通过实例方法名字的字符串调用方法
有三个图形类 Circle,Triangle,Rectangle
他们都有一个获取图形面积的方法,但是方法名字不同,我们可以实现一个统一的获取面积的函数,使用每种方法名进行尝试,调用相应类的接口
class Triangle:
def __init__(self,a,b,c):
self.a,self.b,self.c = a,b,c
def get_area(self):
a,b,c = self.a,self.b,self.c
p = (a+b+c)/2
return (p * (p-a)*(p-b)*(p-c)) ** 0.5
class Rectangle:
def __init__(self,a,b):
self.a,self.b = a,b
def getArea(self):
return self.a * self.b
class Circle:
def __init__(self,r):
self.r = r
def area(self):
return self.r ** 2 * 3.14159
- getattr(x,“y”,None) --> 等同于 x.y 当x中不含有y时，返回None。
- map(func,iterable) --> 将iterable中的元素一一映射到func函数中处理，并且返回新的map对象。
垃圾回收机制
介绍
在Python程序运行的时候，会在内存中开辟一块空间，用于存放临时变量；当计算完成之后，就会将结果输出到永久性存储器中。如果数据量特别大，那内存空间管理不妥当的话就非常容易爆内存，程序可能直接终止。
在Python中，一切皆对象。所以，每一个变量，实际上都是对象的一个指针。所以，当这个对象的引用计数(指针数)为0的时候，说明它也变成了垃圾，需要被放到回收箱中。
OS模块
与操作系统交互的库
psutil模块
与系统交互的库，能够轻松实现获取系统运行的进程和系统利用率（包括CPU、内存、磁盘、网络等）信息。它主要用来做系统监控，性能分析，进程管理。
通过以下代码检测程序在运行时的内存消耗
import os
import psutil
def show_info(start):
pid = os.getpid()
p = psutil.Process(pid)
info = p.memory_full_info()
memory = info.uss/1024./1024
print(f"{start}一共占用{memory:.2f}MB")
def func():
show_info("initial")
a = [i for i in range(1000000)]
show_info("created")
func()
show_info("finished")
- 当a是局部变量时，在返回到函数调用处时，局部变量的引用会注销。这时，列表a所指代对象的引用数为0，Python便会执行垃圾回收,因此之前占用的内存被收回了。
- 当a是全局变量的时，即使函数体内代码执行完毕，返回到函数调用处时，对列表a的引用仍然是存在的，所以对象不会被垃圾回收，依然占有大量内存。
Python内部的引用计数机制
我们可以通过sys.getrefcount()这个函数，来了解Python内部的引用计数机制。
import sys
a = [1,2,3]
print(sys.getrefcount(a))
- getrefcount本身也会引入一次计数。
手动启动垃圾回收
如果我们可以手动删除完对象的引用，然后强制调用gc.collect()清除没有引用的对象，其实也就是手动的启动对象的回收。
循环引用
如果有两个对象，它们互相引用，并且不再被别的对象所引用，那么它们应该被垃圾回收吗？
import gc
def show_info(start):
pid = os.getpid()
p = psutil.Process(pid)
info = p.memory_full_info()
memory = info.uss/1024./1024
print(f"{start}一共占用{memory:.2f}MB")
def func():
show_info("initial")
a = [i for i in range(100000)]
b = [i for i in range(100000)]
show_info("after a,b created")
# 相互引用
a.append(b)
b.append(a)
func()
gc.collect()
show_info("finished")
总而言之，当双向引用的时候，引用计数虽然还在，但我们可以手动拉起回收，进行释放内存。所以，引用次数是垃圾回收的 充分非必要条件。
调试内存泄漏
在Python中通过引用计数和垃圾回收来管理内存，但是在一定情况下也会产生内存泄露
- 第一是对象被另一个生命周期特别长的对象所引用
- 第二是循环引用中的对象定义了__del__函数
objgraph，一个非常好用的可视化引用关系的包。在这个包中的 show_refs() ，它可以生成清晰的引用关系图。
