【python】速通笔记

发布于：2025-04-06 ⋅ 阅读:(13) ⋅ 点赞:(0)

Python学习路径 - 从零基础到入门

环境搭建

  1. 安装Python

    • Windows: 从官网下载安装包 https://www.python.org/downloads/
    • Mac/Linux: 通常已预装，可通过终端输入python3 --version检查

  2. 配置开发环境

    • 推荐使用VS Code或PyCharm作为代码编辑器
    • 安装Python扩展插件
    • 创建第一个Python文件hello.py
      # hello.py
print("Hello, Python!")
    • 运行程序: 在终端输入python3 hello.py

基础语法

  1. 变量与数据类型

    • 数字类型
      # 整数
age = 20
# 浮点数
price = 3.99
    • 字符串
      name = "Alice"
greeting = 'Hello, World!'
    • 布尔值
      is_student = True
is_teacher = False

  2. 基本运算

    # 算术运算
print(10 + 3)  # 13
print(10 - 3)  # 7
print(10 * 3)  # 30
print(10 / 3)  # 3.333...

# 字符串拼接
first_name = "John"
last_name = "Doe"
full_name = first_name + " " + last_name
print(full_name)  # John Doe

  3. 练习题目

    • 练习1: 计算两个数的和
      num1 = 5
num2 = 7
# 计算并打印它们的和
    • 练习2: 打印个人信息
      name = "你的名字"
age = 你的年龄
# 打印"我叫XX，今年XX岁"

基础语法

  1. 变量与数据类型

    • 数字、字符串、布尔值
      # 示例
num = 42
name = "Python"
is_true = True
    • 列表、元组、字典、集合
      # 示例
my_list = [1, 2, 3]
my_tuple = (1, 2, 3)
my_dict = {"name": "Alice", "age": 25}
my_set = {1, 2, 3}

  2. 运算符

    • 算术运算符
      # 示例
print(10 + 3)  # 13
print(10 - 3)  # 7
print(10 * 3)  # 30
print(10 / 3)  # 3.333...
print(10 // 3) # 3 (整除)
print(10 % 3)  # 1 (取余)
print(10 ** 3) # 1000 (幂)
    • 比较运算符
      # 示例
print(10 > 3)  # True
print(10 < 3)  # False
print(10 == 3) # False
print(10 != 3) # True
    • 逻辑运算符
      # 示例
print(True and False)  # False
print(True or False)   # True
print(not True)        # False

  3. 控制结构

    • 条件语句(if/elif/else)
      # 示例
age = 18
if age < 13:
    print("儿童")
elif age < 18:
    print("青少年")
else:
    print("成人")
    • 循环(for/while)
      # for循环示例
for i in range(5):
    print(i)

# while循环示例
count = 0
while count < 5:
    print(count)
    count += 1
    • break和continue
      # 示例
for i in range(10):
    if i == 5:
        break  # 退出循环
    if i % 2 == 0:
        continue  # 跳过本次循环
    print(i)

函数编程

  1. 函数定义与调用
    # 示例
def greet(name):
    """打印问候语"""
    print(f"Hello, {name}!")

greet("Alice")  # 调用函数
  2. 参数传递
    • 位置参数
      # 示例
def add(a, b):
    return a + b

print(add(3, 5))  # 8
    • 关键字参数
      # 示例
def greet(name, message):
    print(f"{message}, {name}!")

greet(message="Hi", name="Bob")  # Hi, Bob!
    • 默认参数
      # 示例
def greet(name, message="Hello"):
    print(f"{message}, {name}!")

greet("Alice")  # Hello, Alice!
greet("Bob", "Hi")  # Hi, Bob!
    • 可变参数(*args, **kwargs)
      # 示例
def print_args(*args):
    for arg in args:
        print(arg)

print_args(1, 2, 3)  # 打印1, 2, 3

def print_kwargs(**kwargs):
    for key, value in kwargs.items():
        print(f"{key}: {value}")

print_kwargs(name="Alice", age=25)  # 打印name: Alice, age: 25
  3. lambda表达式
    # 示例
square = lambda x: x ** 2
print(square(5))  # 25

# 与map/filter一起使用
numbers = [1, 2, 3, 4]
squared = list(map(lambda x: x**2, numbers))
print(squared)  # [1, 4, 9, 16]
  4. 作用域与闭包
    # 作用域示例
x = 10  # 全局变量

def foo():
    y = 20  # 局部变量
    print(x + y)  # 可以访问全局变量

foo()  # 30

# 闭包示例
def outer_func(x):
    def inner_func(y):
        return x + y
    return inner_func

closure = outer_func(10)
print(closure(5))  # 15

面向对象编程

  1. 类与对象
    # 示例
class Dog:
    # 类属性
    species = "Canis familiaris"
    
