python 进阶_Python 进阶（一些进阶技巧）

个人笔记，基本都摘抄自 Python3 官方文档

一. 上下文管理

1. 传统的类方式

Java 使用 try 来自动管理资源，只要实现了 AutoCloseable 接口，就可以部分摆脱手动 colse 的地狱了。

而 Python，则是定义了两个 Protocol：__enter__ 和 __exit__. 下面是一个 open 的模拟实现：

class OpenContext(object):

def __init__(self, filename, mode): # 调用 open(filename, mode) 返回一个实例

self.fp = open(filename, mode)

def __enter__(self): # 用 with 管理 __init__ 返回的实例时，with 会自动调用这个方法

return self.fp

# 退出 with 代码块时，会自动调用这个方法。

def __exit__(self, exc_type, exc_value, traceback):

self.fp.close()

# 这里先构造了 OpenContext 实例，然后用 with 管理该实例

with OpenContext('/tmp/a', 'a') as f:

f.write('hello world')

这里唯一有点复杂的，就是 __exit__ 方法。和 Java 一样，__exit__ 相当于 try - catch - finally 的 finally 代码块，在发生异常时，它也会被调用。

当没有异常发生时，__exit__ 的三个参数 exc_type, exc_value, traceback 都为 None，而当发生异常时，它们就对应异常的详细信息。

发生异常时， __exit__ 的返回值将被用于决定是否向外层抛出该异常，返回 True 则抛出，返回 False 则抑制(swallow it)。

Note 1：Python 3.6 提供了 async with 异步上下文管理器，它的 Protocol 和同步的 with 完全类似，是 __aenter__ 和 __aexit__ 两个方法。

Note 2：与 Java 相同，with 支持同时管理多个资源，因此可以直接写 with open(x) as a, open(y) as b: 这样的形式。

2. contextlib

2.1 @contextlib.contextmanager

对于简单的 with 资源管理，编写一个类可能会显得比较繁琐，为此 contextlib 提供了一个方便的装饰器 @contextlib.contextmanager 用来简化代码。

使用它，上面的 OpenContext 可以改写成这样：

from contextlib import contextmanager

@contextmanager

def make_open_context(filename, mode):

fp = open(filename, mode)

try:

yield fp # 没错，这是一个生成器函数

finally:

fp.close()

with make_open_context('/tmp/a', 'a') as f:

f.write('hello world')

使用 contextmanager 装饰一个生成器函数，yield 之前的代码对应 __enter__，finally 代码块就对应 __exit__.

Note：同样，也有异步版本的装饰器 @contextlib.asynccontextmanager

2.2 contextlib.closing(thing)

用于将原本不支持 with 管理的资源，包装成一个 Context 对象。

from contextlib import closing

from urllib.request import urlopen

with closing(urlopen('http://www.python.org')) as page:

for line in page:

print(line)

# closing 等同于

from contextlib import contextmanager

@contextmanager

def closing(thing):

try:

yield thing

finally:

thing.close() # 就是添加了一个自动 close 的功能

2.3 contextlib.suppress(*exceptions)

使 with 管理器抑制代码块内任何被指定的异常：

from contextlib import suppress

with suppress(FileNotFoundError):

os.remove('somefile.tmp')

# 等同于

try:

os.remove('somefile.tmp')

except FileNotFoundError:

pass

2.4 contextlib.redirect_stdout(new_target)

将 with 代码块内的 stdout 重定向到指定的 target(可用于收集 stdout 的输出)

f = io.StringIO()

with redirect_stdout(f): # 将输出直接写入到 StringIO

help(pow)

s = f.getvalue()

# 或者直接写入到文件

with open('help.txt', 'w') as f:

with redirect_stdout(f):

help(pow)

redirect_stdout 函数返回的 Context 是可重入的( reentrant)，可以重复使用。

二、pathlib

提供了 OS 无关的文件路径抽象，可以完全替代 os.path 和 glob.

学会了 pathlib.Path，你就会了 Python 处理文件路径的所有功能。

1. 路径解析与拼接

from pathlib import Path

data_folder = Path("./source_data/text_files/")

data_file = data_folder / "raw_data.txt" # Path 重载了 / 操作符，路径拼接超级方便

# 路径的解析

data_file.parent # 获取父路径，这里的结果就是 data_folder

data_foler.parent # 会返回 Path("source_data")

data_file.parents[1] # 即获取到 data_file 的上上层目录，结果和上面一样是 Path("source_data")

data_file.parents[2] # 上上上层目录，Path(".")

dara_file.name # 文件名 "raw_data.txt"

dara_file.suffix # 文件的后缀(最末尾的)".txt"，还可用 suffixes 获取所有后缀

data_file.stem # 去除掉最末尾的后缀后(只去除一个)，剩下的文件名：raw_data

# 替换文件名或者文件后缀

data_file.with_name("test.txt") # 变成 .../test.txt

data_file.with_suffix(".pdf") # 变成 .../raw_data.pdf

# 当前路径与另一路径 的相对路径

data_file.relative_to(data_folder) # PosixPath('raw_data.txt')

