用这10个小技巧加速Python编程-低调大师

用这10个小技巧加速Python编程

2020-08-17 672

1.负索引

人们喜欢使用序列，因为当我们知道元素的顺序，我们就可以按顺序操作这些元素。在Python中，字符串、元组和列表是最常见的序列数据类型。我们可以使用索引访问单个项目。与其他主流编程语言一样，Python支持基于0的索引，在该索引中，我们在一对方括号内使用零访问第一个元素。此外，我们还可以使用切片对象来检索序列的特定元素，如下面的代码示例所示。

>>> # Positive Indexing... numbers = [1, 2, 3, 4, 5, 6, 7, 8]... print("First Number:", numbers[0])... print("First Four Numbers:", numbers[:4])... print("Odd Numbers:", numbers[::2])...First Number: 1First Four Numbers: [1, 2, 3, 4]Odd Numbers: [1, 3, 5, 7]

但是，Python通过支持负索引而进一步走了一步。具体来说，我们可以使用-1来引用序列中的最后一个元素，并向后计数。例如，最后一个元素的索引为-2，依此类推。重要的是，负索引也可以与切片对象中的正索引一起使用。

>>> # Negative Indexing... data_shape = (100, 50, 4)... names = ["John", "Aaron", "Mike", "Danny"]... hello = "Hello World!"...... print(data_shape[-1])... print(names[-3:-1])... print(hello[1:-1:2])...4['Aaron', 'Mike']el ol

2.检查容器是否为空

容器是指可以存储其他数据的那些容器数据类型。一些经常使用的内置容器是元组，列表，字典和集合。在处理这些容器时，我们经常需要在执行其他操作之前检查它们是否包含任何元素。确实，我们可以检查这些容器的长度，该长度与已存储项目的数量相对应。当长度为零时，容器为空。下面显示了一个简单的示例。

if len(some_list) > 0:    # do something here when the list is not emptyelse:    # do something else when the list is empty

但是，这不是最好的Pythonic方式。相反，我们可以简单地检查容器本身，它将在容器 True 包含元素时进行评估。尽管以下代码向您展示了主要的容器数据类型，但这种用法也可以应用于字符串（即，任何非空字符串都是 True ）。

>>> def check_container_empty(container):...     if container:...         print(f"{container} has elements.")...     else:...         print(f"{container} doesn't have elements.")...... check_container_empty([1, 2, 3])... check_container_empty(set())... check_container_empty({"zero": 0, "one": 1})... check_container_empty(tuple())...[1, 2, 3] has elements.set() doesn't have elements.{'zero': 0, 'one': 1} has elements.() doesn't have elements.

3.使用Split（）创建字符串列表

我们经常使用字符串作为特定对象的标识符。例如，我们可以使用字符串作为字典中的键。在数据科学项目中，字符串通常是数据的列名。选择多个列时，不可避免地需要创建一个字符串列表。确实，我们可以使用列表中的文字创建字符串。但是，我们必须编写成对的引号将每个字符串括起来，这对于“懒惰”的人来说有点繁琐。因此，我更喜欢利用字符串的 split() 方法来创建字符串列表，如下面的代码片段所示。

>>> # List of strings... # The typical way... columns = ['name', 'age', 'gender', 'address', 'account_type']... print("* Literals:", columns)...... # Do this instead... columns = 'name age gender address account_type'.split()... print("* Split with spaces:", columns)...... # If the strings contain spaces, you can use commas instead... columns = 'name, age, gender, address, account type'.split(', ')... print("* Split with commas:", columns)...* Literals: ['name', 'age', 'gender', 'address', 'account_type']* Split with spaces: ['name', 'age', 'gender', 'address', 'account_type']* Split with commas: ['name', 'age', 'gender', 'address', 'account type']

如上所示， split() 默认情况下，该方法使用空格作为分隔符，并根据字符串创建字符串列表。值得注意的是，当您创建包含某些包含空格的元素的字符串列表时，可以选择使用其他类型的分隔符（例如，逗号）。

