Effective python（五）：内置模块

1，考虑使用contextlib和with语句改写可复用的try/finally代码

with lock:print('lock is held')相当于try:print('lock is held')，finally:lock.release，使用with可以避免繁琐的语句

开发者可以使用内置的contextlib模块的contextmanager修饰器来处理自己编写的对象和函数以支持with语句，这样做比标准写法更便捷，如果使用标准方式写，需要定义新类并提供__enter__和__exit__方法
from contextlib import contextmanager

#上下文管理器

@contextmanager

def test():

  print("初始化")

  #可以在这里开启资源，如log等级上升

  try:

    print("with开始")

    #如果有错误会通过yield弹出

    yield

  finally:

    print("离开时释放资源")

with test():

  print("go")

可以在yield处弹出一个对象，通过as指定为一个局部变量，在with内可以对其进行交互

2，使用copyreg实现可靠的pickle操作

python内置的pickle模块能将python对象转化为字节流，也能把字节反序列化为python对象，但pickle处理后的数据实际上就是一个程序，可能会混入恶意信息，对程序造成损坏，json产生的数据是一种安全的信息，只描述对象如何构成，不会造成额外风险，所以pickle处理的字节流不应该在未受信任的程序之间传播

例如定义一个GameState类，实例化为对象state=GameState()包含玩家的当前游戏状态，生命，金币等等，玩家退出游戏的时候，将state直接写到一份文件里，游戏加载时读取
with open(path,'wb') as f:

  pickle.dump(state,f)

with open(path,'rb') as f:

  state_after=pickle.load(f)

print(state_after.__dict__)

如果类新增加了一些属性，但保存的对象仍然是旧的，那就需要使用copyreg了，先将类添加一个__init__构造器，通过传参的方式初始化属性，然后使用如下代码注册函数，序列化和反序列化仍然按照原来的方式使用即可
def unpickle_game_state(kwargs):

  return GameState(**kwargs)#返回State实例化

def pickle_game_state(game_state):#参数为State对象

  kwargs=game_state.__dict__#获取其属性

  #序列化封装需要返回反序列化的函数和参数

  return unpickle_game_state,(kwargs,) 

copyreg.pickle(GameState,pickle_game_state)#注册pickle函数

使用版本号管理类，修改copyreg注册的pickle函数，在里面添加一个版本号的参数kwargs['version]=2，然后在反序列化函数中根据版本号对其进行操作，即可兼容版本

固定引入路径，若重构时，将类名修改或删除，那么反序列化的时候会出错，使用copyreg.pickle注册后，会自动指向unpickle函数，所以不用担心修改类名的问题，但如果没有使用copyreg注册，那么修改类名后反序列化就会报错

4，使用datetime模块处理本地时间而不是time模块

time模块，内置的time模块中有一个名叫localtime的函数，可以把UNIX时间戳(timestamp即UTC时刻距离UNIX计时原点的秒数)转换为宿主计算机时区的当地时间，这个模块不够稳定，只能转换主机时区的时间，其它地区会出错，应该尽量不用，而是使用datetime模块
from time import localtime,strftime,strptime,mktime

time_format='%Y-%m-%d %H:%M:%S'

time_str=strftime(time_format,localtime(1407694710))

#将时间戳转换为当地时间

print(time_str)

#将本地时间转化为UTC时间

#strptime解析时间字符串,mktime将本地时间转换为UNIX时间戳

print(mktime(strptime(strptime(time_str,time_format))))

datetime模块

from datetime import datetime,timezone

from time import mktime

#UTC时间转本地时间

now=datetime(2014,8,10,18,18,30)

now_utc=now.replace(tzinfo=timezone.utc)

#注意此处若想可靠的转换时区，还需要搭配pytz模块

now_local=now_utc.astimezone()#此处只包含UTC时区

print(now_local)

#本地时间转UTC格式时间戳

time_str='2014-08-10 11:18:30'

time_format='%Y-%m-%d %H:%M:%S'

now=datetime.strptime(time_str,time_format)

time_tuple=now.timetuple()

utc_now=mktime(time_tuple)

print(time_tuple)

