有哪些Python實(shí)用案例

本篇內(nèi)容主要講解“有哪些Python實(shí)用案例”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“有哪些Python實(shí)用案例”吧!

1. 整理字符串輸入

整理用戶輸入的問題在編程過程中極為常見。通常情況下，將字符轉(zhuǎn)換為小寫或大寫就夠了，有時(shí)你可以使用正則表達(dá)式模塊「Regex」完成這項(xiàng)工作。但是如果問題很復(fù)雜，可能有更好的方法來解決：

user_input = "This\nstring has\tsome whitespaces...\r\n"  character_map = {     ord('\n') : ' ',     ord('\t') : ' ',     ord('\r') : None } user_input.translate(character_map)  # This string has some whitespaces...

在本例中，你可以看到空格符「 n」和「 t」都被替換成了單個(gè)空格，「  r」都被刪掉了。這只是個(gè)很簡單的例子，我們可以更進(jìn)一步，使用「unicodedata」程序包生成大型重映射表，并使用其中的「combining()」進(jìn)行生成和映射，我們可以

2. 迭代器切片(Slice)

如果對(duì)迭代器進(jìn)行切片操作，會(huì)返回一個(gè)「TypeError」，提示生成器對(duì)象沒有下標(biāo)，但是我們可以用一個(gè)簡單的方案來解決這個(gè)問題：

import itertools   s = itertools.islice(range(50), 10, 20) for val in s:       ...

我們可以使用「itertools.islice」創(chuàng)建一個(gè)「islice」對(duì)象，該對(duì)象是一個(gè)迭代器，可以產(chǎn)生我們想要的項(xiàng)。但需要注意的是，該操作要使用切片之前的所有生成器項(xiàng)，以及「islice」對(duì)象中的所有項(xiàng)。

3. 跳過可迭代對(duì)象的開頭

有時(shí)你要處理一些以不需要的行(如注釋)開頭的文件。「itertools」再次提供了一種簡單的解決方案：

string_from_file = """   // Author: ...   // License: ...   //   // Date: ...   Actual content...   """  import itertools   for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split("   ")):       print(line)

這段代碼只打印初始注釋部分之后的內(nèi)容。如果我們只想舍棄可迭代對(duì)象的開頭部分(本示例中為開頭的注釋行)，而又不知道要這部分有多長時(shí)，這種方法就很有用了。

4. 只包含關(guān)鍵字參數(shù)的函數(shù) (kwargs)

當(dāng)我們使用下面的函數(shù)時(shí)，創(chuàng)建僅僅需要關(guān)鍵字參數(shù)作為輸入的函數(shù)來提供更清晰的函數(shù)定義，會(huì)很有幫助：

def test(*, a, b):       pass   test("value for a", "value for b")  # TypeError: test() takes 0 positional arguments...   test(a="value", b="value 2")  # Works...

如你所見，在關(guān)鍵字參數(shù)之前加上一個(gè)「*」就可以解決這個(gè)問題。如果我們將某些參數(shù)放在「*」參數(shù)之前，它們顯然是位置參數(shù)。

5. 創(chuàng)建支持「with」語句的對(duì)象

舉例而言，我們都知道如何使用「with」語句打開文件或獲取鎖，但是我們可以實(shí)現(xiàn)自己上下文表達(dá)式嗎?是的，我們可以使用「__enter__」和「__exit__」來實(shí)現(xiàn)上下文管理協(xié)議：

class Connection:       def __init__(self):           ...       def __enter__(self):           # Initialize connection...       def __exit__(self, type, value, traceback):           # Close connection...   with Connection() as c:       # __enter__() executes       ...       # conn.__exit__() executes

這是在 Python 中最常見的實(shí)現(xiàn)上下文管理的方法，但是還有更簡單的方法：

from contextlib import contextmanager   @contextmanager   def tag(name):       print(f"<{name}>")       yield       print(f"</{name}>")   with tag("h2"):       print("This is Title.")