import objgraph
a = [1,2,3]
b = [4,5,6]
a.append(b)
b.append(a)
objgraph.show_refs(a)
.dot文件转图片:https://onlineconvertfree.com/
用 pdb 进行代码调试
如何使用 pdb
首先，要启动 pdb 调试，我们只需要在程序中，加入 import pdb 和 pdb.set_trace() 这两行代码就行了
a = 1
b = 2
import pdb
pdb.set_trace()
c = 3
print(a + b + c)
这时，我们就可以执行，在 IDE 断点调试器中可以执行的一切操作，比如打印，语法是"p "：
(pdb) p a
1
(pdb) p b
2
除了打印，常见的操作还有“n”，表示继续执行代码到下一行
(pdb) n
-> print(a + b + c)
1-3Python垃圾回收及性能分析
今日安排
课程
时间：2020/06/19 20:00-22:00
老师：Amy
内容
• 实例方法名字的字符串调用方法
• 垃圾回收(上)
• 垃圾回收(下)
• 调试和性能分析
• 经典的参数错误
通过实例方法名字的字符串调用方法
我们有三个图形类 Circle,Triangle,Rectangle
他们都有一个获取图形面积的方法,但是方法名字不同,我们可以实现一个统一的获取面积的函数,使用每种方法名进行尝试,调用相应类的接口
class Triangle:
def init(self,a,b,c):
self.a,self.b,self.c = a,b,c
def get_area(self):
a,b,c = self.a,self.b,self.c
p = (a+b+c)/2
return (p * (p-a)*(p-b)*(p-c)) ** 0.5
class Rectangle:
def init(self,a,b):
self.a,self.b = a,b
def getArea(self):
return self.a * self.b
class Circle:
def init(self,r):
self.r = r
def area(self):
return self.r ** 2 * 3.14159
• getattr(x,“y”,None) --> 等同于 x.y 当x中不含有y时，返回None。
• map(func,iterable) --> 将iterable中的元素一一映射到func函数中处理，并且返回新的map对象。
垃圾回收机制
介绍
在Python程序运行的时候，会在内存中开辟一块空间，用于存放临时变量；当计算完成之后，就会将结果输出到永久性存储器中。如果数据量特别大，那内存空间管理不妥当的话就非常容易爆内存，程序可能直接终止。
在Python中，一切皆对象。所以，每一个变量，实际上都是对象的一个指针。所以，当这个对象的引用计数(指针数)为0的时候，说明它也变成了垃圾，需要被放到回收箱中。
OS模块
与操作系统交互的库
psutil模块
与系统交互的库，能够轻松实现获取系统运行的进程和系统利用率（包括CPU、内存、磁盘、网络等）信息。它主要用来做系统监控，性能分析，进程管理。
通过以下代码检测程序在运行时的内存消耗
import os
import psutil
def show_info(start):
pid = os.getpid()
p = psutil.Process(pid)
info = p.memory_full_info()
memory = info.uss/1024./1024
print(f"{start}一共占用{memory:.2f}MB")
def func():
show_info(“initial”)
a = [i for i in range(1000000)]
show_info(“created”)
func()
show_info(“finished”)
• 当a是局部变量时，在返回到函数调用处时，局部变量的引用会注销。这时，列表a所指代对象的引用数为0，Python便会执行垃圾回收,因此之前占用的内存被收回了。
• 当a是全局变量的时，即使函数体内代码执行完毕，返回到函数调用处时，对列表a的引用仍然是存在的，所以对象不会被垃圾回收，依然占有大量内存。
Python内部的引用计数机制
我们可以通过sys.getrefcount()这个函数，来了解Python内部的引用计数机制。
import sys
a = [1,2,3]
print(sys.getrefcount(a))
• getrefcount本身也会引入一次计数。
手动启动垃圾回收
如果我们可以手动删除完对象的引用，然后强制调用gc.collect()清除没有引用的对象，其实也就是手动的启动对象的回收。
循环引用
如果有两个对象，它们互相引用，并且不再被别的对象所引用，那么它们应该被垃圾回收吗？
import gc
def show_info(start):
pid = os.getpid()
p = psutil.Process(pid)
info = p.memory_full_info()
