优雅地解决 Python 的日常问题

什么是优雅的代码，今天大邓与你一起学习优雅的 python 代码。本文内容根据PyCon2018(克利夫兰) Nina Zakharenko - Elegant Solutions For Everyday Python Problems - PyCon 2018 大会演讲视频整理而来。

python魔术方法-双下划线

其实我们平常使用的列表、字符串等数据类型的一些方法就用到了莫属方法，比如

a = 'edf'
b = 'ggg'
print(a+b)

这个字符串拼接操作，在字符串类的定义中使用了 __add__   这个魔法。现在我们定义Money类来表示不同的货币，并能计算汇率。

class Money:
    #这里我们以美元作为计价单位1，方便理解
    current_rates = {'$':1,
                     '￥':6}
    
    def __init__(self, symbol, amount):
        self.symbol = symbol
        self.amount = amount    
    def __str__(self):
        #用来将实例化显示出来
        return f'{self.symbol}{self.amount}'
    
    def convert(self, other):
        #将rmb转化为美元计价
        new_amount = other.amount/self.current_rates[other.symbol]*self.current_rates[self.symbol]
        return Money(self.symbol, new_amount)
    
    
    dollar = Money('$', 5)rmb = Money('￥', 5)

print(dollar)
print(rmb)
print(rmb.convert(dollar))

运行结果

$5
￥5
￥5.0

现在我们想计算这个人持有的dollar和rmb一共值多少钱，这里就用到 加法__add__

class Money:
    current_rates = {'$':1,
                     '￥':6}
    
    def __init__(self, symbol, amount):
        self.symbol = symbol
        self.amount = amount    
    def __str__(self):
        return f'{self.symbol}{self.amount}'
    
    def convert(self, other):
        #汇率换算
        new_amount = other.amount/self.current_rates[other.symbol]*self.current_rates[self.symbol]
        return Money(self.symbol, new_amount)
    
    def __add__(self, other):
        #将两种不同的货币进行总价值计算
        new_amount = self.amount + self.convert(other).amount        return Money(self.symbol, new_amount)
        
    dollar = Money('$', 5)rmb = Money('￥', 5)

print(dollar)
print(rmb)
print(dollar+rmb)
print(rmb+dollar)

运行结果

$5
￥5
$5.833333333333333
￥35.0

此外还有 __getitem__ 、__len__   等更多的魔术方法，比如

class SquareShape:
    def __len__(self):
        #返回正方向的边数
        return 4
    my_square = SquareShape()

len(my_square)

运行结果

可迭代类

• 为了创建可迭代的（iterable）数据类型，定义时需要用到 __iter__()

• __iter__()   必须返回迭代器iterator

• 为了让数据是迭代器iterator，必须使用 __next__() , 当迭代器中没有更多的元素可供迭代，此时raise   StopIteration ，iterator不再进行迭代。

比如我们在这里定义一个可迭代数据类型IterableServer

class IterableServer:
    services = [{'protocol':'ftp', 'port':21},
                {'protocol':'ssh', 'port':22},
                {'protocol':'http', 'port':80}]
    
    def __init__(self):
        #初始化服务器索引位置为第一个
        self.current_index = 0
        
    def __iter__(self):
        #没有此方法，IterableServer就不能for循环迭代
        return self    
    def __next__(self):
        while self.current_index < len(self.services):
            service = self.services[self.current_index]
            self.current_index+=1
            return service['protocol'], service['port']
        raise StopIteration     
    #这是咱们平常使用的for循环
servers = IterableServer()
print(servers)
for s in servers:
    print(s)

运行结果

<__main__.IterableServer object at 0x1092ece10>
('ftp', 21)
('ssh', 22)
('http', 80)

< main .IterableServer object at 0x1092a5898>说明我们是迭代器对象，可以使用for循环，这个有点像列表。每次for循环，我们都要iter自己本身。所以比较消耗内存空间。

现在我们将IterableServer中的 iter 重新定义，使用yield，让IterableServer变成生成器，每次循环只迭代当前位置的元素，而不是将本身全部迭代。

class IterableServer2:
    services = [{'protocol':'ftp', 'port':21},
                {'protocol':'ssh', 'port':22},
                {'protocol':'http', 'port':80}]
    
    def __init__(self):
        #初始化服务器索引位置为第一个
        self.current_index = 0
        
    def __iter__(self):
        for service in self.services:
            yield service            
    def __next__(self):
        while self.current_index < len(self.services):
            service = self.services[self.current_index]
            self.current_index+=1
            return service['protocol'], service['port']
        raise StopIteration
        #这是咱们平常使用的for循环
servers2 = IterableServer2()
print(servers2)
for s in servers2:
    print(s)

