一波神奇的Python语句、函数与方法的使用技巧总结-Python教學-PHP中文網

首頁

後端開發

Python教學

一波神奇的Python语句、函数与方法的使用技巧总结

WBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWB

Jun 10, 2016 pm 03:07 PM

python 技巧

显示有限的接口到外部
当发布python第三方package时，并不希望代码中所有的函数或者class可以被外部import，在__init__.py中添加__all__属性，该list中填写可以import的类或者函数名，可以起到限制的import的作用，防止外部import其他函数或者类。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from base import APIBase
from client import Client
from decorator import interface, export, stream
from server import Server
from storage import Storage
from util import (LogFormatter, disable_logging_to_stderr,
            enable_logging_to_kids, info)
__all__ = ['APIBase', 'Client', 'LogFormatter', 'Server',
      'Storage', 'disable_logging_to_stderr', 'enable_logging_to_kids',
      'export', 'info', 'interface', 'stream']

登入後複製

with的魔力
with语句需要支持上下文管理协议的对象，上下文管理协议包含__enter__和__exit__两个方法。 with语句建立运行时上下文需要通过这两个方法执行进入和退出操作。

其中上下文表达式是跟在with之后的表达式，该表达式返回一个上下文管理对象。

# 常见with使用场景
with open("test.txt", "r") as my_file: # 注意, 是__enter__()方法的返回值赋值给了my_file,
  for line in my_file:
    print line

登入後複製

知道具体原理，我们可以自定义支持上下文管理协议的类，类中实现__enter__和__exit__方法。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
class MyWith(object):
  def __init__(self):
    print "__init__ method"
  def __enter__(self):
    print "__enter__ method"
    return self # 返回对象给as后的变量
  def __exit__(self, exc_type, exc_value, exc_traceback):
    print "__exit__ method"
    if exc_traceback is None:
      print "Exited without Exception"
      return True
    else:
      print "Exited with Exception"
      return False
def test_with():
  with MyWith() as my_with:
    print "running my_with"
  print "------分割线-----"
  with MyWith() as my_with:
    print "running before Exception"
    raise Exception
    print "running after Exception"
if __name__ == '__main__':
  test_with()

登入後複製

执行结果如下：

__init__ method
__enter__ method
running my_with
__exit__ method
Exited without Exception
------分割线-----
__init__ method
__enter__ method
running before Exception
__exit__ method
Exited with Exception
Traceback (most recent call last):
 File "bin/python", line 34, in <module>
  exec(compile(__file__f.read(), __file__, "exec"))
 File "test_with.py", line 33, in <module>
  test_with()
 File "test_with.py", line 28, in test_with
  raise Exception
Exception

登入後複製

证明了会先执行__enter__方法, 然后调用with内的逻辑, 最后执行__exit__做退出处理, 并且, 即使出现异常也能正常退出

filter的用法
相对filter而言， map和reduce使用的会更频繁一些， filter正如其名字，按照某种规则过滤掉一些元素。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
lst = [1, 2, 3, 4, 5, 6]
# 所有奇数都会返回True, 偶数会返回False被过滤掉
print filter(lambda x: x % 2 != 0, lst)
#输出结果
[1, 3, 5]

登入後複製

一行作判断
当条件满足时，返回的为等号后面的变量，否则返回else后语句。

lst = [1, 2, 3]
new_lst = lst[0] if lst is not None else None
print new_lst
# 打印结果
1

登入後複製

装饰器之单例
使用装饰器实现简单的单例模式

# 单例装饰器
def singleton(cls):
  instances = dict() # 初始为空
  def _singleton(*args, **kwargs):
    if cls not in instances: #如果不存在, 则创建并放入字典
      instances[cls] = cls(*args, **kwargs)
    return instances[cls]
  return _singleton
@singleton
class Test(object):
  pass
if __name__ == '__main__':
  t1 = Test()
  t2 = Test()
  # 两者具有相同的地址
  print t1, t2

登入後複製

staticmethod装饰器
类中两种常用的装饰，首先区分一下他们：

普通成员函数, 其中第一个隐式参数为对象

classmethod装饰器, 类方法(给人感觉非常类似于OC中的类方法), 其中第一个隐式参数为类
staticmethod装饰器, 没有任何隐式参数. python中的静态方法类似与C++中的静态方法

