python提高效率的程序,3 个提高 Python 开发效率的小工具

import numpy as np

matrix = np.array([[0, 1, 2],

[2, 4, 5]

])

print(matrix[1, 2])

print("Hello world from Sublime Text.")

点击Tools中的Build或者Ctrl+B运行程序，结果如下：

同样，在Windows系统中也可以这样设置，方便又使用。

至于Notepad++是否有相似的功能，还有待研究。

在Mac系统的iTerm2中支持查看图片

iTerm2是Mac系统很好用的终端工具，本文不过多介绍iTerm2，而是介绍如何直接在iTerm2中查看图片，这样可以方便我们在终端直接查看图片。

我们使用的工具为imgcat。

在iTerm2中新建shell脚本imgcat.sh，里面的内容可以参考网址：https://www.iterm2.com/utilities/imgcat，编辑完文件后保存，并用chmod u+x imgcat.sh赋予执行权限。

这样就可以直接查看图片了。什么，这么简单？对，就是这么简单！

  在笔者电脑上的效果如下：

Python中的typing模块介绍

typing模块是Python中提供类型支持的模块，它的主要作用为：类型检查，防止运行时出现参数和返回值类型不符合。

作为开发文档附加说明，方便使用者调用时传入和返回参数类型。

该模块加入后并不会影响程序的运行，不会报正式的错误，只有提醒。

简单来说，使用typing模块我们可以对参数的类型做注释并检查，它不会影响程序运行，而这是提醒。总所周知，在Python中调用函数或变量时，不需要对参数或变量进行类型说明，这样虽然方便程序编写，但不利于程序阅读，有了typing模块，可以增加程序的可阅读性，同时也能提升代码的可维护性和健壮性。

举个简单的例子，我们实现一个函数digits_sum，输入参数为字符串，比如"352"，输出该数字上的各个数位上的数字之和，比如10。有了typing模块，我们的代码如类似如下：from typing import *

# 创建函数

def digits_sum(num:str) -> int:

digits_arr = map(lambda x: int(x), num)

return sum(digits_arr)

# 测试

num = "352"

result = digits_sum(num=num)

print(result)

输出结果为10。对上面的程序做点说明，其中第一句中的from typing import *可以不必写，因为str,int都是Python内置的数据类型。函数声明为def digits_sum(num:str) -> int，括号内的num类型为str，箭头后的int表示函数的输出结果数据类型为int。

我们再给出一个例子。函数dict_multipy，输入为字典，如果key值对应的value的数据类型为float或者int型，则乘以2，否则跳过，那么输出也为字典。程序如下：from typing import Dict, Any

# 创建函数

def dict_multipy(d: Dict[str, Any]) -> Dict[str, float or int]:

new_dict = {}

for k, v in d.items():

if isinstance(v, (float, int)):

new_dict[k] = v * 2

return new_dict

# 测试

d = {"no": "100", "age": 12, "work_year": 3, "name": "JC"}

new_d = dict_multipy(d=d)

print(new_d)

输出结果为{'age': 24, 'work_year': 6}。在函数声明中，d为字典，其key值为str，val为任意类型(Any),输出为字典，key值为str，val值为float或者int。

当然，我们还可以在typing创建别名或者新的数据类型，以下就是一个例子。更多的使用方法可以参考typing模块的官方网址：https://docs.python.org/zh-cn/3.6/library/typing.html 。from typing import List

# 取List[float]别名为Vector

Vector = List[float]

def scale(scalar: float, vector: Vector) -> Vector:

return [scalar * num for num in vector]

new_vector = scale(2.0, [1.0, -4.2, 5.4])

本次分享到此结束，感谢大家阅读~

作者：jclian，喜欢算法，热爱分享