Python运维开发之路《高阶函数》

时间:2022-09-13 03:27:59

一、列表生成式,迭代器&生成器

列表生成式

需求:data列表里有如下三个值,需要给每个值加1

 1 data = [1,2,3]
2 list = map(lambda x:x+1,data)
3 for i in list:
4 print(i)
5 ==========================
6 data = [1,2,3]
7 for index,i in enumerate(data):
8 data[index] +=1
9
10 print(data)
11 ==========================
12 列表生成式
13 data = [1,2,3]
14 data = [i+1 for i in data]
15 print(data)
16 三元运算
17 data = [1,2,3]
18 data = [i*2 if i>2 else i for i in data]
19 print(data)

生成器

通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。

在 Python 中,使用了 yield 的函数被称为生成器(generator)。

生成器要求:必须一个一个的访问,无法指定下标访问;

跟普通函数不同的是,生成器是一个返回迭代器的函数,只能用于迭代操作,更简单点理解生成器就是一个迭代器。

在调用生成器运行的过程中,每次遇到 yield 时函数会暂停并保存当前所有的运行信息,返回yield的值。并在下一次执行 next()方法时从当前位置继续运行。

yield两个优点:

  yield a
  返回a,同时挂起当前这个函数,a返回给了通过__next__()调用当前函数的人
  这代表通过yield就实现了函数的中断,并且保存了函数的中间执行状态

 1 import sys
2
3 def fibonacci(n): # 生成器函数 - 斐波那契
4 a, b, counter = 0, 1, 0
5 while True:
6 if (counter > n):
7 return
8 yield a
9 a, b = b, a + b
10 counter += 1
11 f = fibonacci(10) # f 是一个迭代器,由生成器返回生成
12
13 while True:
14 try:
15 print (next(f), end=" ")
16 except StopIteration:
17 sys.exit()

迭代器 

  我们已经知道,可以直接作用于for循环的数据类型有以下几种:

  一类是集合数据类型,如listtupledictsetstr等;

  一类是generator,包括生成器和带yield的generator function。

  以上统称为可迭代对象(Iterable)

 1 用isinstance做测试
2 ===========================
3 from collections import Iterable
4 print(isinstance([],Iterable)) #列表
5 print(isinstance((i for i in range(10)),Iterable)) #生成器
6 print(isinstance('lian',Iterable)) #字符串
7 print(isinstance({'name':'lain'},Iterable)) #字典
8
9 返回值:
10 True
11 True
12 True
13 True

  迭代器定义:可以迭代并且可以被next()函数调用,并不断返回下一个值的对象就称为迭代器(Iterator);生成器肯定都是迭代器,迭代器不一定就是生成器。

 1 用Iterator测试是否是迭代器
2 ===================================
3 from collections import Iterator
4 print(isinstance([],Iterator)) #列表
5 print(isinstance((i for i in range(10)),Iterator)) #生成器
6 print(isinstance('lian',Iterator)) #字符串
7 print(isinstance({'name':'lain'},Iterator)) #字典
8
9 运行结果:
10 False
11 True
12 False
13 False

  以上结果可以看出,生成器都是迭代器(Iterator)对象,但是list、dict、str虽然都是可迭代对象(Iterable),却不是迭代器(Iterator)

  把lsit、dic、str等可迭代对象(Iterable)变成迭代器(Iterator),可以用iter()函数:

 1 通过iter函数将可迭代对象变成迭代器
2 ======================================
3 rom collections import Iterator
4 print(isinstance(iter([]),Iterator)) #列表
5 print(isinstance((i for i in range(10)),Iterator)) #生成器
6 print(isinstance(iter('lian'),Iterator)) #字符串
7 print(isinstance(iter({'name':'lain'}),Iterator)) #字典
8 执行结果:
9 True
10 True
11 True
12 True
Python运维开发之路《高阶函数》Python运维开发之路《高阶函数》
你可能会问,为什么list、dict、str等数据类型不是Iterator?

这是因为Python的Iterator对象表示的是一个数据流,Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
为什么list、dict、str等数据类型不是Iterator?

二、装饰器

  装饰器定义:装饰器是函数,只不过该函数可以具有特殊的含义,装饰器用来装饰函数或类,使用装饰器可以在函数执行前和执行后添加相应操作

  完全符合程序开发中,开放-封闭原则;不改变原有代码功能,不改变原有调用方式实现新功能的扩张。

 1 user_status = False
2 def login(fund):
3
4 def inner():
5 user = 'lain'
6 pwd = '123@qwe'
7 global user_status
8
9 if user_status == False:
10 username = input('USER:')
11 passwd = input('PASSWORD:')
12
13 if username == user and passwd == pwd:
14 print('登录成功')
15 user_status = True
16 else:
17 print('账号密码错误!')
18
19 if user_status == True:
20 fund()
21 return inner
22
23 def home():
24 print('-------商城首页------')
25
26 @login #语法糖
27 def numerical():
28 print('-----电子数码-----')
29
30 @login
31 def food():
32 print('-----食品生鲜-----')
33
34 @login
35 def department():
36 print('-----百货商品')
37
38 home = login(home) #装饰器
39 home()
40 numerical()
41 food()
42 department()

装饰器详细资料:http://www.cnblogs.com/rhcad/archive/2011/12/21/2295507.html

三、软件目录结构规范

1.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*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*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:

  1. 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。
  2. 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
  3. docs/: 存放一些文档。
  4. setup.py: 安装、部署、打包的脚本。
  5. requirements.txt: 存放软件依赖的外部Python包列表。
  6. 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。

2.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:

  1. 软件定位,软件的基本功能。
  2. 运行代码的方法: 安装环境、启动命令等。
  3. 简要的使用说明。
  4. 代码目录结构说明,更详细点可以说明软件的基本原理。
  5. 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。

3.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:

  1. 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。
  2. 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。
  3. 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。
  4. 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:

  1. 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。
  2. 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

 

4.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:

  1. 配置文件写在一个或多个python文件中,比如此处的conf.py。
  2. 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:

  1. 这让单元测试变得困难(因为模块内部依赖了外部配置)
  2. 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*指定该文件的路径。
  3. 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,

  1. 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。
  2. 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*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。