2. 常用的路径操作函数

if not data_folder.exists():

data_folder.mkdir(parents=True) # 直接创建文件夹，如果父文件夹不存在，也自动创建

if not filename.exists(): # 文件是否存在

filename.touch() # 直接创建空文件，或者用 filename.open() 直接获取文件句柄

# 路径类型判断

if data_file.is_file(): # 是文件

print(data_file, "is a file")

elif data_file.is_dir(): # 是文件夹

for child in p.iterdir(): # 通过 Path.iterdir() 迭代文件夹中的内容

print(child)

# 路径解析

# 获取文件的绝对路径(符号链接也会被解析到真正的文件)

filename.resolve() # 在不区分大小写的系统上(Windows)，这个函数也会将大小写转换成实际的形式。

# 可以直接获取 Home 路径或者当前路径

Path.home() / "file.txt" # 有时需要以 home 为 base path 来构建文件路径

Path.cwd() / "file.txt" # 或者基于当前路径构建

还有很多其它的实用函数，可在使用中慢慢探索。

3. glob

pathlib 也提供了 glob 支持，也就是广泛用在路径匹配上的一种简化正则表达式。

data_file.match(glob_pattern) # 返回 True 或 False，表示文件路径与给出的 glob pattern 是否匹配

for py_file in data_folder.glob("*/*.py"): # 匹配当前路径下的子文件夹中的 py 文件，会返回一个可迭代对象

print(py_file)

# 反向匹配，相当于 glob 模式开头添加 "**/"

for py_file in data_folder.glob("**/*.py"): # 匹配当前路径下的所有 py 文件(所有子文件夹也会被搜索)，返回一个可迭代对象

print(py_file)

glob 中的 * 表示任意字符，而 ** 则表示任意层目录。(在大型文件树上使用 ** 速度会很慢！)

三、functools

functools 提供了几个有时很有用的函数和装饰器

1. @functools.wraps

这个装饰器用于使装饰器 copy 被装饰的对象的 __module__, __name__, __qualname__, __annotations__ and __doc__ 属性，这样装饰器就显得更加透明。

from functools import wraps

def my_decorator(f):

@wraps(f)

def wrapper(*args, **kwds):

print('Calling decorated function')

return f(*args, **kwds)

return wrapper # 用了 wraps，wrapper 会复制 f 的各种文档属性

@my_decorator

def func(xx):

""" this is func's docstring"""

print("this is func~")

如果不用 wraps 的话，因为实际上返回的是 wrapper，被装饰对象的这些文档属性都会丢失。(比如 docstring)

因此在使用 wrapper 装饰器时，添加 @wraps() 装饰器是个好习惯。

2. functools.partial

这个感觉和高等数学的偏函数很像：比如函数 z = f(x, y) 有 x 和 y 两个变量，现在把 x 看作常数，就可以对 y 进行求导运算。

而 python 的 partial 也差不多，不过它不是把 x 看作常数，而是先给定 x 的值。用法如下：

from functools import partial

basetwo = partial(int, base=2) # 先给定 int 函数的 base 参数为 2

basetwo.__doc__ = 'Convert base 2 string to an int.' # 如果需要文档，可以添加 __doc__ 属性

basetwo('10010') # return 18

此外，还有个 partialmethod 函数，待了解

3. @functools.lru_cache(maxsize=128, typed=False)

如果某方法可能被频繁调用(使用相同的参数)，而且它的结果在一定时间内不会改变。可以用 lru_cache 装饰它，减少运算量或 IO 操作。

from functools import lru_cache

# 缓存最近的(least recently used，lru) 64 次参数不同的调用结果。

@lru_cache(maxsize=64)

def my_sum(x): # 后续的调用中，如果参数能匹配到缓存，就直接返回缓存结果

return sum(x)

比如用递归计算斐波那契数列，数值较低的参数会被频繁使用，于是可以用 lru_cache 来缓存它们。

或者爬取网页，可能会需要频繁爬取一个变化不快的网页，这时完全可以用 cache 缓存。

但是它不能控制缓存失效时间，因此不能用于 Web 系统的缓存。还是得自己写个简单的装饰器，把缓存存到 redis 里并设置 expires。或者直接用 Flask 或 Django 的 caching 插件。

4. @functools.singledispatch

单重派发，即根据函数的第一个参数的类型，来决定调用哪一个同名函数。

@singledispatch

def parse(arg): # 首先定义一个默认函数

print('没有合适的类型被调用') # 如果参数类型没有匹配上，就调用这个默认函数

@parse.register(type(None)) # 第一个参数为 None

def _(arg):

print('出现 None 了')

@parse.register(int) # 第一个参数为整数

def _(arg):

print('这次输入的是整数')

@parse.register

def _(arg: list): # python3.7 开始，可以直接用类型注解来标注第一个参数的类型

print('这次输入的是列表')

