دستوراتی که در Python استفاده میکنم

عدم ایجاد فایلهای کش ' __pycache__'

# first way is to set an environment variable
$ export PYTHONDONTWRITEBYTECODE=1
# to make it permanent, put it in '.bashrc' file
# second way is to run python script with '-B' option

# first way is to set an environment variable

$ export PYTHONDONTWRITEBYTECODE=1

# to make it permanent, put it in '.bashrc' file

# second way is to run python script with '-B' option

نصب یک نسخه مشخص کتابخانه در pip

$ pip install 'pytest>=4.0.1'
$ pipenv install 'redis==2.10.6'

1 2	$ pip install 'pytest>=4.0.1' $ pipenv install 'redis==2.10.6'

دانلود پکیچها و ذخیره اونها در یک مسیر خاص

$ pip download -r requirements.txt -d destination_dir

1	$ pip download -r requirements.txt -d destination_dir

نصب پکیجها از یک مسیر خاص

$ pip install -r requirements.txt --find-links=destination_dir

1	$ pip install -r requirements.txt --find-links=destination_dir

دیدن مستندات پایتون با مرورگر در پورت 1234

$ pydoc -p 1234 -b

1	$ pydoc -p 1234 -b

راه اندازی وب سرور در مسیر جاری در پورت 8000 (برای مشاهده فایلها در مرورگر)

$ python -m http.server 8000 --bind 127.0.0.1

1	$ python -m http.server 8000 --bind 127.0.0.1

کانتکس منیجر، در کانتکس منیجر عبارت yield شده به متغیر اشاره شده در with تخصیص داده میشود همچنین وقتی کد از بلاک with خارح می شود کدهای قسمت finally اجرا خواهند شد

from contextlib import contextmanager

@contextmanager
def open_connection():
    try:
        conn = connection.open()
        yield conn.open()
    finally:
        connection.close()

with open_connection() as conn:
    pass

from contextlib import contextmanager

@contextmanager

def open_connection():

try:

conn = connection.open()

yield conn.open()

finally:

connection.close()

with open_connection() as conn:

pass

مانع شدن بروز یک خطای مشخص

import contextlib, os

with contextlib.suppress(FileNotFoundError):
    os.remove("somefile")

import contextlib, os

with contextlib.suppress(FileNotFoundError):

os.remove("somefile")

list comprehension و generator expression

base = [1, 2, 3]
result = [i for i in base]  # list comprehension
result = (i for i in base)  # generator expression

base = [1, 2, 3]

result = [i for i in base] # list comprehension

result = (i for i in base) # generator expression

ترکیب متغیرها با zip

a = [1, 2, 1]
b = ["a", "b", "c"]
c = ["@", "#", "$"]

for number, alpha, mark in zip(a, b, c):
    print(number, alpha, mark)

a = [1, 2, 1]

b = ["a", "b", "c"]

c = ["@", "#", "$"]

for number, alpha, mark in zip(a, b, c):

print(number, alpha, mark)

پیایش یک لیست به همراه ایندکس هر عضو

a = [1, 2, 3, 4, 5]
for index, value in enumerate(a);
    print(index, value)

a = [1, 2, 3, 4, 5]

for index, value in enumerate(a);

print(index, value)

ایجاد دیکشنری

result = dict([('a', 0),('b', 1),('c', 2),('d', 3),('e', 4)])
# Or
result = dict(a=0, b=1, c=2, d=3, e=4)
# Or
result = dict(zip(["a", "b", "c", "d", "e"], range(5)))
>>> {"a": 0, "b": 1, "c": 2, "d": 3, "e": 4}

result = dict([('a', 0),('b', 1),('c', 2),('d', 3),('e', 4)])

# Or

result = dict(a=0, b=1, c=2, d=3, e=4)

# Or

result = dict(zip(["a", "b", "c", "d", "e"], range(5)))

>>> {"a": 0, "b": 1, "c": 2, "d": 3, "e": 4}

نوع داده OrderedDict یک دیکشنری هست که ترتیب ورود و خروج متغیر ها مانند لیست در آن حفظ می شود

from collections import OrderedDict

result = OrderedDict(zip(["a", "b", "c", "d", "e"], range(5)))
>>> OrderedDict([('a', 0), ('b', 1), ('c', 2), ('d', 3), ('e', 4)])

from collections import OrderedDict

result = OrderedDict(zip(["a", "b", "c", "d", "e"], range(5)))

>>> OrderedDict([('a', 0), ('b', 1), ('c', 2), ('d', 3), ('e', 4)])

