python中open os.open以及os.fdopen的区别

总结:open等价于 os.open + os.fdopen

open()创建新的文件对象,
os.open()创建操作系统级文件描述符,
os.fdopen()从文件描述符中创建一个文件对象。

文件对象是包含文件描述符的Python类,使文件更方便,容易出错。它们提供了例如错误处理,缓冲,逐行读取,字符集转换,并在收集垃圾时关闭。

文件描述符是用于处理由操作系统内核直接提供的文件的低级功能。文件描述符是一个小整数,用于标识内核为每个进程保留的打开文件的表中的打开文件。许多系统调用接受文件描述符,但它们不方便使用,通常需要固定宽度的缓冲区,某些条件下的多次重试以及手动错误处理。

内置的open()取一个文件名并返回一个新的Python文件对象。这是大多数情况下您需要的。

os.open()获取文件名并返回一个新的文件描述符。该文件描述符可以传递给其他低级函数,如os.read()和os.write()或os.fdopen(),如下所述。编写依赖于与操作系统相关的API(例如使用O_EXCL标志来打开(2))的代码时,您只需要这样做。

os.fdopen()接受现有的文件描述符 – 通常由Unix系统调用(如pipe()或dup()生成),并在其周围生成一个Python文件对象。有效地,它将文件描述符转换为完整的文件对象,这在与C代码或仅与创建低级文件描述符的API进行接口时非常有用。

可以使用os.open()(创建文件描述符)和os.fdopen()(将其包装在文件对象中)来实现内置打开:

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
优化代码 def fault_classification_wrapper(vin, main_path, data_path, log_path, done_path): start_time = time.time() isc_path = os.path.join(done_path, vin, 'isc_cal_result', f'{vin}_report.xlsx') if not os.path.exists(isc_path): print('No isc detection input!') else: isc_input = isc_produce_alarm(isc_path, vin) ica_path = os.path.join(done_path, vin, 'ica_cal_result', f'ica_detection_alarm_{vin}.csv') if not os.path.exists(ica_path): print('No ica detection input!') else: ica_input = ica_produce_alarm(ica_path) soh_path = os.path.join(done_path, vin, 'SOH_cal_result', f'{vin}_sohAno.csv') if not os.path.exists(soh_path): print('No soh detection input!') else: soh_input = soh_produce_alarm(soh_path, vin) alarm_df = pd.concat([isc_input, ica_input, soh_input]) alarm_df.reset_index(drop=True, inplace=True) alarm_df['alarm_cell'] = alarm_df['alarm_cell'].apply(lambda _: str(_)) print(vin) module = AutoAnalysisMain(alarm_df, main_path, data_path, done_path) module.analysis_process() flags = os.O_WRONLY | os.O_CREAT modes = stat.S_IWUSR | stat.S_IRUSR with os.fdopen(os.open(os.path.join(log_path, 'log.txt'), flags, modes), 'w') as txt_file: for k, v in module.output.items(): txt_file.write(k + ':' + str(v)) txt_file.write('\n') for x, y in module.output_sub.items(): txt_file.write(x + ':' + str(y)) txt_file.write('\n\n') fc_result_path = os.path.join(done_path, vin, 'fc_result') if not os.path.exists(fc_result_path): os.makedirs(fc_result_path) pd.DataFrame(module.output).to_csv( os.path.join(fc_result_path, 'main_structure.csv')) df2 = pd.DataFrame() for subs in module.output_sub.keys(): sub_s = pd.Series(module.output_sub[subs]) df2 = df2.append(sub_s, ignore_index=True) df2.to_csv(os.path.join(fc_result_path, 'sub_structure.csv')) end_time = time.time() print("time cost of fault classification:", float(end_time - start_time) * 1000.0, "ms") return
05-28
Here are some suggestions to optimize the code: 1. Use list comprehension to simplify the code: ``` alarm_df = pd.concat([isc_input, ica_input, soh_input]).reset_index(drop=True) alarm_df['alarm_cell'] = alarm_df['alarm_cell'].apply(str) ``` 2. Use context manager to simplify file operation: ``` with open(os.path.join(log_path, 'log.txt'), 'w') as txt_file: for k, v in module.output.items(): txt_file.write(f"{k}:{v}\n") for x, y in module.output_sub.items(): txt_file.write(f"{x}:{y}\n\n") ``` 3. Use `Pathlib` to simplify path operation: ``` fc_result_path = Path(done_path) / vin / 'fc_result' fc_result_path.mkdir(parents=True, exist_ok=True) pd.DataFrame(module.output).to_csv(fc_result_path / 'main_structure.csv') pd.DataFrame(module.output_sub).to_csv(fc_result_path / 'sub_structure.csv') ``` 4. Use f-string to simplify string formatting: ``` print(f"time cost of fault classification: {(end_time - start_time) * 1000.0} ms") ``` Here's the optimized code: ``` def fault_classification_wrapper(vin, main_path, data_path, log_path, done_path): start_time = time.time() isc_path = Path(done_path) / vin / 'isc_cal_result' / f'{vin}_report.xlsx' if not isc_path.exists(): print('No isc detection input!') isc_input = pd.DataFrame() else: isc_input = isc_produce_alarm(isc_path, vin) ica_path = Path(done_path) / vin / 'ica_cal_result' / f'ica_detection_alarm_{vin}.csv' if not ica_path.exists(): print('No ica detection input!') ica_input = pd.DataFrame() else: ica_input = ica_produce_alarm(ica_path) soh_path = Path(done_path) / vin / 'SOH_cal_result' / f'{vin}_sohAno.csv' if not soh_path.exists(): print('No soh detection input!') soh_input = pd.DataFrame() else: soh_input = soh_produce_alarm(soh_path, vin) alarm_df = pd.concat([isc_input, ica_input, soh_input]).reset_index(drop=True) alarm_df['alarm_cell'] = alarm_df['alarm_cell'].apply(str) print(vin) module = AutoAnalysisMain(alarm_df, main_path, data_path, done_path) module.analysis_process() with open(Path(log_path) / 'log.txt', 'w') as txt_file: for k, v in module.output.items(): txt_file.write(f"{k}:{v}\n") for x, y in module.output_sub.items(): txt_file.write(f"{x}:{y}\n\n") fc_result_path = Path(done_path) / vin / 'fc_result' fc_result_path.mkdir(parents=True, exist_ok=True) pd.DataFrame(module.output).to_csv(fc_result_path / 'main_structure.csv') pd.DataFrame(module.output_sub).to_csv(fc_result_path / 'sub_structure.csv') end_time = time.time() print(f"time cost of fault classification: {(end_time - start_time) * 1000.0} ms") return ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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