版权声明:本文为博主原创文章,转载请注明作者和出处。https://blog.csdn.net/xq920831/article/details/82413894
开始今天的内容!
插一句函数式编程,很好理解,给一个例子:
result = subtract(multiply(add(1,2), 3), 4);
全部为数学函数没有数学运算符的编程方式为函数式编程。
匿名函数&内置参数
匿名函数就是不需要显示的指定函数。
def calc(n):
result = n**n
return result
print(calc(10))
#10000000000
#上述代码换成匿名函数为
calc = lambda n:n**n
#匿名函数的作用一般为搭配使用
res = map(lambda x:x**2,[1,2,3,4,5])
for i in res:
print(i)
#1 4 9 16 25
内置参数
有一个内置函数的表:
下面对一些常用的内置函数进行解释说明:
# -*- coding:utf-8 -*-
# Author: Agent Xu
print(all([0,-5,6]))
#False
print(all([1,2,-5]))
#True
print(all([]))
#True
#非零即为真
print(any([0,-4,4]))
#True
print(any([]))
#False
#非空且任意一个为真则为真
print(ascii('你好'))
#'\u4f60\u597d'
#二进制转换
print(bin(255))
#0b11111111
print(bool(0))
#False
print(bool(1))
#True
print(bool([]))
#False
print(bool([1,2]))
#True
#空和零为假
#之前说过字符串是不可以修改的,只能重新赋值,二进制的字节格式也不可以修改
a = bytes('abcde',encoding='utf-8')
print(a.capitalize(),a)
#b'Abcde' b'abcde'
#现在介绍一种字节数组,可以修改
b = bytearray('abcde',encoding='utf-8')
print(b[1])
#98 打印的是对应的ASCII码
b[1]=100 #修改
print(b)
#bytearray(b'adcde')
#判断是否可调用
def abc():pass
print(callable(abc))
#True
#输出数字对应的ASCII码
print(chr(98))
#b
#反过来
print(ord('b'))
#98
code = 'for i in range(10): print(i)'
py_obj = compile(code,'err.log','exec')
#err.log表示如果编译错误将把错误写进一个日志文件
#exec表示编译玩的文件用什么方式执行
exec(py_obj)
# 0 1 2 3 4 5 6 7 8 9
#和import功能类似,区别在于import只能导入本地的函数包,compile可以异地传源代码编译导入
exec(code)
#0 1 2 3 4 5 6 7 8 9
#直接exec也可以执行。。。感觉没必要compile了
#相除且返回余数
print(divmod(5,3))
#(1, 2)
#字符串转换成字典,可执行,适用于简单的运算
x=1
a = eval('x+1')
print(a)
#2
#过滤器
res = filter(lambda n:n>5,range(10))
for i in res:
print(i) #6 7 8 9
#map列表
res1 = map(lambda n:n*n,range(10))
for i in res1:
print(i) #0 1 4 9 16 25 36 49 64 81
import functools
res2 = functools.reduce(lambda x,y:x+y,range(10)) #累加
print(res2)
#45
res3 = functools.reduce(lambda x,y:x*y,range(1,10)) #阶乘
print(res3)
#362880
#不可变集合
a = frozenset([1,2,3,3,4,5])
#不能增删改
#把这个程序的所有变量和值返回为key-value格式的字典
print(globals())
#hash
#转16进制
print(hex(15))
#0xf
#转八进制
print(oct(8))
#0o10
#次幂
print(pow(2,8))
#256
#取整
print(round(1.23456))
#1
print(round(1.23456,2))
#1.23 小数点后两位取整
#字典的排序
a = {-3:1,1:24,4:19,43:183,68:3}
print(a)
#{68: 3, 1: 24, 43: 183, 4: 19, -3: 1} 无序性
print(sorted(a.items()))
#[(-3, 1), (1, 24), (4, 19), (43, 183), (68, 3)] 列表按照key值排序
