5年Python功力，总结了10个开发技巧( 二 ) _Python

这里我要介绍的是比上面两种都方便的多的方法，一行命令即可解决
[wangbm@localhost ~]$ python3 -m sitesys.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: '/home/wangbm/.local/lib/python3.7/site-packages' (exists)ENABLE_USER_SITE: True从输出你可以发现，这个列的路径会比 sys.path 更全，它包含了用户环境的目录。

文章插图

将嵌套 for 循环写成单行我们经常会如下这种嵌套的 for 循环代码
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)这里仅仅是三个 for 循环，在实际编码中，有可能会有更层。
这样的代码，可读性非常的差，很多人不想这么写，可又没有更好的写法。
这里介绍一种我常用的写法，使用 itertools 这个库来实现更优雅易读的代码。
from itertools import productlist1 = range(1,3)list2 = range(4,6)list3 = range(7,9)for item1,item2,item3 in product(list1, list2, list3):print(item1+item2+item3)输出如下
$ python demo.py1213131413141415

文章插图

如何使用 print 输出日志初学者喜欢使用 print 来调试代码，并记录程序运行过程。
但是 print 只会将内容输出到终端上，不能持久化到日志文件中，并不利于问题的排查。
如果你热衷于使用 print 来调试代码（虽然这并不是最佳做法），记录程序运行过程，那么下面介绍的这个 print 用法，可能会对你有用。
Python 3 中的 print 作为一个函数，由于可以接收更多的参数，所以功能变为更加强大，指定一些参数可以将 print 的内容输出到日志文件中
代码如下：
>>> with open('test.log', mode='w') as f:... print('hello, python', file=f, flush=True)>>> exit$ cat test.loghello, python

文章插图

如何快速计算函数运行时间计算一个函数的运行时间，你可能会这样子做
import timestart = time.time# run the functionend = time.timeprint(end-start)你看看你为了计算函数运行时间，写了几行代码了。
有没有一种方法可以更方便的计算这个运行时间呢？
有。
【5年Python功力，总结了10个开发技巧】有一个内置模块叫 timeit
使用它，只用一行代码即可
import timeimport timeitdef run_sleep(second):print(second)time.sleep(second)# 只用这一行print(timeit.timeit(lambda :run_sleep(2), number=5))运行结果如下
2222210.020059824

文章插图

利用自带的缓存机制提高效率缓存是一种将定量数据加以保存，以备迎合后续获取需求的处理方式，旨在加快数据获取的速度。
数据的生成过程可能需要经过计算，规整，远程获取等操作，如果是同一份数据需要多次使用，每次都重新生成会大大浪费时间。所以，如果将计算或者远程请求等操作获得的数据缓存下来，会加快后续的数据获取需求。
为了实现这个需求，Python 3.2 + 中给我们提供了一个机制，可以很方便的实现，而不需要你去写这样的逻辑代码。
这个机制实现于 functool 模块中的 lru_cache 装饰器。
@functools.lru_cache(maxsize=None, typed=False)参数解读：

maxsize：最多可以缓存多少个此函数的调用结果，如果为None，则无限制，设置为 2 的幂时，性能最佳
typed：若为 True，则不同参数类型的调用将分别缓存。

举个例子
from functools import lru_cache@lru_cache(None)def add(x, y):print("calculating: %s + %s" % (x, y))return x + yprint(add(1, 2))print(add(1, 2))print(add(2, 3))输出如下，可以看到第二次调用并没有真正的执行函数体，而是直接返回缓存里的结果
calculating: 1 + 233calculating: 2 + 35下面这个是经典的斐波那契数列，当你指定的 n 较大时，会存在大量的重复计算
def fib(n):if n < 2:return nreturn fib(n - 2) + fib(n - 1)第六点介绍的 timeit，现在可以用它来测试一下到底可以提高多少的效率。