    # 初始化方法
    def __init__(self, name, age):
        self.name = name  # 实例属性
        self.age = age
    
    # 实例方法
    def description(self):
        return f"{self.name} is {self.age} years old"
    
    # 实例方法
    def speak(self, sound):
        return f"{self.name} says {sound}"

# 创建对象
my_dog = Dog("Buddy", 5)
print(my_dog.description())  # Buddy is 5 years old
print(my_dog.speak("Woof"))  # Buddy says Woof
  2. 继承与多态
    # 继承示例
class Bulldog(Dog):
    def speak(self, sound="Woof"):
        return super().speak(sound)

# 多态示例
def animal_speak(animal):
    print(animal.speak())

bulldog = Bulldog("Max", 3)
print(bulldog.speak())  # Max says Woof
  3. 魔术方法
    # __str__ 示例
class Dog:
    def __init__(self, name, age):
        self.name = name
        self.age = age
    
    def __str__(self):
        return f"Dog(name='{self.name}', age={self.age})"

my_dog = Dog("Buddy", 5)
print(my_dog)  # Dog(name='Buddy', age=5)

# __add__ 示例
class Vector:
    def __init__(self, x, y):
        self.x = x
        self.y = y
    
    def __add__(self, other):
        return Vector(self.x + other.x, self.y + other.y)

v1 = Vector(1, 2)
v2 = Vector(3, 4)
v3 = v1 + v2
print(v3.x, v3.y)  # 4 6
  4. 装饰器
    # 函数装饰器示例
def my_decorator(func):
    def wrapper():
        print("装饰器: 调用函数前")
        func()
        print("装饰器: 调用函数后")
    return wrapper

@my_decorator
def say_hello():
    print("Hello!")

say_hello()
# 输出:
# 装饰器: 调用函数前
# Hello!
# 装饰器: 调用函数后

# 类装饰器示例
def class_decorator(cls):
    class Wrapper:
        def __init__(self, *args, **kwargs):
            self.wrapped = cls(*args, **kwargs)
        
        def __getattr__(self, name):
            return getattr(self.wrapped, name)
    return Wrapper

@class_decorator
class MyClass:
    def __init__(self, value):
        self.value = value
    
    def show(self):
        print(f"Value: {self.value}")

obj = MyClass(42)
obj.show()  # Value: 42

高级特性

  1. 生成器与迭代器

    # 生成器示例
def count_up_to(max):
    count = 1
    while count <= max:
        yield count
        count += 1

counter = count_up_to(5)
print(next(counter))  # 1
print(next(counter))  # 2

# 迭代器示例
my_list = [1, 2, 3]
my_iter = iter(my_list)
print(next(my_iter))  # 1
print(next(my_iter))  # 2

  2. 装饰器高级用法

    # 带参数的装饰器
def repeat(num_times):
    def decorator_repeat(func):
        def wrapper(*args, **kwargs):
            for _ in range(num_times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator_repeat

@repeat(num_times=3)
def greet(name):
    print(f"Hello {name}")

greet("Alice")

# 类装饰器
class Timer:
    def __init__(self, func):
        self.func = func
    
    def __call__(self, *args, **kwargs):
        import time
        start = time.time()
        result = self.func(*args, **kwargs)
        end = time.time()
        print(f"执行时间: {end - start:.2f}秒")
        return result

@Timer
def long_running_func():
    time.sleep(2)

long_running_func()

  3. 元类编程

    # 元类示例
class Meta(type):
    def __new__(cls, name, bases, namespace):
        namespace['version'] = '1.0'
        return super().__new__(cls, name, bases, namespace)

class MyClass(metaclass=Meta):
    pass

print(MyClass.version)  # 1.0

# 动态创建类
def make_class(name):
    return type(name, (), {'x': 10})

DynamicClass = make_class('DynamicClass')
print(DynamicClass().x)  # 10

  4. 上下文管理器

    # with语句示例
with open('file.txt', 'w') as f:
    f.write('Hello, world!')

# 自定义上下文管理器
class MyContextManager:
    def __enter__(self):
        print("进入上下文")
        return self
    
    def __exit__(self, exc_type, exc_val, exc_tb):
        print("退出上下文")

with MyContextManager() as cm:
    print("在上下文中")

