: „Namedtuples“ sind speichereffizient und nehmen weniger Platz ein als entsprechende Klassen. Es ist wichtig zu beachten, dass die mit Namedtuples erzielte Speichereffizienz häufiger in Szenarien mit einer großen Anzahl von Instanzen oder bei der Arbeit mit großen Datensätzen auftritt.
Leichte Datenstruktur: Ideal zum Erstellen einfacher Klassen ohne benutzerdefinierte Methoden.
Datenspeicherung: Praktisch zum Speichern strukturierter Daten, insbesondere wenn keine vollständigen Kurse erforderlich sind.
API- und Datenbankdatensätze: Wird verwendet, um von der Datenbank zurückgegebene Datensätze oder von der API empfangene Daten darzustellen.
„Namedtuple“ in Python ist ideal für Szenarien, die einfache, unveränderliche Daten Strukturen mit benannten Feldern erfordern, wie z. B.
Konfigurationseinstellungen: Verwenden Sie „Namedtuple“, um Konfigurationseinstellungen mit benannten Feldern für Klarheit und Benutzerfreundlichkeit darzustellen.
Datenbankdatensatz: „Namedtuple“ kann einen Datenbankdatensatz darstellen und so klarstellen, welches Feld welcher Spalte in der Tabelle entspricht.
Befehlszeilenanalyse: Verwenden Sie „Namedtuple“, um analysierte Befehlszeilenparameter zu speichern und so eine klare Struktur für Eingabeparameter bereitzustellen.
Benannte Konstanten: „Namedtuple“ kann zur Darstellung benannter Konstanten im Code verwendet werden und bietet so eine klare und lesbare Möglichkeit, konstante Werte zu definieren.
„Namedtuples“ zeichnen sich in diesen Szenarien dadurch aus, dass sie Klarheit, Lesbarkeit und Unveränderlichkeit bieten, was sie zu einem wertvollen Werkzeug für prägnant strukturierte Daten macht.
Das obige ist der detaillierte Inhalt vonVerbessern Sie die Klarheit des Codes mit benannten Python-Tupeln. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