这种用法受到一些内置功能的启发。例如，当你创建一个元组类，我们可以这样做： Student = namedtuple(“Student”, [“name”, “gender”, “age”]) 。字符串列表指定了元组的“属性”。但是，也可以通过以下方式定义该类来本地支持它： Student = namedtuple(“Student”, “name gender age”) 。对于另一个实例，创建一个Enum类支持相同的替代解决方案。

4.三元表达

在许多用例中，我们需要根据条件定义具有特定值的变量，并且我们可以简单地使用if ... else语句来检查条件。但是，它需要几行代码。如果仅处理一个变量的赋值，则可能需要使用三元表达式，该表达式检查条件并仅用一行代码即可完成赋值。此外，它的格式更短，从而使代码更加简洁。考虑以下示例。

# The typical wayif score > 90:    reward = "1000 dollars"else:    reward = "500 dollars"# Do this insteadreward = "1000 dollars" if score > 90 else "500 dollars"

有时，我们可以从已定义的函数中获取一些数据，并且可以利用这一点并编写三元表达式的简单操作，如下所示。

# Another possible scenario# You got a reward amount from somewhere else, but don't know if None/0 or notreward = reward_known or "500 dollars"# The above line of code is equivalent to belowreward = reward_known if reward_known else "500 dollars"

5.带文件对象的语句

我们经常需要从文件读取数据并将数据写入文件。最常见的方法是使用内置 open() 函数简单地打开文件，该函数会创建一个我们可以操作的文件对象。

>>> # Create a text file that has the text: Hello World!...... # Open the file and append some new data... text_file0 = open("hello_world.txt", "a")... text_file0.write("Hello Python!")...... # Open the file again for something else... text_file1 = open("hello_world.txt")... print(text_file1.read())...Hello World!

在前面的代码片段中，我们从一个文本文件开始，该文件的文本为“ Hello World！”。然后，我们将一些新数据附加到文件中。但是，过了一会儿，我们想再次处理该文件。当我们读取文本文件时，它仍然具有旧数据。换句话说，附加的文本不包括在文本文件中。

这是因为我们首先没有关闭文件对象。如果不关闭文件，则无法保存更改。确实，我们可以 close() 在文件对象上显式调用该方法。但是，我们可以使用“ with”语句执行此操作，该语句将自动为我们关闭文件对象，如下所示。完成对文件的操作后，我们可以通过访问文件对象的 closed 属性来验证文件已关闭。

>>> with open("hello_world.txt", "a") as file:...     file.write("Hello Python!")...... with open("hello_world.txt") as file:...     print(file.read())...... print("Is file close?", file.closed)...Hello World!Hello Python!Hello Python!Is file close? True

用更笼统的术语来说，with语句是在Python中使用上下文管理器的语法。上一个示例涉及文件操作，因为这些文件是共享资源，我们负责释放这些资源。上下文管理器可以帮助我们完成工作。如前所示，文件操作结束后，将使用with语句自动关闭文件。

6.评估多个条件

通常，我们需要评估多个条件。有几种可能的方案。对于数值，我们可以对同一变量进行多次比较。在这种情况下，我们可以链接这些比较。

# Multiple Comparisons# The typical wayif a < 4 and a > 1:    # do something here# Do this insteadif 1 < a < 4:    # do somerthing here

在其他一些情况下，我们可以进行多个相等比较，并且可以使用以下in关键字进行成员测试。

# The typical wayif b == "Mon" or b == "Wed" or b == "Fri" or b == "Sun":    # do something here# Do this instead, you can also specify a tuple ("Mon", "Wed", "Fri", "Sun")if b in "Mon Wed Fri Sun".split():    # do something here

另一种技术是使用内置的 all() 和 any()函数用于评估多个条件的功能。具体而言，该 all() 函数将评估何时迭代中的元素全部为 True ，因此该函数适合于替换一系列AND逻辑比较。另一方面，该 any() 函数的计算结果为True 当迭代中的任何元素为 True ，因此适合替换一系列OR逻辑运算。相关示例如下所示。