  5. 多线程与多进程

    # 多线程示例
import threading

def worker():
    print("线程执行")

threads = []
for i in range(5):
    t = threading.Thread(target=worker)
    threads.append(t)
    t.start()

for t in threads:
    t.join()

# 多进程示例
from multiprocessing import Process

def worker():
    print("进程执行")

processes = []
for i in range(5):
    p = Process(target=worker)
    processes.append(p)
    p.start()

for p in processes:
    p.join()

  6. 异步编程(asyncio)

    import asyncio

async def hello():
    print("Hello")
    await asyncio.sleep(1)
    print("World")

async def main():
    await asyncio.gather(hello(), hello(), hello())

asyncio.run(main())

常用标准库

  1. os/sys - 系统操作

    # os示例
import os
print(os.getcwd())  # 获取当前工作目录
os.mkdir('new_dir')  # 创建目录

# sys示例
import sys
print(sys.argv)  # 命令行参数
sys.exit(0)  # 退出程序

  2. pathlib - 现代化路径操作

    from pathlib import Path

# 创建路径对象
p = Path('.')

# 遍历目录
for f in p.glob('*.py'):
    print(f.name)

# 路径拼接
new_file = p / 'subdir' / 'new_file.txt'
new_file.write_text('Hello, Pathlib!')

  3. subprocess - 运行外部命令

    import subprocess

# 运行简单命令
result = subprocess.run(['ls', '-l'], capture_output=True, text=True)
print(result.stdout)

# 管道操作
ps = subprocess.Popen(['ps', '-aux'], stdout=subprocess.PIPE)
grep = subprocess.Popen(['grep', 'python'], stdin=ps.stdout, stdout=subprocess.PIPE)
ps.stdout.close()
output = grep.communicate()[0]
print(output.decode())

  4. re - 正则表达式

    import re

# 匹配示例
pattern = r'\b\w+\b'
text = 'Hello, world!'
matches = re.findall(pattern, text)
print(matches)  # ['Hello', 'world']

# 替换示例
new_text = re.sub(r'world', 'Python', text)
print(new_text)  # Hello, Python!

  5. datetime - 日期时间

    from datetime import datetime, timedelta

# 当前时间
now = datetime.now()
print(now.strftime('%Y-%m-%d %H:%M:%S'))  # 格式化输出

# 时间计算
tomorrow = now + timedelta(days=1)
print(tomorrow)

  6. json - JSON处理

    import json

# 序列化
data = {'name': 'Alice', 'age': 25}
json_str = json.dumps(data)
print(json_str)  # {"name": "Alice", "age": 25}

# 反序列化
loaded_data = json.loads(json_str)
print(loaded_data['name'])  # Alice

  7. collections - 高级数据结构

    from collections import defaultdict, Counter, namedtuple

# defaultdict示例
d = defaultdict(int)
d['a'] += 1
print(d['a'])  # 1

# Counter示例
cnt = Counter('abracadabra')
print(cnt.most_common(3))  # [('a', 5), ('b', 2), ('r', 2)]

# namedtuple示例
Point = namedtuple('Point', ['x', 'y'])
p = Point(11, y=22)
print(p.x + p.y)  # 33

学习资源

  1. 官方文档: https://docs.python.org/3/
  2. 推荐书籍:
    • 《Python编程：从入门到实践》- 适合初学者
    • 《流畅的Python》- 适合进阶学习
    • 《Python Cookbook》- 实用技巧
  3. 练习平台:
    • LeetCode: 算法练习
    • Codewars: 编程挑战
    • HackerRank: 综合练习
  4. 在线课程:
    • Coursera: Python专项课程
    • Udemy: 实用Python项目
  5. 社区资源:
    • Stack Overflow: 问题解答
    • GitHub: 开源项目学习
    • Python官方论坛

进阶主题

  1. 并发编程

    # 线程池示例
from concurrent.futures import ThreadPoolExecutor

def task(n):
    return n * n

with ThreadPoolExecutor(max_workers=4) as executor:
    results = executor.map(task, range(10))
    print(list(results))

  2. 性能优化

    # 使用timeit测量代码执行时间
import timeit

setup = """
def sum_range(n):
    return sum(range(n))
"""

print(timeit.timeit('sum_range(1000)', setup=setup, number=1000))

