注意:本文方法仅限于调试安装时附带py源码的库,如sklearn。
引入
用sklearn中的sklearn.feature_extraction.text.TfidfTransformer来获取TF特征,但发现sklearn的计算结果与我手工计算结果不一样。虽然能在github上找到sklearn的源码。但不能动态调试,就无法直观的看到结果。
那么问题来了,我们怎么样才能动态调试Python的第三方库(比如sklearn)呢?怎么样才能看到第三方库中源码动态运行的中间结果?
假设我的代码如下:
# 原始语料,3个文本
strs_train =[
'God is love',
'OpenGL on the GPU is fast',
'Doctor David is PHD']
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer
# 先提取 Bags of words特征
count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(strs_train)
# 再基于Bags of words特征,变换为TF特征
tf_transformer = TfidfTransformer(use_idf=False).fit(X_train_counts)
X_train_tf = tf_transformer.transform(X_train_counts)
print(X_train_tf.todense())1
2
3
4
5
6
7
8
9
10
11
12
13
14
151
2
3
4
5
6
7
8
9
10
11
12
13
14
15
我怎么样才能看到函数sklearn.feature_extraction.text.TfidfTransformer.transform()计算的中间结果呢?
Python调试基础
Python自带了一个用于调试代码的模块pdb。它支持断点设置,单步调试,进入函数调试,查看代码片段,查看变量值,动态改变变量值。
下面两行代码就能给程序加断点:
import pdb
pdb.set_trace()1
21
2
加了断点,运行程序,当程序停下,就可以用下面几个命令,在SHELL中调试代码。
命令
含义
c
继续执行代码
n
下一步
r
执行代码,从当前函数返回
s
进入函数
b
下断点
调试Python第三方库
我们用pdb,就可以在第三方库中下断点,并进行调试。这里以调试sklearn中的sklearn.feature_extraction.text.TfidfTransformer为例,给出如下步骤。
(1)找到第三方库所在的位置
先利用如下Python代码找到sklearn源码位置。我的位置在C:\\Users\\biny\\Anaconda3\\lib\\site-packages\\sklearn。
import sklearn, os
path = os.path.dirname(sklearn.__file__)1
21
2
(2)删掉Python预编译的字节码
Python程序在运行时,为了提高运行速度,Python解释器先将.py代码编译为byte code(字节码),再有Python虚拟机来执行字节码。
下次再运行同一程序时,若.py代码没有改变,则省略将.py代码编译为字节码的步骤,直接运行上次已编译好的字节码。
这些字节码,会被存于__pycache__文件夹下,和.pyc文件。按照原理,这个步骤是不需要做的,不过删掉字节码在运行自己的程序,如果不会出现新的字节码文件,说明你的第三方库位置找错了。这样能方便我们发现错误。
(3)在第三方库源码中加断点
根据第三方库的位置,找到sklearn.feature_extraction.text.TfidfTransformer.transform()函数所在.py文件。并用pdb在函数开头加上断点(如下)。
def transform(self, X, copy=True):
import pdb
pdb.set_trace()
if hasattr(X, 'dtype') and np.issubdtype(X.dtype, np.float):
# preserve float family dtype
X = sp.csr_matrix(X, copy=copy)
else:
# convert counts or binary occurrences to floats
X = sp.csr_matrix(X, dtype=np.float64, copy=copy)1
2
3
4
5
6
7
8
9
101
2
3
4
5
6
7
8
9
10
(4)运行自己的程序
运行我的代码,停在第三方库中,就可以用pdb命令调试第三方代码了。
此时代码已经运行并进入第三方库中,停止在断点处:
C:\mine\tmp\debug_py_3rd_lib>python main.py
c:\users\biny\anaconda3\lib\site-packages\sklearn\feature_extraction\text.py(1018)transform()
-> if hasattr(X, ‘dtype’) and np.issubdtype(X.dtype, np.float):
(Pdb)
用n命令(next),让代码单步运行到关键点:
c:\users\biny\anaconda3\lib\site-packages\sklearn\feature_extraction\text.py(1042)transform()
-> if self.norm:
(Pdb) n
直接输入要查看的中间变量(X.data),停下的这行代码是即将执行的,我们可以看到执行前的变量值:
c:\users\biny\anaconda3\lib\site-packages\sklearn\feature_extraction\text.py(1043)transform()
-> X = normalize(X, norm=self.norm, copy=False)
(Pdb) X.data
array([ 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
继续执行代码(n命令),然后可以看到中间变量值被改变。也能看到这个改变是因为做了normalize。
(Pdb) n
c:\users\biny\anaconda3\lib\site-packages\sklearn\feature_extraction\text.py(1045)transform()
-> return X
(Pdb) X.data
array([ 0.57735027, 0.57735027, 0.57735027, 0.40824829, 0.40824829,
0.40824829, 0.40824829, 0.40824829, 0.40824829, 0.5 ,
0.5 , 0.5 , 0.5 ])
记住调试结束后,一定要在第三方源码中删掉pdb断点那两行代码!
参考