# The typical waysif a < 10 and b > 5 and c == 4:    # do somethingif a < 10 or b > 5 or c == 4:    # do something# Do these insteadif all([a < 10, b > 5, c == 4]):    # do somethingif any([a < 10, b > 5, c == 4]):    # do something

7.在函数声明中使用默认值

在几乎所有的Python项目中，大多数代码都涉及创建和调用函数。换句话说，我们不断处理函数声明和重构。在许多情况下，我们需要多次调用一个函数。根据不同的参数集，该功能将略有不同。但是，有时一组参数可能比其他一组更常用，在这种情况下，我们在声明函数时应考虑设置默认值。考虑下面的简单示例。

# The original form:def generate_plot(data, image_name):    """This function creates a scatter plot for the data"""    # create the plot based on the data    ...    if image_name:        # save the image        ...# In many cases, we don't need to save the imagegenerate_plot(data, None)# The one with a default valuedef generate_plot(data, image_name=None):    pass# Now, we can omit the second parametergenerate_plot(data)

要注意的一件事是，如果在设置默认值时要处理可变数据类型（例如列表，集合），请确保使用None而不是构造函数（例如arg_name = []）。由于Python在定义的位置创建函数对象，因此提供的空白列表将被函数对象“卡住”。换句话说，调用函数对象时不会立即创建它。相反，我们将在内存中处理相同的函数对象，包括其最初创建的默认可变对象，这可能会导致意外行为。

8.使用计数器进行元素计数

当我们在列表、元组或字符串中有多个项目时（例如，多个字符），我们经常想计算每项中有多少个元素。为此，可以为此功能编写一些乏味的代码。

>>> words = ['an', 'boy', 'girl', 'an', 'boy', 'dog', 'cat', 'Dog', 'CAT', 'an','GIRL', 'AN', 'dog', 'cat', 'cat', 'bag', 'BAG', 'BOY', 'boy', 'an']... unique_words = {x.lower() for x in set(words)}... for word in unique_words:...     print(f"* Count of {word}: {words.count(word)}")...* Count of cat: 3* Count of bag: 1* Count of boy: 3* Count of dog: 2* Count of an: 5* Count of girl: 1

如上所示，我们首先必须创建一个仅包含唯一单词的集合。然后，我们迭代单词集，并使用该 count() 方法找出每个单词的出现情况。但是，有一种更好的方法可以使用 Counter 类来完成此计数任务。

>>> from collections import Counter...... word_counter = Counter(x.lower() for x in words)... print("Word Counts:", word_counter)...Word Counts: Counter({'an': 5, 'boy': 4, 'cat': 4, 'dog': 3, 'girl': 2, 'bag': 2})

该计数器类是在 collections 模块中可用的。要使用该类，我们只需创建一个 generator：，x.lower() for x in words 每个项目都将被计数。如我们所见，Counter对象是类似dict的映射对象，每个键对应于单词列表的唯一项，而值是这些项的计数。

此外，如果我们有兴趣找出单词列表中最频繁出现的项目，我们可以利用Counter对象的 most_common() 方法。以下代码展示了这种用法。我们只需要指定一个整数（N），即可从列表中找出最频繁的N个项目。附带说明，该对象还将与其他序列数据一起使用，例如字符串和元组。

>>> # Find out the most common item... print("Most Frequent:", word_counter.most_common(1))Most Frequent: [('an', 5)]>>> # Find out the most common 2 items... print("Most Frequent:", word_counter.most_common(2))Most Frequent: [('an', 5), ('boy', 4)]

9.按不同的订单要求排序

在许多项目中，对列表中的项目进行排序是一项普遍的任务。最基本的排序基于数字或字母顺序，我们可以使用内置 sorted() 函数。默认情况下，该 sorted() 函数将按升序对列表进行排序（实际上，它可以是可迭代的）。如果将 reverse 参数指定为 True ，则可以按降序获得项目。一些简单的用法如下所示。

