Linux中國

3 個到今天仍然有用的 Python 3.2 特性

這是 Python 3.x 首發特性系列文章中的第三篇。其中一些 Python 版本已經推出了一段時間。例如,Python 3.2 是在 2011 年首次發布的,但其中引入的一些很酷、很有用的特性仍然沒有被使用。下面是其中的三個。

argparse 子命令

argparse 模塊首次出現在 Python 3.2 中。有許多用於命令行解析的第三方模塊。但是內置的 argparse 模塊比許多人認為的要強大。

要記錄所有的 argparse 的特性,那需要專門寫系列文章。下面是一個例子,說明如何用 argparse 做子命令。

想像一下,一個命令有兩個子命令:negate,需要一個參數,multiply,需要兩個參數:

$ computebot negate 5
-5
$ computebot multiply 2 3
6
import argparse

parser = argparse.ArgumentParser()
subparsers = parser.add_subparsers()

add_subparsers() 方法創建一個對象,你可以向其添加子命令。唯一需要記住的技巧是,你需要添加通過 set_defaults() 調用的子命令:

negate  = subparsers.add_parser("negate")
negate.set_defaults(subcommand="negate")
negate.add_argument("number", type=float)
multiply  = subparsers.add_parser("multiply")
multiply.set_defaults(subcommand="multiply")
multiply.add_argument("number1", type=float)
multiply.add_argument("number2", type=float)

我最喜歡的一個 argparse 功能是,因為它把解析和運行分開,測試解析邏輯特別令人愉快。

parser.parse_args(["negate", "5"])
    Namespace(number=5.0, subcommand='negate')
parser.parse_args(["multiply", "2", "3"])
    Namespace(number1=2.0, number2=3.0, subcommand='multiply')

contextlib.contextmanager

上下文是 Python 中一個強大的工具。雖然很多人 使用 它們,但編寫一個新的上下文常常看起來像一門黑暗藝術。有了 contextmanager 裝飾器,你所需要的只是一個一次性的生成器。

編寫一個列印出做某事所需時間的上下文,就像這樣簡單:

import contextlib, timeit

@contextlib.contextmanager
def timer():
    before = timeit.default_timer()
    try:
        yield
    finally:
        after = timeit.default_timer()
        print("took", after - before)

你可以這樣使用:

import time

with timer():
    time.sleep(10.5)
    took 10.511025413870811`

functools.lru_cache

有時,在內存中緩存一個函數的結果是有意義的。例如,想像一下經典的問題:「有多少種方法可以用 25 美分、1 美分、2 美分和 3 美分可以來換取 1 美元?」

這個問題的代碼可以說是非常簡單:

def change_for_a_dollar():
    def change_for(amount, coins):
        if amount == 0:
            return 1
        if amount < 0 or len(coins) == 0:
            return 0
        some_coin = next(iter(coins))
        return (
            change_for(amount, coins - set([some_coin]))
            +
            change_for(amount - some_coin, coins)
        )
    return change_for(100, frozenset([25, 10, 5, 1]))

在我的電腦上,這需要 13ms 左右:

with timer():
    change_for_a_dollar()
    took 0.013737603090703487`

事實證明,當你計算有多少種方法可以做一些事情,比如用 50 美分找錢,你會重複使用相同的硬幣。你可以使用 lru_cache 來避免重複計算。

import functools

def change_for_a_dollar():
    @functools.lru_cache
    def change_for(amount, coins):
        if amount == 0:
            return 1
        if amount < 0 or len(coins) == 0:
            return 0
        some_coin = next(iter(coins))
        return (
            change_for(amount, coins - set([some_coin]))
            +
            change_for(amount - some_coin, coins)
        )
    return change_for(100, frozenset([25, 10, 5, 1]))
with timer():
    change_for_a_dollar()
    took 0.004180959425866604`

一行的代價是三倍的改進。不錯。

歡迎來到 2011 年

儘管 Python 3.2 是在 10 年前發布的,但它的許多特性仍然很酷,而且沒有得到充分利用。如果你還沒使用,那麼將他們添加到你的工具箱中。

via: https://opensource.com/article/21/5/python-32

作者:Moshe Zadka 選題:lujun9972 譯者:geekpi 校對:wxy

本文由 LCTT 原創編譯,Linux中國 榮譽推出


本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive

對這篇文章感覺如何?

太棒了
0
不錯
0
愛死了
0
不太好
0
感覺很糟
0
雨落清風。心向陽

    You may also like

    Leave a reply

    您的電子郵箱地址不會被公開。 必填項已用 * 標註

    此站點使用Akismet來減少垃圾評論。了解我們如何處理您的評論數據

    More in:Linux中國