時不時地，當我了解Python的新功能時，或者我發現其他一些人不知道該功能時，我會記下它。

在過去的幾周中，我最近了解或實現了一些有趣的功能-Stack Overflow。

這里有十個精巧的Python開發技巧，我敢肯定您從未見過。 快速瀏覽其中一些功能，以及每個功能的概要。

注意：代碼在此故事中顯示為圖像。 此外，您將在最后獲得GitHub Readme鏈接，以進一步進行實驗。

1. 如何在運行狀態下查看源代碼?

查看該函數的源代碼，我們通常使用IDE來完成。

例如，在PyCharm中，您可以使用Ctrl +鼠標輸入功能的源代碼。

如果沒有IDE怎么辦?

當我們想使用一個函數時，我們如何知道該函數需要接收哪些參數? 當我們在使用函數時遇到問題時，如何通過閱讀源代碼來解決問題?

目前，我們可以使用inspect而不是IDE來幫助您完成這些事情

inspect.getsource：返回對象源代碼的文本。

檢查模塊提供了幾個有用的功能，以幫助獲取有關活動對象的信息，例如模塊，類，方法，函數，回溯，框架對象和代碼對象。

此模塊提供的四種主要服務：

類型檢查， 獲取源代碼， 檢查類和功能 檢查解釋器堆棧。

2. 查看包路徑的最快方法

當使用import導入軟件包或模塊時，Python將在某些目錄中查找，并且這些目錄具有優先級順序，通常我們將使用sys.path進行查看。

有沒有更快的方法?

在這里我想介紹一種比上面更方便的方法，可以解決一行命令：

從輸出中，您可以發現此列的路徑將比sys.path(包含用戶環境的目錄)更完整。

3. 將嵌套的循環寫為一行

我們經常使用以下嵌套的循環代碼：

這里只有三個for循環，在實際編碼中，可能會有更多的層。

這樣的代碼可讀性很差，人們不想編寫它，并且有一種更好的編寫方法。

在這里，我介紹一種常用的編寫方法，該方法使用itertools庫實現更優雅和可讀的代碼。

4. 如何使用打印輸出日志

許多人喜歡使用打印來調試代碼并記錄程序的運行過程。

但是，打印只會將內容輸出到終端，而不能保留到日志文件中，這不利于故障排除。

如果您熱衷于使用打印來調試代碼(盡管這不是最佳實踐)，請記錄運行程序的過程，那么下面描述的打印用法可能對您有用。

在Python 3中將其打印為函數，因為它可以接收更多參數，所以函數本身變得更強大。

代碼如下所示：

5. 如何快速計算功能運行時間

計算一個函數的運行時間，你可以這樣

您會看到編寫了幾行代碼來計算函數的運行時間。

有沒有一種方法可以更方便地計算運行時間? 是的，使用稱為timeit的內置模塊。

只需一行代碼即可使用

結果如下：

6. 使用內置的緩存機制來提高效率

緩存是一種存儲定量數據以滿足后續采集需求的方法，旨在加快數據采集的速度。

數據生成過程可能需要諸如計算，正則化和遠程獲取之類的操作。 如果同一數據需要多次使用，則每次重新生成都將浪費時間。

因此，如果將通過諸如計算或遠程請求之類的操作獲得的數據進行緩存，則將加速后續的數據獲取需求。

為了達到這個要求，Python 3.2+為我們提供了一種易于實現的機制，而無需您編寫這樣的邏輯代碼。

該機制是在functool模塊的lru_cache裝飾器中實現的。

參數解釋：

maxsize：此函數調用最多可以緩存多少個結果，如果為None則沒有限制，設置為2的冪時，性能最佳 類型：如果為True，則將分別緩存不同參數類型的調用。

例如：

輸出如下，您可以看到第二個調用不執行函數主體，而是直接將結果返回到緩存中：

以下是經典的斐波那契數列，當您指定較大的n時，會有很多重復的計算

現在可以將第6點中介紹的timeit用于測試可以提高多少效率。

如果不使用lru_cache，則運行時間為31秒：

使用lru_cache后，運行速度過快，因此我將n的值從30調整為500，但是即使這樣，運行時間也只有0.0004秒。 速度的提高非常顯著。

7. 在程序退出之前執行代碼的提示

使用內置模塊atexit，您可以輕松注冊和退出功能。

無論您在哪里導致程序崩潰，它都會執行您已注冊的功能。 例子如下：

結果如下：

如果clean()函數具有參數，則可以在不使用修飾符的情況下調用atexit.register(clean_1，參數1，參數2，參數3 =" xxx")。

也許您還有其他方法可以處理這種需求，但是與不使用atexit相比，它更優雅，更方便，并且易于擴展。

但是使用atexit仍然有一些限制，例如：

如果程序被尚未處理的系統信號殺死，則注冊的功能將無法正常執行。 如果發生嚴重的Python內部錯誤，則無法正常執行您注冊的函數。 如果手動調用os._exit()，則無法正常執行注冊的功能。

8. 如何關閉異常關聯上下文?

當您處理異常時，由于處理不當或其他問題，當引發另一個異常時，拋出的異常還將攜帶原始異常信息。

再次閱讀它，您現在一定會理解。

像這樣。

您可以從輸出中看到兩條異常消息：

如果在異常處理程序或finally塊中引發異常，則默認情況下，異常機制將隱式工作，以將先前的異常附加為新異常的__context__屬性。

這是Python默認情況下啟用的自動關聯異常上下文。

如果要自己控制此上下文，則可以添加一個from關鍵字(from的限制是第二個表達式必須是另一個異常類或實例。)以指示哪個異常導致了您的新異常。

輸出如下

當然，您也可以使用with_traceback()方法設置異常的__context__屬性，這也可以在回溯中更好地顯示異常信息。

最后，是否要完全關閉這種自動關聯異常上下文的機制? 我們還能做什么?

可以使用引發…從無，從下面的示例，沒有原始異常

9. 實施類似延遲的呼叫

Golang中有一種延遲通話的機制。 關鍵字為defer，如下所示

myfunc的調用將在函數返回之前完成，即使您在函數的第一行上編寫了myfunc的調用，這也是延遲的調用。 輸出如下，

那么Python中有這種機制嗎?

當然有，但是沒有Golang這么簡單。

我們可以使用Python上下文管理器來達到這種效果

輸出如下

10. 如何流式讀取大文件

使用with…open…可以從文件中讀取數據，這是所有Python開發人員都非常熟悉的操作。

但是，如果使用不當，也會造成很大的麻煩。

例如，當您使用讀取功能時，Python會將文件內容一次全部加載到內存中。 如果文件具有10 GB或更多，則計算機將消耗的內存非常大。

對于此問題，您可能會考慮使用readline作為生成器來逐行返回。

但是，如果此文件的內容在一行中，則每行10 GB，您仍將一次讀取所有內容。

最優雅的解決方案是使用read方法指定一次只讀取固定大小的內容。 例如，在下面的代碼中，一次僅返回8kb。

上面的代碼在功能上沒有問題，但是代碼看起來還是有點腫。

使用部分函數和迭代函數，您可以像這樣優化代碼

總結一下

我們可以使用inspect在運行狀態下查看源代碼 如果嵌套循環，可以使用itertools.product 隨時間使用timeit模塊來計算功能或代碼段的運行時間 使用functool.lru_cache可以加快代碼速度。 旨在加快數據采集速度 使用atexit模塊注冊您的功能，以便在導致程序崩潰的任何地方，它將執行您已注冊的那些功能 通過將大文件分成固定大小的塊來讀取它