上面這段代碼使用 contextmanager 的 manager 裝飾器實(shí)現(xiàn)了內(nèi)容管理協(xié)議。在進(jìn)入 with 塊時(shí) tag 函數(shù)的第一部分(在  yield 之前的部分)就已經(jīng)執(zhí)行了，然后 with 塊才被執(zhí)行，最后執(zhí)行 tag 函數(shù)的其余部分。

6. 用「slots」節(jié)省內(nèi)存

如果你曾經(jīng)編寫過一個(gè)創(chuàng)建了某種類的大量實(shí)例的程序，那么你可能已經(jīng)注意到，你的程序突然需要大量的內(nèi)存。那是因?yàn)?Python  使用字典來表示類實(shí)例的屬性，這使其速度很快，但內(nèi)存使用效率卻不是很高。通常情況下，這并不是一個(gè)嚴(yán)重的問題。但是，如果你的程序因此受到嚴(yán)重的影響，不妨試一下「__slots__」：

class Person:       __slots__ = ["first_name", "last_name", "phone"]       def __init__(self, first_name, last_name, phone):           self.first_name = first_name           self.last_name = last_name           self.phone = phone

當(dāng)我們定義了「__slots__」屬性時(shí)，Python  沒有使用字典來表示屬性，而是使用小的固定大小的數(shù)組，這大大減少了每個(gè)實(shí)例所需的內(nèi)存。使用「__slots__」也有一些缺點(diǎn)：我們不能聲明任何新的屬性，我們只能使用「__slots__」上現(xiàn)有的屬性。而且，帶有「__slots__」的類不能使用多重繼承。

7. 限制「CPU」和內(nèi)存使用量

如果不是想優(yōu)化程序?qū)?nèi)存或 CPU 的使用率，而是想直接將其限制為某個(gè)確定的數(shù)字，Python 也有一個(gè)對(duì)應(yīng)的庫可以做到：

import signal   import resource   import os   # To Limit CPU time   def time_exceeded(signo, frame):       print("CPU exceeded...")       raise SystemExit(1)   def set_max_runtime(seconds):       # Install the signal handler and set a resource limit       soft, hard = resource.getrlimit(resource.RLIMIT_CPU)       resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))       signal.signal(signal.SIGXCPU, time_exceeded)   # To limit memory usage   def set_max_memory(size):       soft, hard = resource.getrlimit(resource.RLIMIT_AS)       resource.setrlimit(resource.RLIMIT_AS, (size, hard))

我們可以看到，在上面的代碼片段中，同時(shí)包含設(shè)置最大 CPU 運(yùn)行時(shí)間和最大內(nèi)存使用限制的選項(xiàng)。在限制 CPU  的運(yùn)行時(shí)間時(shí)，我們首先獲得該特定資源(RLIMIT_CPU)的軟限制和硬限制，然后使用通過參數(shù)指定的秒數(shù)和先前檢索到的硬限制來進(jìn)行設(shè)置。最后，如果 CPU  的運(yùn)行時(shí)間超過了限制，我們將發(fā)出系統(tǒng)退出的信號(hào)。在內(nèi)存使用方面，我們?cè)俅螜z索軟限制和硬限制，并使用帶「size」參數(shù)的「setrlimit」和先前檢索到的硬限制來設(shè)置它。

8. 控制可以/不可以導(dǎo)入什么

有些語言有非常明顯的機(jī)制來導(dǎo)出成員(變量、方法、接口)，例如在 Golang 中只有以大寫字母開頭的成員被導(dǎo)出。然而，在 Python  中，所有成員都會(huì)被導(dǎo)出(除非我們使用了「__all__」)：

def foo():       pass   def bar():       pass   __all__ = ["bar"]

在上面這段代碼中，我們知道只有「bar」函數(shù)被導(dǎo)出了。同樣，我們可以讓「__all__」為空，這樣就不會(huì)導(dǎo)出任何東西，當(dāng)從這個(gè)模塊導(dǎo)入的時(shí)候，會(huì)造成「AttributeError」。

9. 實(shí)現(xiàn)比較運(yùn)算符的簡單方法

為一個(gè)類實(shí)現(xiàn)所有的比較運(yùn)算符(如 __lt__ , __le__ , __gt__ ,  __ge__)是很繁瑣的。有更簡單的方法可以做到這一點(diǎn)嗎?這種時(shí)候，「functools.total_ordering」就是一個(gè)很好的幫手：

from functools import total_ordering   @total_ordering   class Number:       def __init__(self, value):           self.value = value       def __lt__(self, other):           return self.value < other.value       def __eq__(self, other):           return self.value == other.value   print(Number(20) > Number(3))   print(Number(1) < Number(5))   print(Number(15) >= Number(15))   print(Number(10) <= Number(2))

這里的工作原理究竟是怎樣的呢?我們用「total_ordering」裝飾器簡化實(shí)現(xiàn)對(duì)類實(shí)例排序的過程。我們只需要定義__lt__和__eq__就可以了，它們是實(shí)現(xiàn)其余操作所需要的最小的操作集合(這里也體現(xiàn)了裝飾器的作用——為我們填補(bǔ)空白)。

到此，相信大家對(duì)“有哪些Python實(shí)用案例”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！