Python 使用和高性能技巧總結

1. 易混淆操作

本節對一些 Python 易混淆的操作進行對比。

1.1 有放回隨機採樣和無放回隨機採樣

import random
random.choices(seq, k=1)  # 長度爲k的list，有放回採樣
random.sample(seq, k)     # 長度爲k的list，無放回採樣

1.2 lambda 函數的參數

func = lambda y: x + y          # x的值在函數運行時被綁定
func = lambda y, x=x: x + y     # x的值在函數定義時被綁定

1.3 copy 和 deepcopy

import copy
y = copy.copy(x)      # 只複製最頂層
y = copy.deepcopy(x)  # 複製所有嵌套部分

複製和變量別名結合在一起時，容易混淆：

a = [1, 2, [3, 4]]

# Alias.
b_alias = a  
assert b_alias == a and b_alias is a

# Shallow copy.
b_shallow_copy = a[:]  
assert b_shallow_copy == a and b_shallow_copy is not a and b_shallow_copy[2] is a[2]

# Deep copy.
import copy
b_deep_copy = copy.deepcopy(a)  
assert b_deep_copy == a and b_deep_copy is not a and b_deep_copy[2] is not a[2]

對別名的修改會影響原變量，（淺）複製中的元素是原列表中元素的別名，而深層複製是遞歸的進行復制，對深層複製的修改不影響原變量。

1.4 == 和 is

x == y  # 兩引用對象是否有相同值
x is y  # 兩引用是否指向同一對象

1.5 判斷類型

type(a) == int      # 忽略面向對象設計中的多態特徵
isinstance(a, int)  # 考慮了面向對象設計中的多態特徵

1.6 字符串搜索

str.find(sub, start=None, end=None); str.rfind(...)     # 如果找不到返回-1
str.index(sub, start=None, end=None); str.rindex(...)   # 如果找不到拋出ValueError異常

1.7 List 後向索引

這個只是習慣問題，前向索引時下標從 0 開始，如果反向索引也想從 0 開始可以使用~。

print(a[-1], a[-2], a[-3])
print(a[~0], a[~1], a[~2])

2. C/C++ 用戶使用指南

不少 Python 的用戶是從以前 C/C++ 遷移過來的，這兩種語言在語法、代碼風格等方面有些不同，本節簡要進行介紹。

2.1 很大的數和很小的數

C/C++ 的習慣是定義一個很大的數字，Python 中有 inf 和 -inf：

a = float('inf')
b = float('-inf')

2.2 布爾值

C/C++ 的習慣是使用 0 和非 0 值表示 True 和 False， Python 建議直接使用 True 和 False 表示布爾值。

a = True
b = False

2.3 判斷爲空

C/C++ 對空指針判斷的習慣是 if (a) 和 if (!a)。Python 對於 None 的判斷是：

if x is None:
    pass

如果使用 if not x，則會將其他的對象（比如長度爲 0 的字符串、列表、元組、字典等）都會被當做 False。

2.4 交換值

C/C++ 的習慣是定義一個臨時變量，用來交換值。利用 Python 的 Tuple 操作，可以一步到位。

a, b = b, a

2.5 比較

C/C++ 的習慣是用兩個條件。利用 Python 可以一步到位。

if 0 < a < 5:
    pass

2.6 類成員的 Set 和 Get

C/C++ 的習慣是把類成員設爲 private，通過一系列的 Set 和 Get 函數存取其中的值。在 Python 中雖然也可以通過 @property、@setter、@deleter 設置對應的 Set 和 Get 函數，我們應避免不必要的抽象，這會比直接訪問慢 4 - 5 倍。

2.7 函數的輸入輸出參數

C/C++ 的習慣是把輸入輸出參數都列爲函數的參數，通過指針改變輸出參數的值，函數的返回值是執行狀態，函數調用方對返回值進行檢查，判斷是否成功執行。在 Python 中，不需要函數調用方進行返回值檢查，函數中遇到特殊情況，直接拋出一個異常。

2.8 讀文件

相比 C/C++，Python 讀文件要簡單很多，打開後的文件是一個可迭代對象，每次返回一行內容。

with open(file_path, 'rt', encoding='utf-8') as f:
   for line in f:
       print(line)       # 末尾的\n會保留