运行结果

<__main__.IterableServer2 object at 0x1092ecc88>
{'protocol': 'ftp', 'port': 21}
{'protocol': 'ssh', 'port': 22}
{'protocol': 'http', 'port': 80}

检验下运行速度（时间）

def s1():
    servers = IterableServer()
    for s in servers:
        s    def s2():
    servers2 = IterableServer2()
    for s in servers2:
        s%timeit s1()

1.06 µs ± 48.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit s2()

996 ns ± 39.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

从上面的运行时间看，IterableServer2比IterableServer快，大家可以以此来理解同样的数据，使用列表与生成器的速度是不同的。

getattr(object, name, default)

举例这是我们正常的方法调用

class Dog:
    sound = 'Bark'
    def speak(self):
        print(self.sound +'!',self.sound+'!')

my_dog = Dog()
my_dog.speak()

运行结果

Bark! Bark!

使用getattr可以让我们通过使用字符串去调用实例中的方法

speak_method = getattr(my_dog, 'speak')
speak_method()

运行结果

Bark! Bark!

现在可能觉得区别不大，好像没必要学getattr。但是假设定义的类中有很多种方法，在某种情况下我们需要输入一个命令的名字，并执行这个方法，就用到getattr

class Operations:
    def say_hi(self, name):
        print('hello, ', name)
    def say_bye(self, name):
        print('Goodbye, ', name)
    def default(self, arg):
        print('Operations不存在这个方法')

operations = Operations()
getattr(operations, 'say_hi', operations.default)('David')

运行结果

hello,  David

getattr(operations, 'say_hiiii', operations.default)('David')

运行结果

Operations不存在这个方法

装饰器

装饰器可以用来让我们的代码更简洁美观，我们看一个例子。比如我们要举行一个会议，只让授权的人参加。

class User:
    def __init__(self, name, is_authenticated=False):
        self.name = name
        self.is_authenticated = is_authenticated    
    def __str__(self):
        return '<User {}>'.format(self.name)
        


user1 = User('david')
user2 = User('smith', True)
user3 = User('sam', True)
users = [user1, user2, user3]
for u in users:
    if u.is_authenticated == True:
        print(u,'已授权，可以参加会议')

运行结果

<User smith> 已授权，可以参加会议
<User sam> 已授权，可以参加会议

但是涉及到检验某人是否有权限部分的代码不美观简洁，

def check(func):
    def wrapper(user):
        if not user.is_authenticated:
            raise Exception('抱歉，{}先生您未注册会议，无权进入会场'.format(user.name))
        return func(user)
    return wrapper

@check
def display_authenticated_user(user):
    print(user.name, '有权进入会场')
    

user1 = User('david')
user2 = User('smith', True)
user3 = User('sam', True)
users = [user2, user3, user1]
for u in users:
    display_authenticated_user(u)

运行结果

smith 有权进入会场
sam 有权进入会场



---------------------------------------------------------------------------

Exception                                 Traceback (most recent call last)

<ipython-input-106-c6d3c0348559> in <module>()
     17 
     18 for u in users:
---> 19     display_authenticated_user(u)


<ipython-input-106-c6d3c0348559> in wrapper(user)
      2     def wrapper(user):
      3         if not user.is_authenticated:
----> 4             raise Exception('抱歉，{}先生您未注册会议，无权进入会场'.format(user.name))
      5         return func(user)
      6     return wrapper


Exception: 抱歉，david先生您未注册会议，无权进入会场

精选文章

五分钟带你了解随机森林

聊天机器人：十行代码让你秒变撩妹达人

100G 文本分析语料资源（免费下载）   

15个最好的数据科学领域Python库

使用Pandas更好的做数据科学

抓取8w技能交换公告信息

【 视频讲解】Scrapy递归抓取简书用户信息

美团商家信息采集神器

大邓强力推荐-jupyter notebook使用小技巧

10分钟理解深度学习中的~卷积~

深度学习之 图解LSTM

PyTorch实战: 使用卷积神经网络对照片进行分类

Pytorch实战：使用RNN网络对姓名进行分类

数据清洗 常用正则表达式大全

PySimpleGUI: 开发自己第一个软件

深度特征合成：自动生成机器学习中的特征

Python 3.7中dataclass的终极指南（一）

Python 3.7中dataclass的终极指南（二）

[计算消费者的偏好]推荐系统与协同过滤、奇异值分解

机器学习: 识别图片中的数字

应用PCA降维加速模型训练

如何从文本中提取特征信息？

使用sklearn做自然语言处理-1

使用sklearn做自然语言处理-2

机器学习|八大步骤解决90%的NLP问题      

Python圈中的符号计算库-Sympy

Python中处理日期时间库的使用方法  

用chardect库解决网页乱码问题