#!/usr/bin/env python

# -*- coding: utf-8 -*-
class A(object):
  # 普通成员函数
  def foo(self, x):
    print "executing foo(%s, %s)" % (self, x)
  @classmethod  # 使用classmethod进行装饰
  def class_foo(cls, x):
    print "executing class_foo(%s, %s)" % (cls, x)
  @staticmethod # 使用staticmethod进行装饰
  def static_foo(x):
    print "executing static_foo(%s)" % x
def test_three_method():
  obj = A()
  # 直接调用噗通的成员方法
  obj.foo("para") # 此处obj对象作为成员函数的隐式参数, 就是self
  obj.class_foo("para") # 此处类作为隐式参数被传入, 就是cls
  A.class_foo("para") #更直接的类方法调用
  obj.static_foo("para") # 静态方法并没有任何隐式参数, 但是要通过对象或者类进行调用
  A.static_foo("para")
if __name__ == '__main__':
  test_three_method()
  
# 函数输出
executing foo(<__main__.A object at 0x100ba4e10>, para)
executing class_foo(<class '__main__.A'>, para)
executing class_foo(<class '__main__.A'>, para)
executing static_foo(para)
executing static_foo(para)

登入後複製

property装饰器
定义私有类属性
将property与装饰器结合实现属性私有化(更简单安全的实现get和set方法)。

#python内建函数
property(fget=None, fset=None, fdel=None, doc=None)

登入後複製

fget是获取属性的值的函数，fset是设置属性值的函数，fdel是删除属性的函数，doc是一个字符串(像注释一样)。从实现来看，这些参数都是可选的。

property有三个方法getter()， setter()和delete() 来指定fget， fset和fdel。这表示以下这行：

class Student(object):
  @property #相当于property.getter(score) 或者property(score)
  def score(self):
    return self._score
  @score.setter #相当于score = property.setter(score)
  def score(self, value):
    if not isinstance(value, int):
      raise ValueError('score must be an integer!')
    if value < 0 or value > 100:
      raise ValueError('score must between 0 ~ 100!')
    self._score = value

登入後複製

iter魔法
通过yield和__iter__的结合，我们可以把一个对象变成可迭代的
通过__str__的重写，可以直接通过想要的形式打印对象

#!/usr/bin/env python
# -*- coding: utf-8 -*-
class TestIter(object):
  def __init__(self):
    self.lst = [1, 2, 3, 4, 5]
  def read(self):
    for ele in xrange(len(self.lst)):
      yield ele
  def __iter__(self):
    return self.read()
  def __str__(self):
    return ','.join(map(str, self.lst))
  
  __repr__ = __str__
def test_iter():
  obj = TestIter()
  for num in obj:
    print num
  print obj
if __name__ == '__main__':
  test_iter()

登入後複製

神奇partial
partial使用上很像C++中仿函数(函数对象)。

在stackoverflow给出了类似与partial的运行方式：

def partial(func, *part_args):
  def wrapper(*extra_args):
    args = list(part_args)
    args.extend(extra_args)
    return func(*args)
  return wrapper

登入後複製

利用用闭包的特性绑定预先绑定一些函数参数，返回一个可调用的变量，直到真正的调用执行：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from functools import partial
def sum(a, b):
  return a + b
def test_partial():
  fun = partial(sum, 2)  # 事先绑定一个参数, fun成为一个只需要一个参数的可调用变量
  print fun(3) # 实现执行的即是sum(2, 3)
if __name__ == '__main__':
  test_partial()
  
# 执行结果
5

登入後複製

神秘eval
eval我理解为一种内嵌的python解释器(这种解释可能会有偏差)，会解释字符串为对应的代码并执行，并且将执行结果返回。

看一下下面这个例子：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
def test_first():
  return 3
def test_second(num):
  return num
action = { # 可以看做是一个sandbox
    "para": 5,
    "test_first" : test_first,
    "test_second": test_second
    }
def test_eavl(): 
  condition = "para == 5 and test_second(test_first) > 5"
  res = eval(condition, action) # 解释condition并根据action对应的动作执行
  print res
if __name__ == '_