2.9 文件路徑拼接

C/C++ 的習慣通常直接用 + 將路徑拼接，這很容易出錯，Python 中的 os.path.join 會自動根據操作系統不同補充路徑之間的 / 或 \ 分隔符：

import os
os.path.join('usr', 'lib', 'local')

2.10 解析命令行選項

雖然 Python 中也可以像 C/C++ 一樣使用 sys.argv 直接解析命令行選擇，但是使用 argparse 下的 ArgumentParser 工具更加方便，功能更加強大。

2.11 調用外部命令

雖然 Python 中也可以像 C/C++ 一樣使用 os.system 直接調用外部命令，但是使用 subprocess.check_output 可以自由選擇是否執行 Shell，也可以獲得外部命令執行結果。

import subprocess
# 如果外部命令返回值非0，則拋出subprocess.CalledProcessError異常
result = subprocess.check_output(['cmd', 'arg1', 'arg2']).decode('utf-8')  
# 同時收集標準輸出和標準錯誤
result = subprocess.check_output(['cmd', 'arg1', 'arg2'], stderr=subprocess.STDOUT).decode('utf-8')  
# 執行shell命令（管道、重定向等），可以使用shlex.quote()將參數雙引號引起來
result = subprocess.check_output('grep python | wc > out', shell=True).decode('utf-8')

2.12 不重複造輪子

不要重複造輪子，Python 稱爲 batteries included 即是指 Python 提供了許多常見問題的解決方案。

3. 常用工具

3.1 讀寫 CSV 文件

import csv
# 無header的讀寫
with open(name, 'rt', encoding='utf-8', newline='') as f:  # newline=''讓Python不將換行統一處理
    for row in csv.reader(f):
        print(row[0], row[1])  # CSV讀到的數據都是str類型
with open(name, mode='wt') as f:
    f_csv = csv.writer(f)
    f_csv.writerow(['symbol', 'change'])

# 有header的讀寫
with open(name, mode='rt', newline='') as f:
    for row in csv.DictReader(f):
        print(row['symbol'], row['change'])
with open(name, mode='wt') as f:
    header = ['symbol', 'change']
    f_csv = csv.DictWriter(f, header)
    f_csv.writeheader()
    f_csv.writerow({'symbol': xx, 'change': xx})

注意，當 CSV 文件過大時會報錯：_csv.Error: field larger than field limit (131072)，通過修改上限解決

import sys
csv.field_size_limit(sys.maxsize)

csv 還可以讀以 \t 分割的數據

f = csv.reader(f, delimiter='\t')

3.2 迭代器工具

itertools 中定義了很多迭代器工具，例如子序列工具：

import itertools
itertools.islice(iterable, start=None, stop, step=None)
# islice('ABCDEF', 2, None) -> C, D, E, F

itertools.filterfalse(predicate, iterable)         # 過濾掉predicate爲False的元素
# filterfalse(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6

itertools.takewhile(predicate, iterable)           # 當predicate爲False時停止迭代
# takewhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 1, 4

itertools.dropwhile(predicate, iterable)           # 當predicate爲False時開始迭代
# dropwhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6, 4, 1

itertools.compress(iterable, selectors)            # 根據selectors每個元素是True或False進行選擇
# compress('ABCDEF', [1, 0, 1, 0, 1, 1]) -> A, C, E, F

序列排序：

sorted(iterable, key=None, reverse=False)

itertools.groupby(iterable, key=None)              # 按值分組，iterable需要先被排序
# groupby(sorted([1, 4, 6, 4, 1])) -> (1, iter1), (4, iter4), (6, iter6)

itertools.permutations(iterable, r=None)           # 排列，返回值是Tuple
# permutations('ABCD', 2) -> AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC

itertools.combinations(iterable, r=None)           # 組合，返回值是Tuple
itertools.combinations_with_replacement(...)
# combinations('ABCD', 2) -> AB, AC, AD, BC, BD, CD

多個序列合併：

itertools.chain(*iterables)                        # 多個序列直接拼接
# chain('ABC', 'DEF') -> A, B, C, D, E, F

import heapq
heapq.merge(*iterables, key=None, reverse=False)   # 多個序列按順序拼接
# merge('ABF', 'CDE') -> A, B, C, D, E, F

zip(*iterables)                                    # 當最短的序列耗盡時停止，結果只能被消耗一次
itertools.zip_longest(*iterables, fillvalue=None)  # 當最長的序列耗盡時停止，結果只能被消耗一次

