当包变得很大时，可能很难记住东西在哪里，并且我们想要的对象的点路径可能很麻烦。作者似乎解决这个问题的一种方法是将“最好的”对象的引用带到顶部，尽管这些代码实际上可以存在于下面的几个包级别中。
这让人可以说：
from pandas import wide_to_long
代替
from pandas.core.reshape.melt import wide_to_long
但是这样做的来龙去脉以及该方法的最佳实践是什么？不加载__init__.py带有许多导入的顶部（为了使它们在顶层可用）是否意味着包的单个对象的任何导入突然会占用比所需更多的内存 - 因为 中提到的所有内容都会自动__init__.py加载？
然而，包却可以做到这一点。例如，看看可以从顶层numpy或底层导入什么（可以在这个要点pandas中找到运行您自己的诊断的代码）。
$ python print_top_level_diagnosis.py numpy
--------- numpy ---------
599 objects can be imported from top level numpy:
19 modules
300 functions
104 types
depth count
0 162
1 406
2 2
3 29
4 1
$ python print_top_level_diagnosis.py pandas
--------- pandas ---------
115 objects can be imported from top level pandas:
12 modules
55 functions
40 …该 GitHub 组织（到目前为止）拥有 27 个存储库。我希望能够立即查看所有这些内容，而不必逐一前往每个单独的存储库来查看其问题。
令我惊讶的是，我注意到在函数调用中，我可以用甚至不是有效的 python 标识符的dict字符串来解压 a 。
让我感到惊讶的是，因为参数名称必须是标识符，因此允许函数调用解包**kwargs具有非标识符的 a 且没有运行时错误，这似乎并不健康（因为它可能会将问题埋藏得比实际发生的地方更深）。
除非能够做到这一点有实际用途，在这种情况下我的问题就变成“那会有什么用途？”。
考虑这个函数：
def foo(**kwargs):
first_key, first_val = next(iter(kwargs.items()))
print(f"{first_key=}, {first_val=}")
return kwargs
这表明，在函数调用中，您无法解压dict具有整数键的 a，这是预期的。
>>> t = foo(**{1: 2, 3: 4})
TypeError Traceback (most recent call last)
...
TypeError: foo() keywords must be strings
另一方面，真正出乎意料且令人惊讶的是，您可以使用dict字符串键解压 a，即使这些不是有效的 python 标识符：
>>> t = foo(**{'not an identifier': 1, '12': 12, ',(*&$)': 100})
first_key='not an identifier', first_val=1
>>> t
{'not an identifier': 1, '12': 12, …我可以ffmpeg通过这样做将 mp4 转换为 wav，使用，：
ffmpeg -vn test.wav -i test.mp4
subprocess只要我的输入和输出是文件路径，我也可以使用它来做同样的事情。
但是如果我想ffmpeg直接在字节或“类文件”对象上使用io.BytesIO()怎么办？
这是一个尝试：
ffmpeg -vn test.wav -i test.mp4
给我：
---------------------------------------------------------------------------
UnsupportedOperation Traceback (most recent call last)
<ipython-input-84-0ddce839ebc9> in <module>
5 with open('test.mp4', 'rb') as stream:
6 command = ['ffmpeg', '-i']
----> 7 proc = subprocess.Popen(command, stdin=subprocess.PIPE, stdout=b)
...
1486 # Assuming file-like object
-> 1487 c2pwrite = stdout.fileno()
1488
1489 if stderr is None:
UnsupportedOperation: fileno
当然，我可以使用临时文件来收集我的字节，但我希望能够避免写入磁盘（因为这一步只是转换管道中的一个链接）。
我想获得所有标准库包的名称列表。
通过这种方式，我的意思是那些我认为上市解析https://docs.python.org/3/library/：字符串name为其
__import__(name)
sys.builtin_module_names 看起来很有希望，但事实并非如此。
我想过解析~/.pyenv/versions/3.8.6/lib/python3.8/或https://docs.python.org/3/library/，但肯定有更好的方法！
对于那些需要X 代表 Y 的人：我正在静态导航包的导入以分析它们——即，查看使用了哪些第三方包、哪些标准库、使用频率等。
在“组织”github帐户中，我可以设置一些全局秘密，PYPI_USERNAME并使PYPI_PASSWORD它们“可用于公共存储库”，然后在我的中使用它们，ci.yml如下所示：
twine upload dist/$PROJECT_NAME-$VERSION.tar.gz -u ${{ secrets.PYPI_USERNAME }} -p ${{ secrets.PYPI_PASSWORD }} --non-interactive --skip-existing --disable-progress-bar
但在我的“用户”github 帐户中，我找不到任何此类组织范围内的秘密，因此我发现自己必须为每个单独的存储库输入我的秘密，这是反人类罪（现在）。
functools.partial我想知道这些和事实背后的故事 - 无论是声音设计还是继承的遗产 - inspect.signature（这里谈论 python 3.8）。
设置：
from functools import partial
from inspect import signature
def bar(a, b):
return a / b
一切都从以下开始，这似乎符合咖喱标准。我们正在固定a位置3，a从签名中消失，它的值确实绑定到3：
f = partial(bar, 3)
assert str(signature(f)) == '(b)'
assert f(6) == 0.5 == f(b=6)