登入後複製

exec
exec在Python中会忽略返回值，总是返回None， eval会返回执行代码或语句的返回值
exec和eval在执行代码时，除了返回值其他行为都相同
在传入字符串时，会使用compile(source, '', mode)编译字节码。 mode的取值为exec和eval

#!/usr/bin/env python
# -*- coding: utf-8 -*-
def test_first():
  print "hello"
def test_second():
  test_first()
  print "second"
def test_third():
  print "third"
action = {
    "test_second": test_second,
    "test_third": test_third
    }
def test_exec():
  exec "test_second" in action
if __name__ == '__main__':
  test_exec() # 无法看到执行结果

登入後複製

getattr
getattr(object, name[, default])返回对象的命名属性，属性名必须是字符串。如果字符串是对象的属性名之一，结果就是该属性的值。例如， getattr(x, ‘foobar') 等价于 x.foobar。如果属性名不存在，如果有默认值则返回默认值，否则触发 AttributeError 。

# 使用范例
class TestGetAttr(object):
  test = "test attribute"
  def say(self):
    print "test method"
def test_getattr():
  my_test = TestGetAttr()
  try:
    print getattr(my_test, "test")
  except AttributeError:
    print "Attribute Error!"
  try:
    getattr(my_test, "say")()
  except AttributeError: # 没有该属性, 且没有指定返回值的情况下
    print "Method Error!"
if __name__ == '__main__':
  test_getattr()
  
# 输出结果
test attribute
test method

登入後複製

命令行处理

def process_command_line(argv):
  """
  Return a 2-tuple: (settings object, args list).
  `argv` is a list of arguments, or `None` for ``sys.argv[1:]``.
  """
  if argv is None:
    argv = sys.argv[1:]
  # initialize the parser object:
  parser = optparse.OptionParser(
    formatter=optparse.TitledHelpFormatter(width=78),
    add_help_option=None)
  # define options here:
  parser.add_option(   # customized description; put --help last
    '-h', '--help', action='help',
    help='Show this help message and exit.')
  settings, args = parser.parse_args(argv)
  # check number of arguments, verify values, etc.:
  if args:
    parser.error('program takes no command-line arguments; '
           '"%s" ignored.' % (args,))
  # further process settings & args if necessary
  return settings, args
def main(argv=None):
  settings, args = process_command_line(argv)
  # application code here, like:
  # run(settings, args)
  return 0    # success
if __name__ == '__main__':
  status = main()
  sys.exit(status)

登入後複製

读写csv文件

# 从csv中读取文件, 基本和传统文件读取类似
import csv
with open('data.csv', 'rb') as f:
  reader = csv.reader(f)
  for row in reader:
    print row
# 向csv文件写入
import csv
with open( 'data.csv', 'wb') as f:
  writer = csv.writer(f)
  writer.writerow(['name', 'address', 'age']) # 单行写入
  data = [
      ( 'xiaoming ','china','10'),
      ( 'Lily', 'USA', '12')]
  writer.writerows(data) # 多行写入

登入後複製

各种时间形式转换
只发一张网上的图, 然后查文档就好了, 这个是记不住的

2015128155735251.jpg (739×549)

字符串格式化
一个非常好用, 很多人又不知道的功能：

>>> name = "andrew"
>>> "my name is {name}".format(name=name)
'my name is andrew'

登入後複製

本網站聲明

本文內容由網友自願投稿，版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容，請聯絡admin@php.cn

熱AI工具

熱工具

熱門話題

gmail信箱登陸入口在哪裡

7559

CakePHP 教程

1384

steam的賬戶名稱是什麼格式

win11激活密鑰永久

NYT連接提示和答案

Related knowledge

PHP和Python：代碼示例和比較 Apr 15, 2025 am 12:07 AM

PHP和Python各有優劣，選擇取決於項目需求和個人偏好。 1.PHP適合快速開發和維護大型Web應用。 2.Python在數據科學和機器學習領域佔據主導地位。