>>> # A list of numbers and strings... numbers = [1, 3, 7, 2, 5, 4]... words = ['yay', 'bill', 'zen', 'del']... # Sort them... print(sorted(numbers))... print(sorted(words))...[1, 2, 3, 4, 5, 7]['bill', 'del', 'yay', 'zen']>>> # Sort them in descending order... print(sorted(numbers, reverse=True))... print(sorted(words, reverse=True))...[7, 5, 4, 3, 2, 1]['zen', 'yay', 'del', 'bill']

除了这些基本用法外，我们还可以指定 key 参数，以便可以对复杂项进行排序，例如元组列表。考虑这种情况的以下示例。

>>> # Create a list of tuples... grades = [('John', 95), ('Aaron', 99), ('Zack', 97), ('Don', 92), ('Jennifer', 100), ('Abby', 94), ('Zoe', 99), ('Dee', 93)]>>> # Sort by the grades, descending... sorted(grades, key=lambda x: x[1], reverse=True)[('Jennifer', 100), ('Aaron', 99), ('Zoe', 99), ('Zack', 97), ('John', 95), ('Abby', 94), ('Dee', 93), ('Don', 92)]>>> # Sort by the name's initial letter, ascending... sorted(grades, key=lambda x: x[0][0])[('Aaron', 99), ('Abby', 94), ('Don', 92), ('Dee', 93), ('John', 95), ('Jennifer', 100), ('Zack', 97), ('Zoe', 99)]

上面的代码通过利用传递给 key 参数的lambda函数，向我们展示了两个高级排序的示例。第一个使用降序对项目进行排序，第二个使用默认的升序对项目进行排序。我们要结合这两个要求，如果考虑使用该 reverse 参数，则可能会得到一个错误的排序树，因为如果尝试按多个条件进行排序，则反向参数将适用于所有参数。请参见下面的代码段。

>>> # Requirement: sort by name initial ascending, and by grades, descending... # Both won't work... sorted(grades, key=lambda x: (x[0][0], x[1]), reverse=True)[('Zoe', 99), ('Zack', 97), ('Jennifer', 100), ('John', 95), ('Dee', 93), ('Don', 92), ('Aaron', 99), ('Abby', 94)]>>> sorted(grades, key=lambda x: (x[0][0], x[1]), reverse=False)[('Abby', 94), ('Aaron', 99), ('Don', 92), ('Dee', 93), ('John', 95), ('Jennifer', 100), ('Zack', 97), ('Zoe', 99)]>>> # This will do the trick... sorted(grades, key=lambda x: (x[0][0], -x[1]))[('Aaron', 99), ('Abby', 94), ('Dee', 93), ('Don', 92), ('Jennifer', 100), ('John', 95), ('Zoe', 99), ('Zack', 97)]

如您所见，通过将 reverse 参数设置为 True 或 False ，都无效。取而代之的是，技巧是取反分数，因此，当您按默认的升序排序时，由于这些值的取反，分数将反向排序。但是，此方法有一个警告，因为取反只能用于数字值，而不能用于字符串。

10.不要忘记defaultdict

字典是一种有效的数据类型，它使我们能够以键值对的形式存储数据。它要求所有键都是可哈希的，存储这些数据可能涉及哈希表的使用。这种方法允许以O(1)效率实现数据检索和插入。但是，应注意，除了内置的dict类型外，我们还有其他可用的字典。其中，我想讨论defaultdict类型。与内置dict类型不同，defaultdict允许我们设置默认工厂函数，该工厂函数在键不存在时创建元素。

>>> student = {'name': "John", 'age': 18}... student['gender']...Traceback (most recent call last):  File "<input>", line 2, in <module>KeyError: 'gender'

假设我们正在处理单词，并且想要将与列表相同的字符分组，并且这些列表与作为键的字符相关联。这是使用内置dict类型的幼稚实现。值得注意的是，检查dict对象是否具有 letter 键是至关重要的，因为如果键不存在，则调用该 append() 方法会引发 KeyError 异常。

