1、易混淆操作

　　本节对一些 Python 易混淆的操作进行对比。

　　1.1 有放回随机采样和无放回随机采样

　　1.2 lambda 函数的参数

　　1.3 copy 和 deepcopy

　　复制和变量别名结合在一起时，容易混淆：

　　对别名的修改会影响原变量，(浅)复制中的元素是原列表中元素的别名，而深层复制是递归的进行复制，对深层复制的修改不影响原变量。

　　2、常用工具

　　2.1 读写 CSV 文件

　　注意，当 CSV 文件过大时会报错：_csv.Error: field larger than field limit (131072)，通过修改上限解决

　　csv 还可以读以 \t 分割的数据

　　2.2 迭代器工具

　　itertools 中定义了很多迭代器工具，例如子序列工具：

　　序列排序：

　　多个序列合并：

　　2.3 计数器

　　计数器可以统计一个可迭代对象中每个元素出现的次数。

　　2.4 带默认值的 Dict

　　当访问不存在的 Key 时，defaultdict 会将其设置为某个默认值。

　　2.5 有序 Dict

　　3、高性能编程和调试

　　3.1 输出错误和警告信息

　　向标准错误输出信息

　　输出警告信息

　　控制警告消息的输出

　　3.2 代码中测试

　　有时为了调试，我们想在代码中加一些代码，通常是一些 print 语句，可以写为：

　　一旦调试结束，通过在命令行执行 -O 选项，会忽略这部分代码：

　　3.3 代码风格检查

　　使用 pylint 可以进行不少的代码风格和语法检查，能在运行之前发现一些错误

　　3.4 代码耗时

　　耗时测试

　　测试某代码块耗时

　　代码耗时优化的一些原则

　　专注于优化产生性能瓶颈的地方，而不是全部代码。

　　避免使用全局变量。局部变量的查找比全局变量更快，将全局变量的代码定义在函数中运行通常会快 15%-30%。

　　避免使用，访问属性。使用 from module import name 会更快，将频繁访问的类的成员变量 self.member 放入到一个局部变量中。

　　尽量使用内置数据结构。str, list, set, dict 等使用 C 实现，运行起来很快。

　　避免创建没有必要的中间变量，和 copy.deepcopy()。

　　字符串拼接，例如 a + ':' + b + ':' + c 会创造大量无用的中间变量，':',join([a, b, c]) 效率会高不少。另外需要考虑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。

上一篇

Python包的依赖管理，有解了！

下一篇

教你用Python绘制炫酷专业插图