Python vs. JavaScript：社區，圖書館和資源 Apr 15, 2025 am 12:16 AM

Python和JavaScript在社區、庫和資源方面的對比各有優劣。 1)Python社區友好，適合初學者，但前端開發資源不如JavaScript豐富。 2)Python在數據科學和機器學習庫方面強大，JavaScript則在前端開發庫和框架上更勝一籌。 3)兩者的學習資源都豐富，但Python適合從官方文檔開始，JavaScript則以MDNWebDocs為佳。選擇應基於項目需求和個人興趣。

CentOS上PyTorch的GPU支持情況如何 Apr 14, 2025 pm 06:48 PM

在CentOS系統上啟用PyTorchGPU加速，需要安裝CUDA、cuDNN以及PyTorch的GPU版本。以下步驟將引導您完成這一過程：CUDA和cuDNN安裝確定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA顯卡支持的CUDA版本。例如，您的MX450顯卡可能支持CUDA11.1或更高版本。下載並安裝CUDAToolkit:訪問NVIDIACUDAToolkit官網，根據您顯卡支持的最高CUDA版本下載並安裝相應的版本。安裝cuDNN庫:前

docker原理詳解 Apr 14, 2025 pm 11:57 PM

Docker利用Linux內核特性，提供高效、隔離的應用運行環境。其工作原理如下：1. 鏡像作為只讀模板，包含運行應用所需的一切；2. 聯合文件系統（UnionFS）層疊多個文件系統，只存儲差異部分，節省空間並加快速度；3. 守護進程管理鏡像和容器，客戶端用於交互；4. Namespaces和cgroups實現容器隔離和資源限制；5. 多種網絡模式支持容器互聯。理解這些核心概念，才能更好地利用Docker。

minio安裝centos兼容性 Apr 14, 2025 pm 05:45 PM

MinIO對象存儲：CentOS系統下的高性能部署MinIO是一款基於Go語言開發的高性能、分佈式對象存儲系統，與AmazonS3兼容。它支持多種客戶端語言，包括Java、Python、JavaScript和Go。本文將簡要介紹MinIO在CentOS系統上的安裝和兼容性。 CentOS版本兼容性MinIO已在多個CentOS版本上得到驗證，包括但不限於：CentOS7.9:提供完整的安裝指南，涵蓋集群配置、環境準備、配置文件設置、磁盤分區以及MinI

CentOS上PyTorch的分佈式訓練如何操作 Apr 14, 2025 pm 06:36 PM

在CentOS系統上進行PyTorch分佈式訓練，需要按照以下步驟操作：PyTorch安裝:前提是CentOS系統已安裝Python和pip。根據您的CUDA版本，從PyTorch官網獲取合適的安裝命令。對於僅需CPU的訓練，可以使用以下命令：pipinstalltorchtorchvisiontorchaudio如需GPU支持，請確保已安裝對應版本的CUDA和cuDNN，並使用相應的PyTorch版本進行安裝。分佈式環境配置:分佈式訓練通常需要多台機器或單機多GPU。所

CentOS上PyTorch版本怎麼選 Apr 14, 2025 pm 06:51 PM

在CentOS系統上安裝PyTorch，需要仔細選擇合適的版本，並考慮以下幾個關鍵因素：一、系統環境兼容性:操作系統:建議使用CentOS7或更高版本。 CUDA與cuDNN:PyTorch版本與CUDA版本密切相關。例如，PyTorch1.9.0需要CUDA11.1，而PyTorch2.0.1則需要CUDA11.3。 cuDNN版本也必須與CUDA版本匹配。選擇PyTorch版本前，務必確認已安裝兼容的CUDA和cuDNN版本。 Python版本:PyTorch官方支

vscode怎麼在終端運行程序 Apr 15, 2025 pm 06:42 PM

在 VS Code 中，可以通過以下步驟在終端運行程序：準備代碼和打開集成終端確保代碼目錄與終端工作目錄一致根據編程語言選擇運行命令（如 Python 的 python your_file_name.py）檢查是否成功運行並解決錯誤利用調試器提升調試效率

See all articles

一波神奇的Python语句、函数与方法的使用技巧总结

熱AI工具

Undresser.AI Undress

AI Clothes Remover

Undress AI Tool

Clothoff.io

AI Hentai Generator

熱門文章

熱工具

記事本++7.3.1

SublimeText3漢化版

禪工作室 13.0.1

Dreamweaver CS6

SublimeText3 Mac版

熱門話題