画外：有单重派发，自然就有多重派发，Julia 语言就支持多重派发，即根据函数所有参数的类型，来决定调用哪一个同名函数。

Julia 语言根本没有类这个定义，类型的所有方法都是通过多重派发来定义的。

其他

@functools.total_ordering：用于自动生成比较函数。

functools.cmp_to_key(func)：用于将老式的比较函数，转换成新式的 key 函数。

四、operator

operator 模块包含四种类型的方法：

1. operator.itemgetter

经常被用于 sorted/max/mix/itertools.groupby 等

使用方法：

# itemgetter

f = itemgetter(2)

f(r) # return r[2]

# 还能一次获取多个值，像 numpy 那样索引

f2 = itemgetter(2,4,5)

f2(r) # return (r[2], r[4], r[5])

# 或者使用 slice 切片

s = itemgetter(slice(2, None))

s[r] # return r[2:]

# dict 索引也能用

d = itemgetter('rank', 'name')

d[r] # return d['rank'], d['name']

用途：

# 用于指定用于比较大小的属性

key = itemgetter(1)

sorted(iterable, key=key) # 使用 iterable[1] 对 iterable 进行排序

max(iterable, key=key) # 找出最大的元素，使用 iterable[1] 做比较

# 用于高级切片(比如像 numpy 那样的，指定只获取某几列)

s = itemgetter(1,3,4)

matrix = [[0,1,2,3,4], [1,2,3,4,5]]

map(s, matrix) # list 后得到 [(1, 3, 4), (2,4,5)]

2. operator.attrgetter

可用于动态获取对象的属性，与直接用 getattr() 不同的是，它可以嵌套访问属性。

# 嵌套访问属性

att = attrgetter("a.b.c")

att(obj) # return obj.a.b.c

# 和 itemgetter 一样，也可以一次获取多个属性

att = attrgetter("a.b.c", "x.y")

att(obj) # return (obj.a.b.c, obj.x.y)

# 不嵌套的话，用 getattr 就行

getattr(obj, "a") # return obj.a

这里可以回顾一下类的两个魔法函数：

__getattr__: 当被访问的属性不存在时，这个方法会被调用，它的返回值会成为对象的该属性。

用于动态生成实例的属性/函数

__getattribute__: 与 __getattr__ 唯一的差别在于，访问对象的任何属性，都会直接调用这个方法，不管属性存不存在。

3. operator.methodcaller

可用于调用函数，它和 attrgetter 很像，差别在于 attrgetter 只是返回指定的属性，而 methodcaller 会直接把指定的属性当成函数调用，然后返回结果。

举例

f = methodcaller('name', 'foo', bar=1)

f(b) # returns b.name('foo', bar=1)

4. 各种操作符对应的函数

operator.add、operator.sub、operator.mul、operator.div 等等，函数式编程有时需要用到。

五、itertools

itertools 提供了许多针对可迭代对象的实用函数

方法很多，基本不可能一次全记住。还是要用到时多查吧。大致记住有提供哪些功能，需要用到时能想起可以查这个模块就行。

1. 无限迭代器

count(start=0, step=1): 从 start 开始，每次迭代时，返回值都加一个 step

默认返回序列为 0 1 2 3...

cycle(iterable): 不断循环迭代 iterable

repeat(element, times=None): 默认永远返回 element。(如果 times 不为 None，就迭代 times 后结束)

2. 排列组合迭代器

product(p1, p2, ..., repeat=1)：p1, p2... 的元素的笛卡尔积，相当于多层 for 循环

repeat 指参数重复次数，比如

>>> from itertools import product

>>> r = product([1, 2], [3, 4], [5, 6]) # 重复一次，也就是 (p1, p2, p3) 的笛卡尔积

>>> pprint(list(r))

[(1, 3, 5),

(1, 3, 6),

(1, 4, 5),

(1, 4, 6),

(2, 3, 5),

(2, 3, 6),

(2, 4, 5),

(2, 4, 6)]

>>> r2 = product([1, 2], [3, 4], [5, 6], repeat=2) # 重复两次，即 (p1, p2, p3, p1, p2, p3) 的笛卡尔积

>>> pprint(list(r2))

[(1, 3, 5, 1, 3, 5),

(1, 3, 5, 1, 3, 6),

(1, 3, 5, 1, 4, 5),

(1, 3, 5, 1, 4, 6),

(1, 3, 5, 2, 3, 5),

...

permutations(p[, r])：p 中元素，长度为 r 的所有可能的排列。相当于 product 去重后的结果。

combinations(p, r)：既然有排列，当然就有组合了。

3. 其他

zip_longest(*iterables, fillvalue=None)：和 zip 的差别在于，缺失的元素它会用 fillvalue 补全，而不是直接结束。

takewhile()

dropwhile()

groupby()

等等等，用得到的时候再查了。。。

六、collections

提供了一些实用的高级数据结构(容器)

defaultdict：这个感觉是最常用的，可以给定 key 的默认值

Counter：方便、快速的计数器。常用于分类统计

deque：一个线程安全的双端队列

OrderedDict：有时候会需要有序字典

namedtuple：命名元组，有时用于参数传递。与 tuple 的差别是它提供了关键字参数和通过名字访问属性的功能

ChainMap：将多个 map 连接(chain)在一起，提供一个统一的视图。因为是视图，所以原来的 map 不会被影响。