memory = info.uss/1024./1024
print(f"{start}一共占用{memory:.2f}MB")
def func():
show_info(“initial”)
a = [i for i in range(100000)]
b = [i for i in range(100000)]
show_info(“after a,b created”)
# 相互引用
a.append(b)
b.append(a)
func()
gc.collect()
show_info(“finished”)
总而言之，当双向引用的时候，引用计数虽然还在，但我们可以手动拉起回收，进行释放内存。所以，引用次数是垃圾回收的 充分非必要条件。
调试内存泄漏
在Python中通过引用计数和垃圾回收来管理内存，但是在一定情况下也会产生内存泄露
• 第一是对象被另一个生命周期特别长的对象所引用
• 第二是循环引用中的对象定义了__del__函数
objgraph，一个非常好用的可视化引用关系的包。在这个包中的 show_refs() ，它可以生成清晰的引用关系图。
import objgraph
a = [1,2,3]
b = [4,5,6]
a.append(b)
b.append(a)
objgraph.show_refs(a)
.dot文件转图片:https://onlineconvertfree.com/
用 pdb 进行代码调试
如何使用 pdb
首先，要启动 pdb 调试，我们只需要在程序中，加入 import pdb 和 pdb.set_trace() 这两行代码就行了
a = 1
b = 2
import pdb
pdb.set_trace()
c = 3
print(a + b + c)
这时，我们就可以执行，在 IDE 断点调试器中可以执行的一切操作，比如打印，语法是"p "：
(pdb) p a
1
(pdb) p b
2
除了打印，常见的操作还有“n”，表示继续执行代码到下一行
(pdb) n
-> print(a + b + c)
而命令l，则表示列举出当前代码行上下的 11 行源代码，方便开发者熟悉当前断点周围的代码状态
(pdb) l
1 a = 1
2 b = 2
3 import pdb
4 pdb.set_trace()
5 -> c = 3
6 print(a + b + c)
命令“s“，就是 step into 的意思，即进入相对应的代码内部。
当然，除了这些常用命令，还有许多其他的命令可以使用
参考对应的官方文档：https://docs.python.org/3/library/pdb.html#module-pdb）
用 cProfile 进行性能分析
了要对程序进行调试，性能分析也是每个开发者的必备技能。
日常工作中，我们常常会遇到这样的问题：在线上，我发现产品的某个功能模块效率低下，延迟高，占用的资源多，但却不知道是哪里出了问题。
这时，对代码进行 profile 就显得异常重要了。
这里所谓的 profile，是指对代码的每个部分进行动态的分析，比如准确计算出每个模块消耗的时间等。
计算斐波拉契数列，运用递归思想
def fib(n):
if n == 0:
return 0
elif n == 1:
return 1
else:
return fib(n-1) + fib(n-2)
def fib_seq(n):
res = []
if n > 0:
res.extend(fib_seq(n-1))
res.append(fib(n))
return res
fib_seq(30)
接下来，我想要测试一下这段代码总的效率以及各个部分的效率
import cProfile
cProfile.run('fib_seq(30)')
参数介绍：
- ncalls：函数被调用的次数。如果这一列有两个值，就表示有递归调用，第二个值是原生调用次数，第一个值是总调用次数。
- tottime：函数内部消耗的总时间。（可以帮助优化）
- percall：是tottime除以ncalls，一个函数每次调用平均消耗时间。
- cumtime：之前所有子函数消费时间的累计和。
- filename:lineno(function)：被分析函数所在文件名、行号、函数名。
经典的参数错误
def add(a,b):
a += b
return a
a = 1
b = 2
c = add(a,b)
print(c)
print(a,b)
a = [1,2]
b = [3,4]
c = add(a,b)
print(c)
print(a,b)
a = (1,2)
b = (3,4)
c = add(a,b)
print(c)
print(a,b)
注意：
- 列表为可变类型
li += 1 相当于改变li本身
li = li + 1 相当于li是两个变量 id不一致 返回的是 原本的li - 元组为不可变类型
tu += 1 也就是重新创建了一个tu变量 id不一致
2782
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