>>> letters = ["a", "a", "c", "d", "d", "c", "a", "b"]... final_dict = {}... for letter in letters:...     if letter not in final_dict:...         final_dict[letter] = []...     final_dict[letter].append(letter)...... print("Final Dict:", final_dict)...Final Dict: {'a': ['a', 'a', 'a'], 'c': ['c', 'c'], 'd': ['d', 'd'], 'b': ['b']}

让我们看看如何使用defaultdict编写更简洁的代码。尽管该示例很简单，但是它只是为我们提供了有关defaultdict类的一些想法，这使我们不必处理字典对象中不存在的键。

>>> from collections import defaultdict...... final_defaultdict = defaultdict(list)... for letter in letters:...     final_defaultdict[letter].append(letter)...... print("Final Default Dict:", final_defaultdict)...Final Default Dict: defaultdict(<class 'list'>, {'a': ['a', 'a', 'a'], 'c': ['c', 'c'], 'd': ['d', 'd'], 'b': ['b']})

结论

在阅读本文之前，我们可能已经了解了一些技巧，但是希望仍然对这些技巧有所了解。在项目中实践这些惯用用法将使您的Python代码更具可读性和性能。

如果本文对小伙伴有帮助，希望可以在文末来个“一键三连”。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

本文分享自微信公众号 - 小白学视觉（NoobCV）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

微信关注我们

原文链接：https://my.oschina.net/u/4581492/blog/4499525

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

iOS Abort问题系统性解决方案

一、背景崩溃(Crash)，即闪退，多指移动设备（如iOS、Android设备）在打开/使用应用程序的过程中，突然出现意外退出/中断的情况。如果App线上版本频繁发生崩溃，会极大地影响用户体验，甚至导致用户流失，以及收益减少。因此，崩溃问题是客户端稳定性团队需要重点解决的问题。然而，对于所有崩溃场景，仅25%的崩溃可通过信号量捕获，实施相应改进；另有75%的崩溃则难以识别，从而对App的用户体验，造成了巨大的潜在影响。 Facebook的工程师将App退出分为以下6个类别：1.App内部主动调用exit()或abort()退出；2.App升级过程中，用户进程被杀死；3.系统升级过程中，用户进程被杀死；4.App在后台被杀死；5.App在前台被杀死，且可获取堆栈；6.App在前台被杀死，且无法获取堆栈。对于第1～4类退出，属于App的正常退出，对用户体验没有太大影响，无需进行相应处理；对于第5类退出，可通过堆栈代码级定位崩溃原因，对此业界已形成比较成熟的解决方案，推荐免费试用阿里云的崩溃分析服务，即可快速定位、解决此类崩溃问题；对于第6类退出，可能的原因很多，包括但不限于：系统内存...

2020-08-17

757

关注、星标嵌入式客栈，精彩及时送达 [导读] 前一篇文章，介绍了如何将一个hello word模块编译进内核或者编译为动态加载内核模块，本篇来介绍一下如何利用Linux驱动模型来完成一个LED灯设备驱动。点一个灯有什么好谈呢？况且Linux下有专门的leds驱动子系统。点灯有啥好聊呢？在很多嵌入式系统里，有可能需要实现数字开关量输出，比如： LED状态显示阀门/继电器控制蜂鸣器 ...... 嵌入式Linux一般需求千变万化，也不可能这些需求都有现成设备驱动代码可供使用，所以如何学会完成一个开关量输出设备的驱动，一方面点个灯可以比较快了解如何具体写一个字符类设备驱动，另一方面实际项目中对于开关量输出设备就可以这样干，所以是具有较强的实用价值的。要完成这样一个开关量输出GPIO的驱动程序，需要梳理梳理下面这些概念：设备编号设备挂载关键数据结构设备编号字符设备是通过文件系统内的设备名称进行访问的，其本质是设备文件系统树的节点。故Linux下设备也是一个文件，Linux下字符设备在/dev目录下。可以在开发板的控制台或者编译的主Linux系统中利用ls -l /dev...

2020-08-16

675

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。