python知识点总结三
- 1、有一个文件file.txt大小约为10G，但是内存只有4G，如果在只修改get_lines 函数而其他代码保持不变的情况下，应该如何实现? 需要考虑的问题都有那些?
- 2、交换2个变量的值
- 3、回调函数
- 4、Python-遍历列表时删除元素的正确做法,
- 解决办法：
- 5、装饰器的理解、并实现一个计时器记录执行性能
- 6、输入某年某月某日，判断这一天是这一年的第几天
- 7、python的内存管理机制以及调优手段
- 8、内存溢出是什么？如何避免
- 9、迭代器、可迭代对象、生成器
- 10、用python代码实现内置max方法
- 11、Python中yield的用法?
- 12、使用lambda函数对list排序foo=[-5,8,0,4,9,-4,-20,-2,8,2,-4],正数从小到大，负数从大到小
- 13、题目025：求1+2!+3!+...+20!的和
1、有一个文件file.txt大小约为10G，但是内存只有4G，如果在只修改get_lines 函数而其他代码保持不变的情况下，应该如何实现? 需要考虑的问题都有那些?
def get_lines():
with open('file.txt','rb') as f:
# return f.readlines()
#分段读取
while True:
part=f.read(1024)
if part:
yield part
else:
return None
if __name__ == '__main__':
for e in get_lines():
print(e)
2、交换2个变量的值
a=1
b=2
#方法1
a,b=b,a
print(a,b)
#方法2
c=a
a=b
b=c
#方法3
a=a+b
b=a-b
a=a-b
print(a,b)
3、回调函数
def func(cb):
#回调
res=cb(8)
return res
def callback2(x):
return x*10
# func(callback)
res2=func(callback2)
print(res2)
4、Python-遍历列表时删除元素的正确做法,
背景
a = [1,2,3,4,5,6,7,8]
for i in a:
if i>5:
pass
else:
a.remove(i)
print(a)
运行结果
[2, 3, 4, 5, 6, 7, 8]
[2, 4, 5, 6, 7, 8]
[2, 4, 6, 7, 8]
[2, 4, 6, 7, 8]
[2, 4, 6, 7, 8]
因为删除元素后，整个列表的元素会往前移动，而i却是在最初就已经确定了，是不断增大的，所以并不能得到想要的结果。
解决办法：
遍历在新的列表操作，
删除时在原来的列表操作。
方法1
a=[1,2,3,4,5,6,7]
aa=a[:]
for i in aa:
if i>4:
pass
else:
a.remove(i)
print(a)
方法2
a=[1,2,3,4,5,6,7]
for i in range(len(a)-1,-1,-1):
if a[i]>4:
pass
else:
a.remove(a[i])
print(a)
5、装饰器的理解、并实现一个计时器记录执行性能
class S2:
def __init__(self, func):
self.func = func
def __call__(self, *args, **kwargs):
start = time.time()
res = self.func(*args, **kwargs)
end = time.time()
print('总时间:', end - start)
return res
@S2
def func(a, b):
time.sleep(2)
return a + b
print(func(3, 4))
6、输入某年某月某日，判断这一天是这一年的第几天
def dayofyear():
year = input('请输入年份:')
month = input('请输入月份:')
day = input('请输入天:')
date1=datetime.date(year=int(year),month=int(month),day=int(day))
date2=datetime.date(year=int(year),month=1,day=1)
return (date1-date2).days+1
r=dayofyear()
print(r)
7、python的内存管理机制以及调优手段
调优手段：
1、使用生成器和迭代器：生成器和迭代器可以按需生成和处理数据，避免一次性加载大量的数据到内存。
2、使用适当的数据结果：选择合适的数据结构可以减轻内存占用。例如，是哟个集合代替列表可以避免重复元素占用额外的内存。
3、及时释放不再使用的对象：手动解除对不再使用的对象的引用，可以加速垃圾回收并释放内存。
4、使用内存分析工具：使用内存分析工具memory_profiler可以帮助我们分析内存使用情况，找到内存占用较大的部分，并进行优化。
8、内存溢出是什么？如何避免
由于内存是有限的，当计算机内存中存在大量的相互（循环）引用计数时，会占用大部分的内存；当新的变量进来时，但是内存不够用了，所以不会去开辟新的内存地址。
原因：
1、内存中加载的数据量过大，如一次从数据库取出过多数据，一般比如数据库查询未做分页处理。
2、对象循环引用
3、代码中存在死循环或者循环产生过多重复的对象实体
4、使用第三方软件的bug，一般引用第三方jar包过多会出现此类问题。
5、启动参数内存值设定的过小，这种可能性很小服务器参数设置一般会出现这类问题
解决：
第一步，修改JVM启动参数，直接增加内存。(-Xms，-Xmx参数一定不要忘记加。)
第二步，检查错误日志，查看“OutOfMemory”错误前是否有其它异常或错误。
第三步，对代码进行走查和分析，找出可能发生内存溢出的位置。
重点排查以下几点：
1.检查对数据库查询中，是否有一次获得全部数据的查询。一般来说，如果一次取十万条记录到内存，就可能引起内存溢出。这个问题比较隐蔽，在上线前，数据库中数据较少，不容易出问题，上线后，数据库中数据多了，一次查询就有可能引起内存溢出。因此对于数据库查询尽量采用分页的方式查询。
2.检查代码中是否有死循环或递归调用。
3.检查是否有大循环重复产生新对象实体。
4.检查List、MAP等集合对象是否有使用完后，未清除的问题。List、MAP等集合对象会始终存有对对象的引用，使得这些对象不能被GC回收。
第四步，使用内存查看工具动态查看内存使用情况
9、迭代器、可迭代对象、生成器
https://blog.csdn.net/YZL40514131/article/details/119990819
https://blog.csdn.net/YZL40514131/article/details/119989244
10、用python代码实现内置max方法
l=[
{'name':'zs','age':18},
{'name':'ls','age':19},
{'name':'ww','age':17}
]
print(max(l,key=lambda x:x['age']))
def my_max(*args,key=None):
# args=([],)
args=args[0] if len(args)==1 else args
if key==None:
max_=args[0]
for n in args:
if n > max_:
max_=n
return max_
else:
max_=args[0]
for n in args:
if key(n)>key(max_):
max_=n
return max_
print(my_max([1,2,3,8,5,6]))
print(my_max(l,key=lambda x:x['age']))
11、Python中yield的用法?
https://blog.csdn.net/YZL40514131/article/details/119989244
12、使用lambda函数对list排序foo=[-5,8,0,4,9,-4,-20,-2,8,2,-4],正数从小到大，负数从大到小
foo=[-5,8,0,4,9,-4,-20,-2,8,2,-4]
foo1=sorted(foo,key=lambda x:(x<0,abs(x)))
print(foo1)
[0, 2, 4, 8, 8, 9, -2, -4, -4, -5, -20]
13、题目025：求1+2!+3!+…+20!的和
def fun_tm():
s=0
t=1
for n in range(1,21):
t=t*n
s=s+t
print(s)
fun_tm()
