如何在運行狀態查看源代碼
查看函數的源代碼，我們通常會使用 IDE 來完成。
比如在 PyCharm 中，你可以 Ctrl +鼠標點擊進入函數的源代碼。
那如果沒有 IDE 呢？
當我們想使用一個函數時，如何知道這個函數需要接收哪些參數呢？
當我們在使用函數時出現問題的時候，如何通過閱讀源代碼來排查問題所在呢？
這時候，我們可以使用 inspect 來代替 IDE 幫助你完成這些事：
# demo.py
import inspect

def add(x, y):
return x + y

print
print(inspect.getsource(add))
運行結果如下：
$ python demo.py
===================
def add(x, y):
return x + y
如何關閉異常自動關聯上下文
當你在處理異常時，由於處理不當或者其他問題，再次拋出另一個異常時，往外拋出的異常也會攜帶原始的異常信息。
就像這樣子：
try:
print(1 / 0)
except Exception as exc:
raise RuntimeError("Something bad happened")
從輸出可以看到兩個異常信息：
Traceback (most recent call last):
File "demo.py", line 2, in <module>
print(1 / 0)
ZeroDivisionError: division by zero

During handling of the above exception, another exception occurred:

call last):
File "demo.py", line 4, in <module>
raise RuntimeError("Something bad happened")
RuntimeError: Something bad happened
如果在異常處理程序或 finally 塊中引發異常，默認情況下，異常機制會隱式工作會將先前的異常附加爲新異常的 __context__屬性。這就是 Python 默認開啓的自動關聯異常上下文。
如果你想自己控制這個上下文，可以加個 from 關鍵字（from 語法會有個限制，就是第二個表達式必須是另一個異常類或實例。）來表明你的新異常是直接由哪個異常引起的。
try:
print(1 / 0)
except Exception as exc:
raise RuntimeError("Something bad happened") from exc
輸出如下：
Traceback (most recent call last):
File "demo.py", line 2, in <module>
print(1 / 0)
ZeroDivisionError: division by zero

The above exception was the direct cause of the following exception:

call last):
File "demo.py", line 4, in <module>
raise RuntimeError("Something bad happened") from exc
RuntimeError: Something bad happened
當然，你也可以通過 with_traceback 方法爲異常設置上下文__context__屬性，這也能在 traceback 更好的顯示異常信息。
try:
print(1 / 0)
except Exception as exc:
raise RuntimeError("bad thing").with_traceback(exc)
最後，如果我想徹底關閉這個自動關聯異常上下文的機制？有什麼辦法呢？
可以使用 raise...from None，從下面的例子上看，已經沒有了原始異常。
$ cat demo.py
try:
print(1 / 0)
except Exception as exc:
raise RuntimeError("Something bad happened") from None
$
$ python demo.py
Traceback (most recent call last):
File "demo.py", line 4, in <module>
raise RuntimeError from None
RuntimeError: Something bad happened
(PythonCodingTime)
最快查看包搜索路徑的方式
當你使用 import 導入一個包或模塊時，Python 會去一些目錄下查找，而這些目錄是有優先級順序的，正常人會使用 sys.path 查看。
>>> import sys
>>> from pprint import pprint
>>> pprint(sys.path)
['',
'/usr/local/Python3.7/lib/python37.zip',
'/usr/local/Python3.7/lib/python3.7',
'/usr/local/Python3.7/lib/python3.7/lib-dynload',
'/home/wangbm/.local/lib/python3.7/site-packages',
'/usr/local/Python3.7/lib/python3.7/site-packages']
>>>
那有沒有更快的方式呢？
我這有一種連console 模式都不用進入的方法呢！
你可能會想到這種，但這本質上與上面並無區別：
[wangbm@localhost ~]$ python -c "print('\n'.join(__import__('sys').path))"