3.3 計數器

計數器可以統計一個可迭代對象中每個元素出現的次數。

import collections
# 創建
collections.Counter(iterable)

# 頻次
collections.Counter[key]                 # key出現頻次
# 返回n個出現頻次最高的元素和其對應出現頻次，如果n爲None，返回所有元素
collections.Counter.most_common(n=None)

# 插入/更新
collections.Counter.update(iterable)
counter1 + counter2; counter1 - counter2  # counter加減

# 檢查兩個字符串的組成元素是否相同
collections.Counter(list1) == collections.Counter(list2)

3.4 帶默認值的 Dict

當訪問不存在的 Key 時，defaultdict 會將其設置爲某個默認值。

import collections
collections.defaultdict(type)  # 當第一次訪問dict[key]時，會無參數調用type，給dict[key]提供一個初始值

3.5 有序 Dict

import collections
collections.OrderedDict(items=None)  # 迭代時保留原始插入順序

4. 高性能編程和調試

4.1 輸出錯誤和警告信息

向標準錯誤輸出信息

import sys
sys.stderr.write('')

輸出警告信息

import warnings
warnings.warn(message, category=UserWarning)  
# category的取值有DeprecationWarning, SyntaxWarning, RuntimeWarning, ResourceWarning, FutureWarning

控制警告消息的輸出

$ python -W all     # 輸出所有警告，等同於設置warnings.simplefilter('always')
$ python -W ignore  # 忽略所有警告，等同於設置warnings.simplefilter('ignore')
$ python -W error   # 將所有警告轉換爲異常，等同於設置warnings.simplefilter('error')

4.2 代碼中測試

有時爲了調試，我們想在代碼中加一些代碼，通常是一些 print 語句，可以寫爲：

# 在代碼中的debug部分
if __debug__:
    pass

一旦調試結束，通過在命令行執行 -O 選項，會忽略這部分代碼：

$ python -0 main.py

4.3 代碼風格檢查

使用 pylint 可以進行不少的代碼風格和語法檢查，能在運行之前發現一些錯誤

pylint main.py

4.4 代碼耗時

耗時測試

$ python -m cProfile main.py

測試某代碼塊耗時

# 代碼塊耗時定義
from contextlib import contextmanager
from time import perf_counter

@contextmanager
def timeblock(label):
    tic = perf_counter()
    try:
        yield
    finally:
        toc = perf_counter()
        print('%s : %s' % (label, toc - tic))

# 代碼塊耗時測試
with timeblock('counting'):
    pass

代碼耗時優化的一些原則

• 專注於優化產生性能瓶頸的地方，而不是全部代碼。

• 避免使用全局變量。局部變量的查找比全局變量更快，將全局變量的代碼定義在函數中運行通常會快 15%-30%。

• 避免使用. 訪問屬性。使用 from module import name 會更快，將頻繁訪問的類的成員變量 self.member 放入到一個局部變量中。

• 儘量使用內置數據結構。str, list, set, dict 等使用 C 實現，運行起來很快。

• 避免創建沒有必要的中間變量，和 copy.deepcopy()。

• 字符串拼接，例如 a + ':' + b + ':' + c 會創造大量無用的中間變量，':',join([a, b, c]) 效率會高不少。另外需要考慮字符串拼接是否必要，例如 print(':'.join([a, b, c])) 效率比 print(a, b, c, sep=':') 低。

5. Python 其他技巧

5.1 argmin 和 argmax

items = [2, 1, 3, 4]
argmin = min(range(len(items)), key=items.__getitem__)

argmax 同理。

5.2 轉置二維列表

A = [['a11', 'a12'], ['a21', 'a22'], ['a31', 'a32']]
A_transpose = list(zip(*A))  # list of tuple
A_transpose = list(list(col) for col in zip(*A))  # list of list

5.3 一維列表展開爲二維列表

A = [1, 2, 3, 4, 5, 6]

# Preferred.
list(zip(*[iter(A)] * 2))

作者：張皓

https://zhuanlan.zhihu.com/p/48293468

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/Z-m8Hq5NcNIu-d-Uy4sX9Q