如果我们尝试为 指定一个替代值a，f不会告诉我们我们得到了一个意外的关键字，而是告诉我们它有多个参数值a：
f = partial(bar, 3)
assert str(signature(f)) == '(b)'
assert f(6) == 0.5 == f(b=6)
但现在如果我们b=3通过关键字修复，b则不会从签名中删除，它是对仅关键字的更改，我们仍然可以使用它（覆盖默认值，作为正常的默认值，这是我们在a之前无法做到的）案件）：
f(a=2, …我试图更好地理解 python 数据模型，但遇到了一些奇怪的事情。
def foo(a, b = 2):
return a / b
assert foo(20) == 10.0
# note: for sanity purposes, should also change signature, but not needed for effect
foo.__defaults__ = (10,)
assert foo(20) == 2.0
foo.__defaults__ = ()
foo.__kwdefaults__ = {'b': 10}
foo(20) # raises TypeError: foo() missing 1 required positional argument: 'b'
预计会出现错误：__kwdefaults__仅针对关键字参数，因此让我们创建b一个仅关键字参数来尝试解决此问题：
from inspect import signature
foo.__signature__ = signature(lambda a, *, b=10: None)
foo(20) # still raises TypeError: foo() missing 1 required …下面的函数确实（似乎）完成了这项工作，但似乎有比必要的更多的样板。
我确信有一种更优雅的方法。它将部分代码分解出来，使其看起来不像现在的复制/粘贴/编辑补丁工作。
但请注意，优雅并不是一切：我不希望性能受到影响。例如，我可以通过执行两个装饰器将代码减半：一个用于输入转换，另一个用于输出转换。但这会比当前版本效率低。
def input_output_decorator(preprocess=None, postprocess=None):
def decorator(func):
if inspect.ismethod(func):
if preprocess is not None:
if postprocess is not None: # both pre and post processes
@wraps(func)
def func_wrapper(self, *args, **kwargs):
return postprocess(func(self, preprocess(*args, **kwargs)))
else: # a preprocess but no postprocess
@wraps(func)
def func_wrapper(self, *args, **kwargs):
return func(self, preprocess(*args, **kwargs))
else: # no preprocess
if postprocess is not None: # no preprocess, but a postprocess
@wraps(func)
def func_wrapper(self, *args, **kwargs):
return postprocess(func(*args, **kwargs))
else: # no pre or post …有许多方法装饰器的示例可以将方法转换为缓存的属性。但有时，我想检查缓存是否处于“活动”状态，这意味着该属性已被访问并且缓存已被填充。
例如，如果我使用rows缓存将 sql 表存储在 a 中rows，我想根据缓存计算表的长度（如果已填充），但如果没有填充，则通过单独的 sql 调用。如何在rows不触发访问的情况下检查是否已被访问？
这是一个很好的装饰器，取自 David Beazley 的“Python Cookbook”），我正在使用它来满足我的缓存属性需求。我已经增强了它以启用我当前的黑客。
class lazyprop:
def __init__(self, func):
self.func = func
def __get__(self, instance, cls):
if instance is None:
return self
else:
value = self.func(instance)
setattr(instance, self.func.__name__, value)
setattr(instance, self.func.__name__ + '__cache_active', True) # my hack
return value
使用示例：
>>> class Test:
... def __init__(self, a):
... self.a = a
... @lazyprop
... def len(self):
... print('generating "len"')
... return len(self.a)
>>> t = …从 Python 3.8 开始，functools有一个cached_property. 我一直在使用lazyprop基于 Beazley 的食谱（下面的代码）的类似装饰器，但是当我用内置函数替换时，我遇到了问题。这是其中之一。
当我在类定义中使用装饰器时，使用@运算符，它不会抱怨。
但是如果我将它与 一起使用setattr，我会得到：
TypeError: Cannot use cached_property instance without calling __set_name__ on it.
Beazley 的简单版本虽然很好用。
TypeError: Cannot use cached_property instance without calling __set_name__ on it.
假设我有一个包含一堆对象的模块，其中没有一个需要第三方库。好吧，几乎没有：一个函数（称为 ）asterix()需要第三方包。asterix()不是该模块的重点，但在需要时使用很方便。
仅仅为了这个功能就必须要求并导入整个第三方包似乎是一种耻辱。我有什么选择？转移asterix()到另一个模块/包或供应商似乎很愚蠢。
我发现快速和干净的最佳平衡是简单地在asterix()其内部进行导入，可能需要一些额外的 try/ except 逻辑。它违反了最小意外原则和进口优先的惯例。但我告诉自己我永远都会违反一些事情。
群众智慧对此有何看法？我缺少什么明显的东西吗？
def asterix(...):
try:
import something_special
except ModuleNotFoundError as err:
# do something about err (help the user out!)
# The special code...