Python 除了处理计算之外,其他都是可读的
我有一个程序,我需要做很多计算,但输入可能不完整(因此我们不能总是计算所有结果),这本身是好的,但会给代码的可读性带来问题:Python 除了处理计算之外,其他都是可读的,python,Python,我有一个程序,我需要做很多计算,但输入可能不完整(因此我们不能总是计算所有结果),这本身是好的,但会给代码的可读性带来问题: def try_calc(): a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'} try: a['10'] = float(a['1'] * a['2']) except (ZeroDivisionError, KeyError, TypeError, Va
def try_calc():
a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'}
try:
a['10'] = float(a['1'] * a['2'])
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
a['10'] = None
try:
a['11'] = float(a['1'] * a['5'])
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
a['11'] = None
try:
a['12'] = float(a['1'] * a['6'])
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
a['12'] = None
try:
a['13'] = float(a['1'] / a['2'])
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
a['13'] = None
try:
a['14'] = float(a['1'] / a['3'])
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
a['14'] = None
try:
a['15'] = float((a['1'] * a['2']) / (a['3'] * a['4']))
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
a['15'] = None
return a
In [39]: %timeit try_calc()
100000 loops, best of 3: 11 µs per loop
所以这很好用,性能很高,但实际上是不可读的。我们想出了另外两种方法来处理这个问题。
1:使用内部处理问题的专门功能
import operator
def div(list_of_arguments):
try:
result = float(reduce(operator.div, list_of_arguments, 1))
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
result = None
return result
def mul(list_of_arguments):
try:
result = float(reduce(operator.mul, list_of_arguments, 1))
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
result = None
return result
def add(list_of_arguments):
try:
result = float(reduce(operator.add, list_of_arguments, 1))
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
result = None
return result
def try_calc2():
a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'}
a['10'] = mul([a['1'], a['2']])
a['11'] = mul([a['1'], a['5']])
a['12'] = mul([a['1'], a['6']])
a['13'] = div([a['1'], a['2']])
a['14'] = div([a['1'], a['3']])
a['15'] = div([
mul([a['1'], a['2']]),
mul([a['3'], a['4']])
])
return a
In [40]: %timeit try_calc2()
10000 loops, best of 3: 20.3 µs per loop
速度是原来的两倍,老实说,仍然不那么可读。
选项2:封装内部eval语句
def eval_catcher(term):
try:
result = float(eval(term))
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
result = None
return result
def try_calc3():
a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'}
a['10'] = eval_catcher("a['1'] * a['2']")
a['11'] = eval_catcher("a['1'] * a['5']")
a['12'] = eval_catcher("a['1'] * a['6']")
a['13'] = eval_catcher("a['1'] / a['2']")
a['14'] = eval_catcher("a['1'] / a['3']")
a['15'] = eval_catcher("(a['1'] * a['2']) / (a['3'] * a['4'])")
return a
In [41]: %timeit try_calc3()
10000 loops, best of 3: 130 µs per loop
速度非常慢(与其他备选方案相比),但同时也是可读性最强的一种。
我知道一些问题(KeyError、ValueError)也可以通过预处理字典来处理,以确保键的可用性,但这仍然不会留下任何错误(TypeError)和ZeroDivisionError,因此我认为这没有任何好处
我的问题:
-我是否错过了其他选择?
-我想用这种方式解决这个问题,是不是完全疯了?
-有没有更像蟒蛇的方法?