若要在不同时区之间执行可靠的转换操作，还需要搭配pytz模块使用

5，内置的数据结构与算法 (开发者不应该自己去重新实现，因为很难把他们写好)

双向队列，collections模块中的deque类，从该队列头部与尾部插入或移除一个元素，只有O(1)的时间复杂度
d=deque()

d.append(1)

x=d.popleft()

有序字典，collections模块中的OrderedDict类，它能够按照键的插入顺序，保留键值对在字典中的次序。标准字典是无序的，也就是说，在相同键值对的两个字典上迭代可能出现不同的迭代顺序
a=OrderedDict()

a['x']=1

默认值字典，collections模块中的defaultdict类，本例中用int函数创建字典，默认值为0
stats=defaultdict()

stats['my_counter']+=1

堆队列（优先队列），heapq模块中的heappush、heappop和nsmallest等函数，能够在标准的list中创建堆结构，时间复杂度O(logn)，普通列表O(n)
a=[]

heappush(a,5)

heappush(a,3)

heappush(a,7)

heappush(a,4)

#总是能弹出优先级较高的元素，

#默认是越小元素优先级越高

print(heappop(a))

#即使调用sort后依然能保持堆结构

a.sort()

二分查找，bisect模块中的bisect_left函数，使用Index查找复杂度为O(n)，二分为O(logn)，注意：使用前列表应排好序，bisect搜索一百万个元素的列表，与index搜索包含14个元素的列表，所耗时间差不多
i_index = bisect_left(alist,number)

与迭代器有关的工具，itertools模块，可分为三大类

♦ 能够把迭代器连接起来的函数：

chain：将多个迭代器按顺序连成一个迭代器

cycle：无限重复某个迭代器中的各个元素

tee：把一个迭代器拆分成多个平行的迭代器

zip_longest：与内置的zip函数相似，可以应对不同长度的迭代器

♦ 能够从迭代器中过滤元素的函数：

islice：在不复制的前提下，根据索引值来切割迭代器获取迭代器的一部分

takewhile：在判定函数为True的时候，从迭代器逐个返回元素

dropwhile：从判定函数初次为False的地方开始，逐个返回迭代器中的元素

filterfalse：从迭代器中逐个返回能令判定函数为False的所有元素，效果与filter函数相反

♦ 能够把迭代器中的元素组合起来的函数：

product：根据迭代器中的元素计算笛卡尔积（就是x*y），并返回。可以使用product改写深度嵌套的列表推导操作

permutations：用迭代器中的元素构建长度为N的有序排列，例：permutations('ABCD',2) # AB AC AD BA BC BD CA CB CD DA DB DC

combination：用迭代器中的元素构建长度为N的无序组合，例：combinations('ABCD', 2) # AB AC AD BC BD CD

备注：如果发现自己需要编写一段非常麻烦的迭代程序，应该花些时间看看itertools的文档看看有没有现成的工具可以用

6，在重视精度的场合，使用decimal模块中的Decimal类，该类默认提供28个小数位，以进行定点数学运算，有需要可以把精度提的更高

dec=Decimal('1.45')在decimal之间进行计算会得到精确的结果,计算后的类型仍然是Decimal类型，print(dec)

Decimal类提供quantize内置函数，它可以按照精度和舍入方式精确的调整数值result=dec.quantize(Decimal('0.01'),rounding=ROUND_UP)，print(result)

若要使用精度不受限的方式表达有理数，那么可以考虑使用Fraction类，包含在内置的fractions模块里

7，学会使用pypi，Python中央仓库：https://pypi.python.org

如果碰到不熟悉的编程难题，应该去PyPI里看看别人的代码

pip3安装python3版本的软件包，pip安装python2版本的软件包

巴特西

Effective python（五）：内置模块

1，考虑使用contextlib和with语句改写可复用的try/finally代码

2，使用copyreg实现可靠的pickle操作

4，使用datetime模块处理本地时间而不是time模块

5，内置的数据结构与算法 (开发者不应该自己去重新实现，因为很难把他们写好)

6，在重视精度的场合，使用decimal模块中的Decimal类，该类默认提供28个小数位，以进行定点数学运算，有需要可以把精度提的更高

7，学会使用pypi，Python中央仓库：https://pypi.python.org

最新文章

热门文章