نوع داده namedtuple که با عضوهاش میشه مثل عضوهای کلاس رفتار کرد

from collections import namedtuple

Person = namedtuple("Person", "name age")
result = Person(name="test", age=1)
print(result.age, result.name)

from collections import namedtuple

Person = namedtuple("Person", "name age")

result = Person(name="test", age=1)

print(result.age, result.name)

سفارشی سازی یک تابع

from functools import partial
import requests

get_github = partial(requests.get, url="https://google.com")
print(get_github().text)

from functools import partial

import requests

get_github = partial(requests.get, url="https://google.com")

print(get_github().text)

محک زدن سرعت اجرای یک تابع

import timeit

t = timeit.Timer(stmt="run()", setup="from test imort run")
t.timeit(number=1)

import timeit

t = timeit.Timer(stmt="run()", setup="from test imort run")

t.timeit(number=1)

پیش فرض کردن یک نوع داده خاص برای عضوهای یک دیکشنری

from collections import defaultdict 
d = defaultdict(int) 

d['a'] += 0 # OK

# or
d = {}
d.setdefault('a', 0)
d['a'] += 0 # OK

from collections import defaultdict

d = defaultdict(int)

d['a'] += 0 # OK

# or

d = {}

d.setdefault('a', 0)

d['a'] += 0 # OK

قرار دادن یک مقدار خاص برای یک عضو دیکشنری در صورت نبود آن

d = {} 
d.get('X') # => None
d.setdefault('X', 'test') 
d['X'] # => 'test'

d = {}

d.get('X') # => None

d.setdefault('X', 'test')

d['X'] # => 'test'

یپدا کردن فایل سوس یک ماژول یا پکیج

import imp
imp.find_module('logging')
# (None, '/usr/lib/python3.6/logging', ('', '', 5)

import imp

imp.find_module('logging')

# (None, '/usr/lib/python3.6/logging', ('', '', 5)

نمایش استاندارد زمان و تاریخ (بر اساس منطقه زمانی سیستم)

from datetime import datetime
current_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
# '2019-02-21 15:53:08

from datetime import datetime

current_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")

# '2019-02-21 15:53:08

نمایش ماژول های ایمپورت شده

import sys
print(sys.modules)

1 2	import sys print(sys.modules)

ایجاد فایلهای بایت کد برای کدهای بایتون

$ python -m compileall .

1	$ python -m compileall .

دیدن نسخه یک ماژول

# run dir(MODULE) and check which on of these presents: __version, VERSION, version
import psutil
print(psutil.__version__)

# run dir(MODULE) and check which on of these presents: __version, VERSION, version

import psutil

print(psutil.__version__)

منبع

بروزرسانی تمام پکیجهای نصب شده پایتون

$ pip list --outdated --format=freeze | grep -v '^\-e' | cut -d = -f 1 | xargs -n1 pip3 install -U

1	$ pip list --outdated --format=freeze \| grep -v '^\-e' \| cut -d = -f 1 \| xargs -n1 pip3 install -U

منبع

یک سطح یازی چند لیست چند سطحی

import functools
import operator

li = [[14], [215, 383, 87], [298], [374], [2, 3, 4, 5, 6, 7]]
flat_list = functools.reduce(operator.concat, li) print(flat_list)

import functools

import operator

li = [[14], [215, 383, 87], [298], [374], [2, 3, 4, 5, 6, 7]]

flat_list = functools.reduce(operator.concat, li) print(flat_list)

دیکوریتور

import json


def json_output(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return json.dumps(result)
    return wrapper


@json_output
def get_info(name):
    return {'name': name}


print(get_info(name='mir'))

import json

def json_output(func):

def wrapper(*args, **kwargs):

result = func(*args, **kwargs)

return json.dumps(result)

return wrapper

@json_output

def get_info(name):

return {'name': name}

print(get_info(name='mir'))

دیکوریتور به همراه آرگومان

import json
import functools


def json_output(indent=True):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            result = func(*args, **kwargs)
            return json.dumps(result, indent=indent)
        return wrapper
    return decorator


@json_output(indent=True)
def get_info(name):
    return {'name': name}

import json

import functools

def json_output(indent=True):

def decorator(func):

@functools.wraps(func)

def wrapper(*args, **kwargs):

result = func(*args, **kwargs)

return json.dumps(result, indent=indent)

return wrapper

return decorator

@json_output(indent=True)

def get_info(name):

return {'name': name}

ایجاد رشته کاملا تصادفی برای استفاده به عنوان توکن

import os
import binascii
binascii.hexlify(os.urandom(16))

import os

import binascii

binascii.hexlify(os.urandom(16))

نوشته های مشابه

برنامه های کاربردی که تو لینوکس استفاده میکنم

نوشته های مشابه

دیدگاهتان را بنویسید لغو پاسخ