print(sorted(a.items(),key=lambda x:x[1]))
#[(-3, 1), (68, 3), (4, 19), (1, 24), (43, 183)] 列表按照value值排序
#组合
a = [1,2,3,4]
b = ['a','b','c','d']
c = zip(a,b)
for i in c:
print(i)
#(1, 'a')(2, 'b')(3, 'c')(4, 'd') 数据不对称的也可以,需要用map指定空值
还有一些简单的和不常用的没有记录,在需要的时候查询就好。
内置参数详解 https://docs.python.org/3/library/functions.html?highlight=built#ascii
Json&pickle模块
JSon序列化
- json,用于字符串 和 python数据类型间进行转换,不同平台之间数据转换。
- 只能处理简单的数据类型,函数不行
序列化:
import json
data = {
'name':'agent xu',
'sex':'man',
'age':26
}
f = open('data.txt','w')
f.write(json.dumps(data)) #等于 json.dump(data,f)
f.close()
反序列化:
import json
f = open('data.txt','r')
data = json.loads(f.read()) #等于 data = json.load(f)
print(data['name'])
#agent xu
pickle序列化
- pickle,用于python特有的类型 和 python的数据类型间进行转换
- pickle只能在python本语言内使用,可以序列化任意类型的数据
序列化:
import pickle
def sayhi(name):
print('hello,',name)
data = {
'name':'agent xu',
'sex':'man',
'age':26,
'func':sayhi
}
f = open('data.txt','wb')
f.write(pickle.dumps(data)) #等于 pickle.dump(data,f)
f.close()
反序列化:
import pickle
def sayhi(name):
print('hello,',name)
print('hello1',name)
f = open('data.txt','rb')
data = pickle.loads(f.read()) #等于 data = pickle.load(f)
print(data['func']('agentxu'))
#hello, agentxu
#hello1 agentxu
最后补一个知识点:
软件目录结构规范(摘录alex博客:https://www.cnblogs.com/alex3714/articles/5765046.html)
为什么要设计好目录结构?
"设计项目目录结构",就和"代码编码风格"一样,属于个人风格问题。对于这种风格上的规范,一直都存在两种态度:
- 一类同学认为,这种个人风格问题"无关紧要"。理由是能让程序work就好,风格问题根本不是问题。
- 另一类同学认为,规范化能更好的控制程序结构,让程序具有更高的可读性。
我是比较偏向于后者的,因为我是前一类同学思想行为下的直接受害者。我曾经维护过一个非常不好读的项目,其实现的逻辑并不复杂,但是却耗费了我非常长的时间去理解它想表达的意思。从此我个人对于提高项目可读性、可维护性的要求就很高了。"项目目录结构"其实也是属于"可读性和可维护性"的范畴,我们设计一个层次清晰的目录结构,就是为了达到以下两点:
- 可读性高: 不熟悉这个项目的代码的人,一眼就能看懂目录结构,知道程序启动脚本是哪个,测试目录在哪儿,配置文件在哪儿等等。从而非常快速的了解这个项目。
- 可维护性高: 定义好组织规则后,维护者就能很明确地知道,新增的哪个文件和代码应该放在什么目录之下。这个好处是,随着时间的推移,代码/配置的规模增加,项目结构不会混乱,仍然能够组织良好。
所以,我认为,保持一个层次清晰的目录结构是有必要的。更何况组织一个良好的工程目录,其实是一件很简单的事儿。
目录组织方式
关于如何组织一个较好的Python工程目录结构,已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上,能看到大家对Python目录结构的讨论。
这里面说的已经很好了,我也不打算重新造轮子列举各种不同的方式,这里面我说一下我的理解和体会。
假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:
Foo/
|-- bin/
| |-- foo
|
|-- foo/
| |-- tests/
| | |-- __init__.py
| | |-- test_main.py
| |
| |-- __init__.py
| |-- main.py
|
|-- docs/
| |-- conf.py
| |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README