/usr/lib/python2.7/site-packages/pip-18.1-py2.7.egg
/usr/lib/python2.7/site-packages/redis-3.0.1-py2.7.egg
/usr/lib64/python27.zip
/usr/lib64/python2.7
/usr/lib64/python2.7/plat-linux2
/usr/lib64/python2.7/lib-tk
/usr/lib64/python2.7/lib-old
/usr/lib64/python2.7/lib-dynload
/home/wangbm/.local/lib/python2.7/site-packages
/usr/lib64/python2.7/site-packages
/usr/lib64/python2.7/site-packages/gtk-2.0
/usr/lib/python2.7/site-packages
這裏我要介紹的是比上面兩種都方便得多的方法，一行命令即可解決。
[wangbm@localhost ~]$ python3 -m site
sys.path = [
'/home/wangbm',
'/usr/local/Python3.7/lib/python37.zip',
'/usr/local/Python3.7/lib/python3.7',
'/usr/local/Python3.7/lib/python3.7/lib-dynload',
'/home/wangbm/.local/lib/python3.7/site-packages',
'/usr/local/Python3.7/lib/python3.7/site-packages',
]
USER_BASE: '/home/wangbm/.local' (exists)
USER_SITE: (exists)
ENABLE_USER_SITE: True
從輸出你可以發現，這個列的路徑會比 sys.path 更全，它包含了用戶環境的目錄。
將嵌套 for 循環寫成單行
我們經常會如下這種嵌套的 for 循環代碼：
list1 = range(1,3)
list2 = range(4,6)
list3 = range(7,9)
for item1 in list1:
for item2 in list2:
for item3 in list3:
print(item1+item2+item3)
這裏僅僅是三個 for 循環，在實際編碼中，有可能會有更層。
這樣的代碼，可讀性非常的差，很多人不想這麼寫，可又沒有更好的寫法。
這裏介紹一種我常用的寫法，使用 itertools 這個庫來實現更優雅易讀的代碼。
from itertools import product
list1 = range(1,3)
list2 = range(4,6)
list3 = range(7,9)
for item1,item2,item3 in product(list1, list2, list3):
print(item1+item2+item3)
輸出如下：
$ python demo.py
12
13
13
14
13
14
14
15
如何使用 print 輸出日誌
初學者喜歡使用 print 來調試代碼，並記錄程序運行過程。
但是 print 只會將內容輸出到終端上，不能持久化到日誌文件中，並不利於問題的排查。
如果你熱衷於使用 print 來調試代碼（雖然這並不是最佳做法），記錄程序運行過程，那麼下面介紹的這個 print 用法，可能會對你有用。
Python 3 中的 print 作爲一個函數，由於可以接收更多的參數，所以功能變爲更加強大，指定一些參數可以將 print 的內容輸出到日誌文件中。
代碼如下：
>>> with open('test.log', mode='w') as f:
... print('hello, python', file=f, flush=True)
>>> exit

$ cat test.log
hello, python
如何快速計算函數運行時間
計算一個函數的運行時間，你可能會這樣子做：
你看看你爲了計算函數運行時間，寫了幾行代碼了。
有沒有一種方法可以更方便的計算這個運行時間呢？
有。
有一個內置模塊叫 timeit，使用它，只用一行代碼即可：
import time
import timeit

def run_sleep(second):
print(second)
time.sleep(second)

# 只用這一行
print(timeit.timeit(lambda :run_sleep(2), number=5))
運行結果如下：
2

2

2
10.020059824
利用自帶的緩存機制提高效率
緩存是一種將定量數據加以保存，以備迎合後續獲取需求的處理方式，旨在加快數據獲取的速度。
數據的生成過程可能需要經過計算，規整，遠程獲取等操作，如果是同一份數據需要多次使用，每次都重新生成會大大浪費時間。所以，如果將計算或者遠程請求等操作獲得的數據緩存下來，會加快後續的數據獲取需求。
爲了實現這個需求，Python 3.2 + 中給我們提供了一個機制，可以很方便的實現，而不需要你去寫這樣的邏輯代碼。
這個機制實現於 functool 模塊中的 lru_cache 裝飾器。
@functools.lru_cache(maxsize=None, typed=False)
參數解讀：

  • maxsize：最多可以緩存多少個此函數的調用結果，如果爲None，則無限制，設置爲 2 的冪時，性能最佳；
  • typed：若爲 True，則不同參數類型的調用將分別緩存。
舉個例子：
from functools import lru_cache