  3. 设计模式

    # 单例模式实现
class Singleton:
    _instance = None
    
    def __new__(cls):
        if cls._instance is None:
            cls._instance = super().__new__(cls)
        return cls._instance

s1 = Singleton()
s2 = Singleton()
print(s1 is s2)  # True

实战项目

1. 电商数据分析系统

需求分析:

  • 从CSV文件读取销售数据
  • 计算每日/每月销售额
  • 生成可视化报表

实现步骤:

import pandas as pd
import matplotlib.pyplot as plt

def sales_analysis():
    # 1. 读取数据
    df = pd.read_csv('sales.csv')
    
    # 2. 数据处理
    df['date'] = pd.to_datetime(df['date'])
    daily_sales = df.groupby(df['date'].dt.date)['amount'].sum()
    
    # 3. 可视化
    plt.figure(figsize=(10,6))
    daily_sales.plot(kind='bar')
    plt.title('每日销售额')
    plt.savefig('daily_sales.png')

调试技巧:

  • 使用df.head()检查数据读取是否正确
  • 打印中间结果验证数据处理逻辑

2. 天气查询应用

需求分析:

  • 调用天气API获取实时数据
  • 支持多城市查询
  • 缓存历史查询记录

实现步骤:

import requests
import json

class WeatherApp:
    def __init__(self, api_key):
        self.api_key = api_key
        self.history = {}
        
    def get_weather(self, city):
        url = f"http://api.openweathermap.org/data/2.5/weather?q={city}&appid={self.api_key}"
        response = requests.get(url)
        data = json.loads(response.text)
        self.history[city] = data
        return data

调试技巧:

  • 检查API响应状态码
  • 使用try-except处理网络异常

3. 机器学习房价预测

需求分析:

  • 使用线性回归模型
  • 评估模型性能
  • 部署预测接口

实现步骤:

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 加载数据
data = pd.read_csv('housing.csv')
X = data[['size', 'rooms']]
y = data['price']

# 训练模型
X_train, X_test, y_train, y_test = train_test_split(X, y)
model = LinearRegression()
model.fit(X_train, y_train)

# 评估
score = model.score(X_test, y_test)
print(f"模型R2分数: {score:.2f}")

调试技巧:

  • 检查数据分布
  • 尝试特征工程提高模型性能

1. 电商数据分析系统

2. Web爬虫应用

需求分析:

  • 使用requests和BeautifulSoup抓取网页数据
  • 提取特定信息并存储到CSV文件
  • 实现分页爬取和异常处理

实现步骤:

import requests
from bs4 import BeautifulSoup
import csv

headers = {'User-Agent': 'Mozilla/5.0'}

def scrape_page(url):
    try:
        response = requests.get(url, headers=headers)
        soup = BeautifulSoup(response.text, 'html.parser')
        
        # 提取数据示例
        items = []
        for item in soup.select('.product-item'):
            name = item.select_one('.name').text.strip()
            price = item.select_one('.price').text.strip()
            items.append({'name': name, 'price': price})
        
        return items
    except Exception as e:
        print(f"爬取失败: {e}")
        return []

# 主程序
base_url = "https://example.com/products?page="
all_items = []

for page in range(1, 6):  # 爬取5页
    items = scrape_page(base_url + str(page))
    all_items.extend(items)
    print(f"已爬取第{page}页，共{len(items)}条数据")

# 保存到CSV
with open('products.csv', 'w', newline='') as f:
    writer = csv.DictWriter(f, fieldnames=['name', 'price'])
    writer.writeheader()
    writer.writerows(all_items)

调试技巧:

  • 使用print输出中间结果检查数据提取是否正确
  • 设置time.sleep避免请求过于频繁
  • 使用try-except捕获网络异常

3. 自动化测试框架

需求分析:

  • 支持Web UI自动化测试
  • 生成测试报告
  • 支持并行测试

实现步骤:

from selenium import webdriver
import unittest

class TestWebsite(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.driver = webdriver.Chrome()
        cls.driver.implicitly_wait(10)
    
    def test_homepage(self):
        self.driver.get("http://example.com")
        self.assertIn("Example Domain", self.driver.title)
    
    def test_search(self):
        self.driver.get("http://example.com")
        search_box = self.driver.find_element_by_name("q")
        search_box.send_keys("Python")
        search_box.submit()
        self.assertIn("Python", self.driver.page_source)
    
    @classmethod
    def tearDownClass(cls):
        cls.driver.quit()

if __name__ == "__main__":
    unittest.main()

调试技巧:

  • 使用driver.save_screenshot()保存错误截图
  • 增加显式等待避免元素未加载问题
  • 使用HTMLTestRunner生成美观的测试报告

1. 电商数据分析系统

需求分析:

  • 从CSV文件读取销售数据
  • 计算每日/每月销售额
  • 生成可视化报表

实现步骤:

import pandas as pd
import matplotlib.pyplot as plt

def sales_analysis():
    # 1. 读取数据
    df = pd.read_csv('sales.csv')
    
    # 2. 数据处理
    df['date'] = pd.to_datetime(df['date'])
    daily_sales = df.groupby(df['date'].dt.date)['amount'].sum()
    
    # 3. 可视化
    plt.figure(figsize=(10,6))
    daily_sales.plot(kind='bar')
    plt.title('每日销售额')
    plt.savefig('daily_sales.png')

调试技巧:

  • 使用df.head()检查数据读取是否正确
  • 打印中间结果验证数据处理逻辑

2. 天气查询应用

需求分析:

  • 调用天气API获取实时数据
  • 支持多城市查询
  • 缓存历史查询记录

实现步骤:

import requests
import json

class WeatherApp:
    def __init__(self, api_key):
        self.api_key = api_key
        self.history = {}
        
    def get_weather(self, city):
        url = f"http://api.openweathermap.org/data/2.5/weather?q={city}&appid={self.api_key}"
        response = requests.get(url)
        data = json.loads(response.text)
        self.history[city] = data
        return data

调试技巧:

  • 检查API响应状态码
  • 使用try-except处理网络异常

3. 自动化测试框架

需求分析:

  • 支持Web UI自动化测试
  • 生成测试报告
  • 支持并行测试

实现步骤:

from selenium import webdriver
import unittest

class TestWebsite(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.driver = webdriver.Chrome()
        
    def test_homepage(self):
        self.driver.get("http://example.com")
        self.assertIn("Example", self.driver.title)
        
    @classmethod
    def tearDownClass(cls):
        cls.driver.quit()

调试技巧:

  • 添加显式等待处理元素加载
  • 使用Page Object模式提高可维护性

4. 机器学习房价预测

需求分析:

  • 使用线性回归模型
  • 评估模型性能
  • 部署预测接口

实现步骤:

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 加载数据
data = pd.read_csv('housing.csv')
X = data[['size', 'rooms']]
y = data['price']

# 训练模型
X_train, X_test, y_train, y_test = train_test_split(X, y)
model = LinearRegression()
model.fit(X_train, y_train)

# 评估
score = model.score(X_test, y_test)
print(f"模型R2分数: {score:.2f}")

调试技巧:

  • 检查数据分布
  • 尝试特征工程提高模型性能

5. 区块链简易实现

需求分析:

  • 实现区块链数据结构
  • 支持交易验证
  • 工作量证明机制

实现步骤:

import hashlib
import json
from time import time

class Block:
    def __init__(self, index, transactions, timestamp, previous_hash):
        self.index = index
        self.transactions = transactions
        self.timestamp = timestamp
        self.previous_hash = previous_hash
        self.hash = self.calculate_hash()
        
    def calculate_hash(self):
        block_string = json.dumps(self.__dict__, sort_keys=True)
        return hashlib.sha256(block_string.encode()).hexdigest()

调试技巧:

  • 打印区块哈希验证计算逻辑
  • 使用单元测试验证区块链完整性
  1. 计算器程序
# 简单计算器实现
import operator

def calculator():
    operations = {
        '+': operator.add,
        '-': operator.sub,
        '*': operator.mul,
        '/': operator.truediv
    }
    
    num1 = float(input("输入第一个数字: "))
    op = input("选择操作(+ - * /): ")
    num2 = float(input("输入第二个数字: "))
    
    result = operations[op](num1, num2)
    print(f"结果: {result}")

calculator()
  1. 文件管理系统
# 基础文件管理
import os

def file_manager():
    while True:
        print("\n文件管理系统")
        print("1. 列出文件")
        print("2. 创建文件")
        print("3. 删除文件")
        print("4. 退出")
        
        choice = input("选择操作: ")
        
        if choice == '1':
            files = os.listdir('.')
            print("当前目录文件:")
            for f in files:
                print(f)
        elif choice == '2':
            filename = input("输入文件名: ")
            with open(filename, 'w') as f:
                f.write("")
            print(f"文件 {filename} 已创建")
        elif choice == '3':
            filename = input("输入要删除的文件名: ")
            if os.path.exists(filename):
                os.remove(filename)
                print(f"文件 {filename} 已删除")
            else:
                print("文件不存在")
        elif choice == '4':
            break
        else:
            print("无效选择")

