本篇内容主要讲解“Python有哪些高效率技巧”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python有哪些高效率技巧”吧!

成都创新互联公司-专业网站定制、快速模板网站建设、高性价比宝山网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式宝山网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖宝山地区。费用合理售后完善，十载实体公司更值得信赖。

清理字符串输入

清理用户输入的问题，几乎适用于我们可能编写的每个程序。通常将字符转换为小写或大写就足够了，这时只需要使用正则即可，但是对于复杂的情况，有一种更好的方法： 

user_input = "This\nstring has\tsome whitespaces...\r\n"      character_map = {          ord('\n') : ' ',          ord('\t') : ' ',          ord('\r') : None      }      user_input.translate(character_map)  # This string has some whitespaces... "

在上述示例中，可以看到空格符“ \ n”和“ \ t”已被单个空格替换，而“ \ r”已被完全删除。这是一个简单的示例，但是我们可以更进一步，使用 unicodedata包及其 combining()函数生成范围更广的映射表，从字符串中删除所有重音符号。

迭代器切片

如果您尝试获取迭代器的切片，系统会报 TypeError，提示生成器对象不可下标，但是解决方案很简单：

import itertools   s = itertools.islice(range(50), 10, 20)  #    for val in s:   ...

使用 itertools.islice，我们可以创建一个 islice对象，该对象是产生所需元素的迭代器。不过，请务必注意，这会消耗所有生成器项，直到切片开始为止，而且还会消耗我们的“ islice”对象中的所有项。

Using itertools.islice we can create a islice object which is an iterator that produces desired items. It's important to note though, that this consumes all generator items up until the start of slice and also all the items in our islice object.

跳过可迭代对象的开始

有时候需要处理的文件里，明确存在一些不需要的数据行，但是我们不确定数量，比如说代码中的注释。这时， itertools 再次为我们提供了简洁的方案： 

string_from_file = """     // Author: ...     // License: ...     //     // Date: ...     Actual content...     """     import itertools     for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split("\n")):     print(line)

这段代码仅在初始注释部分之后，才会产生数据行。如果我们只想在迭代器的开头丢弃数据，而又不知道有具体数量时，这个方法很有用。

仅带关键字参数（kwargs）的函数

有时候，使用仅支持关键字参数的函数可以让代码更加清晰易懂： 

def test(*, a, b):     pass     test("value for a", "value for b")  # TypeError: test() takes 0 positional arguments...     test(a="value", b="value 2")  # Works...

只需要在关键字参数前面再加一个 * 参数，就可以轻松实现了。当然，如果还希望再加上位置参数，可以在 * 参数前面再增加。

创建支持 with语句的对象

我们都知道如何打开文件或使用 with语句获取锁，但是怎样自己可以实现类似的功能呢？一般来说，我们可以使用 __enter__和 __exit__方法来实现上下文管理器协议： 

classConnection:     def __init__(self):     ...     def __enter__(self):     # Initialize connection...     def __exit__(self, type, value, traceback):     # Close connection...     withConnection() as c:     # __enter__() executes     ...     # conn.__exit__() executes

上面是最常见的实现方式，但是还有一种更简单的方法： 

from contextlib import contextmanager     @contextmanager     def tag(name):     print(f"<{name}>")     yield     print(f"")     with tag("h2"):     print("This is Title.")

上面的代码段使用 contextmanager管理器装饰器实现了内容管理协议。进入“ with”块时，执行“ tag”函数的第一部分（在“ yield”之前），然后执行 yield，最后执行其余部分。

用 __slots__节省内存

如果程序需要创建大量的类实例，我们会发现程序占用了大量内存。这是因为 Python 使用字典来表示类实例的属性，这样的话创建速度很快，但是很耗内存。如果内存是你需要考虑的一个问题，那么可以考虑使用 __slots__： 

classPerson:         __slots__ = ["first_name", "last_name", "phone"]     def __init__(self, first_name, last_name, phone):     self.first_name = first_name     self.last_name = last_name     self.phone = phone

当我们定义 __slots__属性时，Python会使用固定大小的数组（占用内存少）来存储属性，而不是字典，这大大减少了每个实例所需的内存。不过使用 __slots__还有一些缺点：无法声明任何新属性，我们只能使用 __slots__中的那些属性。同样，带有 __slots__的类不能使用多重继承。

限制CPU和内存使用量

如果不是想优化程序内存或CPU使用率，而是想直接将其限制为某个数值，那么Python也有一个可以满足要求的库： 

import signal      import resource      import os      # To Limit CPU time      def time_exceeded(signo, frame):      print("CPU exceeded...")      raiseSystemExit(1)      def set_max_runtime(seconds):      # Install the signal handler and set a resource limit          soft, hard = resource.getrlimit(resource.RLIMIT_CPU)          resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))          signal.signal(signal.SIGXCPU, time_exceeded)      # To limit memory usage      def set_max_memory(size):          soft, hard = resource.getrlimit(resource.RLIMIT_AS)          resource.setrlimit(resource.RLIMIT_AS, (size, hard))

在这里，我们可以设置了最大cpu运行时间以及最大内存使用限制的两个选项。对于cpu限制，我们首先获得该特定资源（ RLIMIT_CPU）的软限制和硬限制，然后使用参数指定的秒数和先前获取的硬限制来设置。

最后，我们注册了一个在超过CPU时间后，让系统退出的信号。至于内存，我们再次获取软限制和硬限制，并使用带有大小参数的 setrlimit和硬限制完成配置

控制导入的内容

某些语言提供了导出成员（变量，方法，接口）的显式机制，例如Golang，它仅导出以大写字母开头的成员。但是在Python中，所有对象都会导出，除非我们使用 __all__： 

def foo():     pass     def bar():     pass     __all__ = ["bar"]

上面的代码段中，只会导出 bar函数。另外，如果 __all__的值为空，那么不会导出任何函数，而且在导入该模块时系统会报 AttributeError。

实现比较运算符

如果我们要逐一为某个类实现所有的比较运算符，你肯定会觉得很麻烦，因为要实现的方法还不少，有 __lt__,__le__,__gt__, 和 __ge__。

其实，Python 提供了一种便捷的实现方式，就是通过 functools.total_ordering装饰器。 

from functools import total_ordering     @total_ordering     classNumber:     def __init__(self, value):     self.value = value     def __lt__(self, other):     returnself.value < other.value     def __eq__(self, other):     returnself.value == other.value     print(Number(20) > Number(3))     print(Number(1) < Number(5))     print(Number(15) >= Number(15))     print(Number(10) <= Number(2))

这是怎么实现的呢？ total_ordering可以用来简化实现类排序的过程。我们只需要定义 __lt__和 __eq__（这是映射剩余操作的最低要求），然后就交给装饰器去完成剩余的工作了。

到此，相信大家对“Python有哪些高效率技巧”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！

标题名称：Python有哪些高效率技巧
文章源于：http://scgulin.cn/article/piohse.html