@lru_cache(None)
def add(x, y):
print("calculating: %s + %s" % (x, y))
return x + y

print(add(1, 2))
print(add(1, 2))
print(add(2, 3))
輸出如下，可以看到第二次調用並沒有真正的執行函數體，而是直接返回緩存裏的結果：
calculating: 1 + 2

3
calculating: 2 + 3
5
下面這個是經典的斐波那契數列，當你指定的 n 較大時，會存在大量的重複計算：
def fib(n):
if n < 2:
return n
return fib(n - 2) + fib(n - 1)
第六點介紹的 timeit，現在可以用它來測試一下到底可以提高多少的效率。
不使用 lru_cache 的情況下，運行時間 31 秒。
import timeit

def fib(n):
if n < 2:
return n
return fib(n - 2) + fib(n - 1)

print(timeit.timeit(lambda :fib(40), number=1))
# output: 31.2725698948
由於使用了 lru_cache 後，運行速度實在太快了，所以我將 n 值由 30 調到 500，可即使是這樣，運行時間也才 0.0004 秒。提高速度非常顯著。
import timeit
from functools import lru_cache

@lru_cache(None)
def fib(n):
if n < 2:
return n
return fib(n - 2) + fib(n - 1)

print(timeit.timeit(lambda :fib(500), number=1))
# output: 0.0004921059880871326
在程序退出前執行代碼的技巧
使用 atexit 這個內置模塊，可以很方便的註冊退出函數。
不管你在哪個地方導致程序崩潰，都會執行那些你註冊過的函數。
示例如下：
如果clean函數有參數，那麼你可以不用裝飾器，而是直接調用atexit.register(clean_1, 參數1, 參數2, 參數3='xxx')。
可能你有其他方法可以處理這種需求，但肯定比上不使用 atexit 來得優雅，來得方便，並且它很容易擴展。
但是使用atexit 仍然有一些侷限性，比如：
  • 如果程序是被你沒有處理過的系統信號殺死的，那麼註冊的函數無法正常執行。
  • 如果發生了嚴重的 Python 內部錯誤，你註冊的函數無法正常執行。
  • 如果你手動調用了os._exit，你註冊的函數無法正常執行。
實現類似 defer 的延遲調用
在 Golang 中有一種延遲調用的機制，關鍵字是 defer，例如下面的示例：
import "fmt"

func myfunc {
fmt.Println("B")
}

func main {
defer myfunc
fmt.Println("A")
}
輸出如下，myfunc 的調用會在函數返回前一步完成，即使你將 myfunc 的調用寫在函數的第一行，這就是延遲調用。
A
B
那麼在 Python 中否有這種機制呢？
當然也有，只不過並沒有 Golang 這種簡便。
在 Python 可以使用上下文管理器達到這種效果：
import contextlib

def callback:
print('B')

with contextlib.ExitStack as stack:
stack.callback(callback)
print('A')
輸出如下：
A
B
如何流式讀取數G超大文件
使用 with...open... 可以從一個文件中讀取數據，這是所有 Python 開發者都非常熟悉的操作。
但是如果你使用不當，也會帶來很大的麻煩。
比如當你使用了 read 函數，其實 Python 會將文件的內容一次性的全部載入內存中，如果文件有 10 個G甚至更多，那麼你的電腦就要消耗的內存非常巨大。
# 一次性讀取
with open("big_file.txt", "r") as fp:
content = fp.read
對於這個問題，你也許會想到使用 readline 去做一個生成器來逐行返回。
def read_from_file(filename):
with open(filename, "r") as fp:
yield fp.readline
可如果這個文件內容就一行呢，一行就 10個G，其實你還是會一次性讀取全部內容。
最優雅的解決方法是，在使用 read 方法時，指定每次只讀取固定大小的內容，比如下面的代碼中，每次只讀取 8kb 返回。
def read_from_file(filename, block_size = 1024 * 8):
with open(filename, "r") as fp:
while True:
chunk = fp.read(block_size)
if not chunk:
break

yield chunk
上面的代碼，功能上已經沒有問題了，但是代碼看起來代碼還是有些臃腫。
藉助偏函數和 iter 函數可以優化一下代碼：
你點的每個“在看”，我都認真當成了喜歡
相關文章