-您认为最好的解决方案是什么?为什么?将您的计算存储为lambda如何?然后,您可以循环遍历所有这些对象,只需使用一个try-except块
def try_calc():
a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'}
calculations = {
'10': lambda: float(a['1'] * a['2']),
'11': lambda: float(a['1'] * a['5']),
'12': lambda: float(a['1'] * a['6']),
'13': lambda: float(a['1'] / a['2']),
'14': lambda: float(a['1'] / a['3']),
'15': lambda: float((a['1'] * a['2']) / (a['3'] * a['4']))
}
for key, calculation in calculations.iteritems():
try:
a[key] = calculation()
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
a[key] = None
顺便说一句,如果计算顺序很重要,我不建议这样做,比如在原始代码中:
a['3'] = float(a['1'] * a['2'])
a['5'] = float(a['3'] * a['4'])
因为dict是无序的,所以不能保证第一个等式会在第二个之前执行。因此,可以使用
a['3']
的新值计算a['5']
,也可以使用旧值。(这与问题中的计算无关,因为从未分配过键1到键6,也从未在计算中使用键10到键15。)与Kevin的稍有不同,您不需要预先存储计算,而是使用装饰器和lambda来处理错误,例如:
from functools import wraps
def catcher(f):
@wraps
def wrapper(*args):
try:
return f(*args)
except (ZeroDivisionError, KeyError, TypeError, ValueError):
return None
return wrapper
a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'}
print catcher(lambda: a['1'] * a['5'])()
正如我在评论中提到的,您也可以将通用作为您的第二个示例:
import operator
def reduce_op(list_of_arguments, op):
try:
result = float(reduce(op, list_of_arguments, 1))
except (ZeroDivisionError, KeyError, TypeError, ValueError) as e:
result = None
return result
a['10'] = do_op([a['1'], a['2']], operator.mul)
# etc...
我有两个解决方案,一个比另一个稍微快一点
更具可读性:
def try_calc():
a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'}
fn_map = {
'*': operator.mul,
'/': operator.div,
}
def calc(x, fn, y):
try:
return float(fn_map[fn](a[x], a[y]))
except (ZeroDivisionError, KeyError, TypeError, ValueError):
return None
a['10'] = calc('1', '*', '2')
a['11'] = calc('1', '*', '5')
a['12'] = calc('1', '*', '6')
a['13'] = calc('1', '/', '2')
a['14'] = calc('1', '/', '3')
a['15'] = calc(calc('1', '*', '2', '/', calc('3', '*', '4'))
return a
稍微快一点:
from operator import mul, div
def try_calc():
a = {'1': 100, '2': 200, '3': 0, '4': -1, '5': None, '6': 'a'}
def calc(x, fn, y):
try:
return float(fn(a[x], a[y]))
except (ZeroDivisionError, KeyError, TypeError, ValueError):
return None
a['10'] = calc('1', mul, '2')
a['11'] = calc('1', mul, '5')
a['12'] = calc('1', mul, '6')
a['13'] = calc('1', div, '2')
a['14'] = calc('1', div, '3')
a['15'] = calc(calc('1', mul, '2', div, calc('3', mul, '4'))
return a
您可以将div/mul/add
调整为更通用的reduce\u列表(参数列表,op)
,并传入操作符。add
&co。因为op
…函数样式可以提高可读性,但函数调用在Python中非常昂贵…为什么不能消除所有异常<代码>类型错误
异常通过isinstance
如前所述,通过将计算结果除以0设置为None
异常,而不尝试执行实际计算。您好,问题是,我不认为它会提高可读性或功能理解,而是为每个计算创建大量“if-then-elif-then-else”语句。另请参见:这实际上是一个非常好的解决方案,性能非常高(介于当前解决方案和选项1之间)!Hmmm无法编辑我以前的评论。关于顺序,这很重要,但我们可以通过制作一个元组列表来解决这个问题:[('10',lambda:float(a['1']*a['2']),('11',等等]@Carst只需注意-你只能在发布评论后5分钟内编辑评论:)这也是一个非常好的、绝对可读的解决方案;我想我更喜欢你的第一个解决方案而不是第二个,因为“(a['1']*a['2'])/(a['3']*a['4'])示例在第一个解决方案中仍然是完全可读的,理解起来可能有点头疼。谢谢你的意见,处理这个问题的方法真的很有趣!