百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

有用的 Python 提示和技巧 — #5(总结python函数的使用技巧)

itomcoil 2025-03-28 17:40 19 浏览

·

推导式和利用文档字符串

文档字符串是 Python 代码文档的关键组成部分。它们提供了一种简单且标准化的方式来记录模块、函数、类和方法,使开发人员能够了解代码组件的用途和功能。在 Python 中,文档字符串只是用三引号(“”“''')括起来的字符串文字,直接放置在它记录的元素下方。Python 的内置 help() 函数和文档生成工具(如 Sphinx)利用文档字符串,使其成为可维护和可访问代码的基础。

语法和约定

文档字符串通常遵循 Python 的 PEP 257 样式指南推荐的特定结构:

def example(param1, param2):
    """
    Brief description of what the function does.

    More detailed explanation if needed, including any
    edge cases or considerations.
    
    Args:
        param1 (type): Explanation of param1.
        param2 (type): Explanation of param2.
    Returns:
        type: Explanation of the return value.
    Raises:
        ExceptionType: Explanation of when the exception is raised.
    """
    ...

这种结构化方法增强了可读性,并帮助工具提取有用的元数据。值得注意的是,第一行应提供函数用途的简要概述,因为某些工具仅提取此初始行进行摘要。

单行文档字符串非常适合简单的函数或方法,其中一行就足以描述目的。

def add(x, y):
    """Add two numbers and return the result."""
    return x + y

可以使用其内置的 help() 函数或 __doc__ 属性来访问文档。

help(add) # or example.__doc__
add.__doc__ # or example.__doc__

通过遵守这些实践,Python 开发人员可以创建文档齐全、可维护的代码,从而简化新贡献者的开发和入门流程。

doctest:在文档中进行测试

Python 中的 doctest 模块允许您将代码作为其文档的一部分进行测试,这使其成为快速验证示例和确保您的文档准确的便捷而强大的工具。通过在文档字符串中嵌入可测试的代码示例, doctest 会运行这些示例以确认它们按描述工作。这有助于防止文档中的代码腐烂,因为示例与实际代码行为不一致。

doctest的工作原理

要使用 doctest,只需在函数、方法或模块文档字符串中以 Python 交互式会话的形式添加示例。每个示例都以 >>>(Python REPL 提示符)开头,预期输出紧随其后。当 doctest 运行时,它会将实际输出与预期输出进行比较,并标记任何不匹配。

def add(a: int, b: int) -> int:
    """
    Calculate the sum of two numbers.
  
    Example:
    >>> add(2, 3)
    5
    >>> add(-1, 1)
    0
    >>> add(4.5, 1.5)
    6.0
    """
    return a + b

当您运行 doctest 时,它将执行文档字符串中的代码并验证结果是否匹配。您可以从命令行在此脚本上调用 doctest

python -m doctest .py

或者,您可以在脚本中添加 doctest.testmod() 以在模块作为脚本执行时自动运行测试:

if __name__ == "__main__":
    import doctest
    doctest.testmod()

虽然 doctest 很方便,但它并不能完全替代更广泛的测试框架,例如 unittestpytest 。它最适合没有复杂设置、拆解或高级断言的简单情况。它还可能难以处理略有不同的输出(如浮点结果或非确定性输出)。

请参阅 add 函数的综合文档以了解
有关 DocString 中附加的有关其用法的更多信息。

def add(a, b):
    """
    Calculate the sum of two numbers.

    This function takes two numeric inputs, `a` and `b`, and returns their sum.
    
    It is suitable for integers and floating-point numbers.
    
    Parameters:
      a (int or float): The first number to add.
      b (int or float): The second number to add.
    
    Returns:
      int or float: The sum of `a` and `b`.
    
    Example:
    >>> add(2, 3)
    5
    >>> add(-1, 1)
    0
    >>> add(4.5, 1.5)
    6.0
    """
    return a + b

doctest 合并到您的工作流程中可以使您的代码更可靠,文档更值得信赖,从而使其他人能够有效地理解和验证代码行为。

相关推荐

最强聚类模型,层次聚类 !!_层次聚类的优缺点

哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...

python决策树用于分类和回归问题实际应用案例

决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...

Python教程(四十五):推荐系统-个性化推荐算法

今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...

简单学Python——NumPy库7——排序和去重

NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...

PyTorch实战:TorchVision目标检测模型微调完

PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...

C4.5算法解释_简述c4.5算法的基本思想

C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...

Python中的数据聚类及可视化分析实践

探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...

用Python来统计大乐透号码的概率分布

用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...

python:支持向量机监督学习算法用于二分类和多分类问题示例

监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...

25个例子学会Pandas Groupby 操作

groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...

数据挖掘流程_数据挖掘流程主要有哪些步骤

数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...

使用Python寻找图像最常见的颜色_python 以图找图

如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...

财务预算分析全网最佳实践:从每月分析到每天分析

原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...

常用数据工具去重方法_数据去重公式

在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...

Python教程(四十):PyTorch深度学习-动态计算图

今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...