Python

Error 多次循环进行 Numpy Concentrate 操作后，当原始数组变得过大的时，单步处理时间会逐渐变长，处理大量数据的时候时间成本极高。 解决思路 这里简单的讲一下问题的定位过程，通过装饰器 Check 每个函数的执行时间，重点关注执行时长逐渐变长的部分。 ...

@Aikenhong 的旧笔记翻新完善 1.0 Python 的灵活和广泛应用场景来自于众多的第三方库，由于强大的可拓展性和众多的库，使得 Python 的使用简单灵活，且应用面极广。 但是不同库之间的相互依赖关系，对版本的不同要求等等因素，使得"环境配置"成为了开发者闻之变色的一词，对一个新的库和项目环境的配置尝尝会花去大量的时间，这可能也是 Docker、Venv（虚拟环境）必须存在的原因之一。 这里不对 Docker 及其相关技术，进行说明，会另开章节进行学习。 才疏学浅的本菜鸡希望从 python 开发者避不开的 conda 和 pip 出发介绍一下关于库安装的一些事情，以及这两个 CLI 的关系。 Anaconda MiniConda 和 Conda anaconda 是一个针对数据科学的 Python 发行版，其包含了一下三个方面的内容： 完整的 python，ipython numpy、Script 等常用的数据科学库 包管理器 Conda 和 pip 软件发行版是在系统上提前编译和配置好的软件包集合， 装好了后就可以直接用 miniconda 是 conda 的发行版，其包含了 conda 本体和其所需的所有环境，安装了 miniconda 后就可以正常使用 conda，由于其不包含 python 和诸多第三方包，所以会比 anaconda 纯净得多，我们可以基于其从零开始搭建一个完整的环境。 而 conda 只是一个包（lib、package）和环境（env）的管理工具，其用于自动安装，升级，（也可分析包之间的相互依赖关系）的工具。 Conda 和 Pip 的关联和区别 conda 是通用（语言无关且跨平台）的包管理器，它发源于 python 的 pydata 社区，但他不仅适用于 python 包的管理，还适用于任何语言写的包和依赖，但是我们应该大多数时候只用来做 python 管理。 其只能在 conda 环境中安装包，但是可以安装各种语言和各种类型的包。 pip（pip install package） 是 python 官方认证的 python 包通用管理器，只能管理 python 包，安装发布于 python package index（pypi）上的所有包，均由 python 官方管理。 ...

该文章将介绍 Python 中的单元测试之 Unittest 模块，及其在 VsCode 中的集成和使用，主要参考的链接有以下的三个： Unittest的基本用法 、Python官方文档 VsCode运行Unittest ，其对应 VsCode 侧边栏中的“测试”模块，该部分就由本文来自行补充 使用Unittest模拟input的输入 ，便于测试基于命令行输入的代码 基本用法 在工作区中定义示例函数如下，基于该函数进行Unittest的测试和演示： python # we save this function in function_module.py def add_4_ut(a,b): return a+b 基本使用的代码如下： python import unittest from function_module import add_4_ut # 使用TestCase基类构建测试样例和测试方法，运行的时候会对编写的所有测试方法进行测试 class TestAddFunction(unittest.TestCase): def test_ez(self): self.assertEqual(add_4_ut(3,5),8) def test_complex(self): self.assert(add_4_ut(1023,2032),3055) ... # using the main function buildin the unittest, to run all the method we define in the TestCale. if __name__ == '__main__': unittest.main() 模拟命令行输入 使用unittest.mock的patch模块进行输入输出模块的模拟和测试，具体的使用方法如下： ...

个人的《Python Cookbook》 && 《Fluent Python》阅读笔记。 数据模型（Python结构的通用范式） （Magic method）dunder method：Python特有的双下划线方法，这些方法能够支持Python进行特殊的调用，实现通用方法在新定义的数据结构上的使用，比如最典型的: __len__()后可以支持len()，获得结构的长度 __getitem__()后可以支持data[index]来获取相应的元素，切片，等等数组的操作； python # 也可以支持类似如下的一些操作 # 从数据结构中随机选出一个items from random import choice choice(datas) # 也可以支持迭代方法和反迭代方法 for data in datas: ... for data in reversed(datas): ... # 也可以支持sort函数 到这里也就说明了，只要我们在数据结构（class）中定义了相应的dunder method，该class就能支持相应的一系列操作，getitems就可以类比为列表，相应的操作都能够在python解释器下自动的赋予支持。 还有一些好用但不常用的方法： __contain__实现的是in ，当没有实现contain的方法的时候会按照顺序在list中进行搜索 __abs__ __repr__实现的是输出的format设置，也就是print的时候的输出形式 __eq__ 实现的是 == 命令，同时in调用的是__eq__ 下面附上一张特殊方法表： 基本命名规范 相关的文件和函数等命名规则。 ...