我想f(*args, **kwargs)从已安装的模块中进行猴子修补。我在自己的代码中使用了装饰器的想法,但是已安装模块中的其他方法无法f正确调用。
这是一个例子:
import numpy as np
def log(func):
def wrapper(*args, **kwargs):
print('logging')
return func(*args, **kwargs)
return wrapper
if __name__ == "__main__":
a1 = np.asarray([0, 1, 2])
print(f'a1={a1}')
a2 = np.array([0, 1, 2])
print(f'a2={a2}')
np.array = log(np.array)
a3 = np.asarray([0, 1, 2])
print(f'a3={a3}')
a4 = np.array([0, 1, 2])
print(f'a4={a4}')
Run Code Online (Sandbox Code Playgroud)
输出是:
a1=[0 1 2]
a2=[0 1 2]
a3=[0 1 2]
logging
a4=[0 1 2]
Run Code Online (Sandbox Code Playgroud)
我希望结果是:
a1=[0 1 2]
a2=[0 1 2]
logging
a3=[0 1 2]
logging
a4=[0 …Run Code Online (Sandbox Code Playgroud) monkeypatching metaprogramming python-import python-3.x python-internals
当我按下tab命令时python3.7,我得到以下信息
python3.7 python3.7-config python3.7m python3.7m-config
Run Code Online (Sandbox Code Playgroud)
我查了一下内容python3.7m并找到了答案 - /sf/answers/1167413761/。
接下来我进入每个实现的python终端并输入以下代码
>>> import sysconfig
>>> sysconfig.get_config_var('EXT_SUFFIX')
Run Code Online (Sandbox Code Playgroud)
我在两个 python 实现中得到相同的输出,即.cpython-37m-darwin.so
我还尝试了该命令diff <(python3.7 -m sysconfig) <(python3.7m -m sysconfig)来查看两个可执行文件的配置信息是否有任何差异,但输出为空意味着它们是相同的。
如果所有可执行文件和配置变量都相同,那么为什么要创建两个不同的 python 实现呢?
笔记:
我不是在谈论python3.7/3.7m-config这里。
我有兴趣找到在 Python 中初始化空集的最快方法(我使用的是 3.8)。{}您不能像创建 那样实例化空集dict,因此通常建议使用set()构造函数。前几天我注意到还有另一种方法来实例化空集:您可以将空元组解压()到{...}集合的语法中,如下所示:{*()}。timeit使用in 中的模块对此进行计时ipython会得到以下结果:
%timeit {*()}\n67.7 ns \xc2\xb1 1.68 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 10000000 loops each)\n\n%timeit set()\n84.5 ns \xc2\xb1 2.57 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 10000000 loops each)\nRun Code Online (Sandbox Code Playgroud)\n我发现这很奇怪 -set()相对于{*()}. 过去也曾对例如[]vs.list()和{}vs.进行过相同的观察dict()。
%timeit []\n17.8 ns \xc2\xb1 0.791 …Run Code Online (Sandbox Code Playgroud) 我正在做很多基准测试。我从来没有见过这样的事情。我很困惑。创建一个根本不使用的额外全局变量可以使我的部分代码速度提高约 20%。为什么?
\n我正在对一个生成可迭代对象的函数进行基准测试,测量消耗(迭代)它们所需的时间。我有两种食用方式。我获得高 CPU 份额的典型时间:
\n | Without the variable | With the variable \n-------+----------------------+-------------------\nOutput | 0.74 s consume_1 | 0.72 s consume_1 \n | 0.96 s consume_2 | 0.77 s consume_2 \n | | \n | 0.74 s consume_1 | 0.75 s consume_1 \n | 0.96 s consume_2 | 0.78 s consume_2 \n | | \n | 0.73 s consume_1 | 0.73 s consume_1 \n | 0.95 s consume_2 | 0.78 s consume_2 \n-------+----------------------+-------------------\nDebug | Real time: …Run Code Online (Sandbox Code Playgroud) >>> import sys
>>> sys.getsizeof("")
40
Run Code Online (Sandbox Code Playgroud)
为什么空字符串包含这么多字节?有人知道这40个字节中存储了什么吗?
在Python 2.7.5下
>>> import sys
>>> sys.getrefcount(10000)
3
Run Code Online (Sandbox Code Playgroud)
这三个引用计数在哪里?
PS:当10000 PyIntObject将Py_DECREF改为0 ref并解除分配时?不要说gc的东西,引用计数本身可以在没有gc的情况下工作.
我这样做:
>>> dis.dis(lambda: 1 + 1)
0 LOAD_CONST 2 (2)
3 RETURN_VALUE
Run Code Online (Sandbox Code Playgroud)
我期待BINARY_ADD操作码来执行添加.如何计算总和?
我们知道,Python的一些数据结构使用哈希表来存储像set或的项目dictionary.所以这些对象没有顺序.但似乎对某些数字序列而言并非如此.
例如,请考虑以下示例:
>>> set([7,2,5,3,6])
set([2, 3, 5, 6, 7])
>>> set([4,5,3,0,1,2])
set([0, 1, 2, 3, 4, 5])
Run Code Online (Sandbox Code Playgroud)
但是,如果我们进行一些小改动,它就没有排序:
>>> set([8,2,5,3,6])
set([8, 2, 3, 5, 6])
Run Code Online (Sandbox Code Playgroud)
所以问题是:Python的哈希函数如何对整数序列起作用?
如果我运行以下代码:
a={}
a[input("key: ")] = input("value: ")
Run Code Online (Sandbox Code Playgroud)
口译员首先提示我a value input然后是key input.
这背后的原因是什么?
我正在迭代一个列表如下:
some_list = [1, 2, 3, 4]
another_list = [1, 2, 3, 4]
for idx, item in enumerate(some_list):
del some_list[idx]
for item in another_list:
another_list.remove(item)
Run Code Online (Sandbox Code Playgroud)
当我打印出列表的内容时
>>> some_list
[2, 4]
>>> another_list
[2, 4]
Run Code Online (Sandbox Code Playgroud)
我知道Python不支持修改list迭代它,而正确的方法是迭代列表的副本(所以请不要downvote).但我想知道幕后究竟发生了什么,即为什么输出上面的片段[2, 4]?
python-internals ×10
python ×9
python-3.x ×4
python-2.7 ×3
benchmarking ×1
cpython ×1
dictionary ×1
for-loop ×1
hashtable ×1
input ×1
list ×1
performance ×1
set ×1