Python Tips and Traps笔记

偶然间看到这篇文章，觉得有点意思，把自己感兴趣的部分稍微翻译和精炼一下，做个笔记。

1. 活用set来寻找异同

set会自动剔除重复的元素

print [set(["ham", "eggs", "bacon", "ham"])]
#[set(['eggs', 'bacon', 'ham'])]

找出2个set间不同的元素

# compare lists to find differences/similarities
# {} without "key":"value" pairs makes a set
menu = {"pancakes", "ham", "eggs", "bacon"}
new_menu = {"coffee", "ham", "eggs", "bacon", "bagels"}

new_items = new_menu.difference(menu)
print new_items
# set(['bagels', 'coffee'])

discontinued_items = menu.difference(new_menu)
print discontinued_items
# set(['pancakes'])

找出2个set间相同的元素

old_items = new_menu.intersection(menu) 
print("Or get the same old", ", ".join(old_items)) 
# Or get the same old eggs, bacon, ham

找出2个set的并集

full_menu = new_menu.union(menu) 
print("At one time or another, we've served:", ", ".join(full_menu)) 
# At one time or another, we've served: coffee, ham, pancakes, bagels, bacon, eggs

2. collections.namedtuple

当我们既需要不带方法的类，也想享受诸如foo.prop的，namedtuple是个不错的选择。

LightObject = namedtuple('LightObject', ['shortname', 'otherprop']) 
m = LightObject() 
m.shortname = 'athing' 
> Traceback (most recent call last): 
> AttributeError: can't set attribute

我们不能修改namedtuple的值，正如不能修改tuple的成员一样。只能在实例化namedtuple的时候赋值。

n = LightObject(shortname='something', otherprop='something else') 
n.shortname # something

3. Generator

在Python2中，generators是一种简单实现iterator(不需要一次性hold所有值)的方式。通常，Python中一个函数的流程是：执行，做一些操作，然后返回结果。但使用generator，我们得到的是一个generator对象，它可以被用在任何地方，可以是list或者其他的iterable。

举个generator栗子：

def my_generator(v): 
    yield 'first ' + v 
    yield 'second ' + v 
    yield 'third ' + v 
    
print(my_generator('thing')) 
#

通常，generator是作为循环的一部分的。循环会运行知道generator停止yieldvalues。

for value in my_generator('thing'): 
    print value 
    
# first thing 
# second thing 
# third thing 

gen = my_generator('thing') 
next(gen) # 'first thing' 
next(gen) # 'second thing' 
next(gen) # 'third thing' 
next(gen) # raises StopIteration exception

generator在被实例化后并不会做任何事情，知道被调用了。调用第一次的时候，它会执行第一个yield并返回值给caller，然后保存当前状态并等待后续的调用。

一个经典的generator栗子是fibonacci数列。下面让我们来打印小于1000的数列。

def fib_generator(): 
    a = 0 
    b = 1 
    while True: 
        yield a 
        a, b = b, a + b
        
max = 1000
for number in fib_generator():
    if number > max:
        break
    print number

4. Generator进阶实例——在Pagination API中的运用

Paginate API是个常见的实践，用来限制使用和避免发送超过50M的JSON请求。

首先让我们来定义将要使用的API，然后写一个generator来隐藏我们的paging code。

假设我们使用的API叫做Scream，用户可以argue他们在一个餐厅吃过的东西或想吃的。searching的API非常简单，类似如下：

GET http://scream-about-food.com/search?q=coffee
{
    "results": [
        {
            "name": "Coffee Spot",
            "screams": 99
        },
        {
            "name": "Corner Coffee",
            "screams": 403
        },
        {
            "name": "Coffee Moose",
            "screams": 31
        }
    ],
    "_next": "http://scream-about-food.com/search?q=coffee?p=2",
    "more": true,
}

这里嵌入了next page的链接。如果用户不填page number的话，就会得到首页。如果想拿到所有的data，我们可以使用requestslibrary，并放入generator。这个generator将处理pagination，并有retry logic，流程大致如下：

接收搜索词。
查询API。
如果API失败了，重试。
从page yield结果，一次一个。
如果有下一页，继续步骤4。
如果没有结果，退出。

那么generator的code大致如下：

import requests 

api_url = "http://scream-about-food.com/search?q={term}" 


def infinite_search(term): 
    url = api_url.format(term) 
    while True: 
        data = requests.get(url).json() 
        
        for place in data['results']: 
            yield place 
            
        # end if we've gone through all the results 
        if not data['more']: break 
        
        url = data['_next']

以下为使用generator的code：

# pass a number to start at as the second argument if you don't want 
# zero-indexing 
for number, result in enumerate(infinite_search("coffee"), 1): 
    if result['name'] == "The Coffee Stain": 
        print("Our restaurant, The Coffee Stain is number ", number) 
        return 

print("Our restaurant, The Coffee Stain didnt't show up at all! :(")

References

https://www.airpair.com/python/posts/python-tips-and-traps