file_manager()
  1. 网络爬虫
# 简单网页爬虫
import requests
from bs4 import BeautifulSoup

def simple_crawler(url):
    try:
        response = requests.get(url)
        soup = BeautifulSoup(response.text, 'html.parser')
        print(f"网页标题: {soup.title.string}")
        print("所有链接:")
        for link in soup.find_all('a'):
            print(link.get('href'))
    except Exception as e:
        print(f"错误: {e}")

simple_crawler('https://www.python.org')
  1. Web应用(Flask/Django)
# Flask示例
from flask import Flask

app = Flask(__name__)

@app.route('/')
def hello():
    return "Hello, Python!"

if __name__ == '__main__':
    app.run()
  1. 数据可视化
# 使用matplotlib绘图
import matplotlib.pyplot as plt

def plot_example():
    x = [1, 2, 3, 4, 5]
    y = [2, 4, 6, 8, 10]
    
    plt.plot(x, y)
    plt.title("简单折线图")
    plt.xlabel("X轴")
    plt.ylabel("Y轴")
    plt.show()

plot_example()

项目开发建议

  1. 从简单项目开始：先完成基础功能，再逐步添加复杂特性
  2. 版本控制：使用Git管理代码版本
  3. 文档编写：为每个项目编写README说明
  4. 测试驱动：先写测试用例再开发功能
  5. 代码重构：定期优化代码结构和性能

每天学习2-3小时，坚持项目实践，1个月后你将掌握Python实际开发能力！
建议学习路径:

  1. 第1周: 基础语法和函数
  2. 第2周: 面向对象编程
  3. 第3周: 标准库和项目实践
  4. 第4周: 高级特性和框架学习

常见问题

  1. Python版本选择

    • 推荐使用Python 3.8+版本，新特性更丰富且兼容性好
    • 使用python --version检查当前版本

  2. 虚拟环境使用

    # 创建虚拟环境
python -m venv myenv

# 激活虚拟环境(Linux/Mac)
source myenv/bin/activate

# 安装包到虚拟环境
pip install package_name

# 退出虚拟环境
deactivate

  3. 性能优化技巧

    • 使用列表推导式替代循环
    # 传统方式
squares = []
for x in range(10):
    squares.append(x**2)

# 列表推导式
squares = [x**2 for x in range(10)]
    • 使用生成器节省内存
    # 生成器表达式
gen = (x**2 for x in range(1000000))

# 生成器函数
def generate_squares(n):
    for x in range(n):
        yield x**2

  4. 模块导入错误

    try:
    import requests
except ImportError:
    print("请先安装requests模块: pip install requests")

  5. 编码问题

    • 在文件开头添加# -*- coding: utf-8 -*-解决中文编码问题
    • 使用.encode('utf-8')和.decode('utf-8')处理字符串编码

  6. 性能优化

    • 使用timeit模块测试代码执行时间
    • 避免不必要的循环和递归

调试技巧

  1. print调试

    print(f"变量值: {variable}")  # 简单有效

  2. 日志记录进阶

    import logging

# 配置日志
logging.basicConfig(
    level=logging.DEBUG,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
    filename='app.log'
)

# 不同级别日志
logging.debug('调试信息')
logging.info('普通信息')
logging.warning('警告信息')
logging.error('错误信息')
logging.critical('严重错误')

  3. 性能分析

    import cProfile

def slow_function():
    total = 0
    for i in range(1000000):
        total += i
    return total

# 运行性能分析
cProfile.run('slow_function()')

  4. 内存分析

    import tracemalloc

tracemalloc.start()

# 你的代码
data = [i for i in range(1000000)]

snapshot = tracemalloc.take_snapshot()
top_stats = snapshot.statistics('lineno')

for stat in top_stats[:10]:
    print(stat)

  5. pdb调试器

    import pdb; pdb.set_trace()  # 设置断点

  6. 日志记录

    import logging
logging.basicConfig(level=logging.DEBUG)
logging.debug('调试信息')

  7. IDE调试工具

    • 使用VS Code/PyCharm等IDE的调试功能
    • 设置断点、单步执行、查看变量值

  8. 异常处理

    try:
    # 可能出错的代码
except Exception as e:
    print(f"错误类型: {type(e).__name__}")
    print(f"错误详情: {str(e)}")

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布