当我知道@class代替#import避免循环定义之后

转载请标明出处

欢迎交流

zltqzj@163.com

我是一个单线程妞~



很多刚开始学习iOS开发的同学可能在看别人的代码的时候会发现有部分#import操作写在m文件中,而h文件仅仅使用@class进行声明,不禁纳闷起来,为什么不直接把#import放到h文件中呢?

这是因为h文件在修改后,所有import该h文件的所有文件必须重 新build,因此,如果把#import写在h文件中,import该h文件的文件也就会产生不必要的编译,增加编译时间,特别是在项目文件多的情况 下。想象一下,如果只是修改一个h文件而导致上百个文件不必要的编译,那是一件多么让人纠结的事情。。。

对于@class只是告诉编译器有这个class,请不要报错或警告,因此不会给编译造成影响。

什么时候用@class这种方式声明比#import好呢?

stackoverflow上的高手们给了不少建议:

Randy Marsh:

When I develop, I have only three things in mind that never cause me any problems.

  • Import super classes
  • Import parent classes (when you have children and parents)
  • Import classes outside your project (like in frameworks and libraries)

For all other classes (subclasses and child classes in my project self), I declare them via forward-class.

 

Justin:

Simple answer: You #import or #include when there is a physical dependency. Otherwise, you use forward declarations (@class MONClass ,struct MONStruct , @protocol MONProtocol ).

Here are some common examples of physical dependence:

  • Any C or C++ value (a pointer or reference is not a physical dependency). If you have aCGPoint as an ivar or property, the compiler will need to see the declaration ofCGPoint .
  • Your superclass.
  • A method you use.
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
在看代码之前,首先需要明确一下需求和问题,这段代码的主要目的是读取大型CSV文件并使用多线程对每个数据块进行处理,最终将结果合并为一个DataFrame,同时还包括一个打开文件对话框。 优化建议如下: 1. 对于打开文件对话框,可以将其封装成一个函数,而不是放在类中,这样代码更加简洁,可读性更高。 2. 可以将MyThread类中的to_csv方法移除,因为该方法不符合类的定义,应该在主函数中调用。 3. 可以将读取CSV文件和创建线程的操作移动到一个函数中,这样代码结构更清晰。 4. 在处理每个DataFrame块的时候,可以使用apply方法来代替for循环,这样可以提高处理效率。 5. 可以使用ThreadPoolExecutor来管理线程池,这样可以更好地控制线程数目。 6. 可以在主函数中添加异常处理,以处理可能出现的错误情况。 修改后的代码如下: ```python import pandas as pd from tkinter import filedialog from tkinter import * from concurrent.futures import ThreadPoolExecutor class MyThread(threading.Thread): def __init__(self, df): threading.Thread.__init__(self) self.df = df def run(self): # 在这里对每个DataFrame块进行处理 result = self.df.apply(lambda x: x * 2) # 示例操作,可以根据实际需求进行修改 return result def open_file_dialog(): root = Tk() filename = filedialog.askopenfilename(filetypes=[("CSV Files", "*.csv")]) return filename def process_csv_file(filename): try: # 读取大文件,并使用mmap和chunksize进行处理 chunksize = 1000000 df_iterator = pd.read_csv(filename, chunksize=chunksize, mmap=True) # 创建线程池,并将每个DataFrame块分配给不同的线程进行处理 with ThreadPoolExecutor(max_workers=4) as executor: threads = [executor.submit(MyThread(df).run) for df in df_iterator] # 获取所有线程的处理结果 results = [thread.result() for thread in threads] # 将所有处理结果合并为一个DataFrame result = pd.concat(results) print(result) except Exception as e: print("Error:", e) if __name__ == "__main__": filename = open_file_dialog() if filename: process_csv_file(filename) ``` 需要注意的是,在上面的代码中,使用了apply方法来处理每个DataFrame块,这样可以避免使用for循环来遍历每行数据,提高处理效率。同时,使用了ThreadPoolExecutor来管理线程池,可以更好地控制线程数目,避免线程过多导致系统资源浪费。最后,在主函数中添加异常处理语句,以处理可能出现的错误情况,提高代码健壮性。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值