简要解释一下:
bin/
: 存放项目的一些可执行文件,当然你可以起名script/
之类的也行。foo/
: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/
存放单元测试代码; (3) 程序的入口最好命名为main.py
。docs/
: 存放一些文档。setup.py
: 安装、部署、打包的脚本。requirements.txt
: 存放软件依赖的外部Python包列表。README
: 项目说明文件。
除此之外,有一些方案给出了更加多的内容。比如LICENSE.txt
,ChangeLog.txt
文件等,我没有列在这里,因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件,目录该如何组织,可以参考这篇文章。
下面,再简单讲一下我对这些目录的理解和个人要求吧。
关于README的内容
这个我觉得是每个项目都应该有的一个文件,目的是能简要描述该项目的信息,让读者快速了解这个项目。
它需要说明以下几个事项:
- 软件定位,软件的基本功能。
- 运行代码的方法: 安装环境、启动命令等。
- 简要的使用说明。
- 代码目录结构说明,更详细点可以说明软件的基本原理。
- 常见问题说明。
我觉得有以上几点是比较好的一个README
。在软件开发初期,由于开发过程中以上内容可能不明确或者发生变化,并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候,是需要撰写这样的一个文档的。
可以参考Redis源码中Readme的写法,这里面简洁但是清晰的描述了Redis功能和源码结构。
关于requirements.txt和setup.py
setup.py
一般来说,用setup.py
来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题,而是说,一个项目一定要有一个安装部署工具,能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。
这个我是踩过坑的。
我刚开始接触Python写项目的时候,安装环境、部署代码、运行程序这个过程全是手动完成,遇到过以下问题:
- 安装环境时经常忘了最近又添加了一个新的Python包,结果一到线上运行,程序就出错了。
- Python包的版本依赖问题,有时候我们程序中使用的是一个版本的Python包,但是官方的已经是最新的包了,通过手动安装就可能装错了。
- 如果依赖的包很多的话,一个一个安装这些依赖是很费时的事情。
- 新同学开始写项目的时候,将程序跑起来非常麻烦,因为可能经常忘了要怎么安装各种依赖。
setup.py
可以将这些事情自动化起来,提高效率、减少出错的概率。"复杂的东西自动化,能自动化的东西一定要自动化。"是一个非常好的习惯。
setuptools的文档比较庞大,刚接触的话,可能不太好找到切入点。学习技术的方式就是看他人是怎么用的,可以参考一下Python的一个Web框架,flask是如何写的: setup.py
当然,简单点自己写个安装脚本(deploy.sh
)替代setup.py
也未尝不可。
requirements.txt
这个文件存在的目的是:
- 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中,避免在
setup.py
安装依赖时漏掉软件包。 - 方便读者明确项目使用了哪些Python包。
这个文件的格式是每一行包含一个包依赖的说明,通常是flask>=0.10
这种格式,要求是这个格式能被pip
识别,这样就可以简单的通过 pip install -r requirements.txt
来把所有Python包依赖都装好了。具体格式说明: 点这里。
关于配置文件的使用方法
注意,在上面的目录结构中,没有将conf.py
放在源码目录下,而是放在docs/
目录下。
很多项目对配置文件的使用做法是:
- 配置文件写在一个或多个python文件中,比如此处的conf.py。
- 项目中哪个模块用到这个配置文件就直接通过
import conf
这种形式来在代码中使用配置。
这种做法我不太赞同:
- 这让单元测试变得困难(因为模块内部依赖了外部配置)
- 另一方面配置文件作为用户控制程序的接口,应当可以由用户自由指定该文件的路径。
- 程序组件可复用性太差,因为这种贯穿所有模块的代码硬编码方式,使得大部分模块都依赖
conf.py
这个文件。
所以,我认为配置的使用,更好的方式是,
- 模块的配置都是可以灵活配置的,不受外部配置文件的影响。
- 程序的配置也是可以灵活控制的。
能够佐证这个思想的是,用过nginx和mysql的同学都知道,nginx、mysql这些程序都可以自由的指定用户配置。
所以,不应当在代码中直接import conf
来使用配置文件。上面目录结构中的conf.py
,是给出的一个配置样例,不是在写死在程序中直接引用的配置文件。可以通过给main.py
启动参数指定配置路径的方式来让程序读取配置内容。当然,这里的conf.py
你可以换个类似的名字,比如settings.py
。或者你也可以使用其他格式的内容来编写配置文件,比如settings.yaml
之类的。