pythonempty

A. python如何創建空數組

Python創建空數組的三種方式：

1、numpy指定形狀為0

實際上，empty生成的數組當然可以為空，只要我們指定了相應的形狀。例如，如果我們傳入數組的形狀參數為（0，3），則可以生成目標空數組：

所以，生成的數組是否為空，不在於你用的是不是empty，而在於傳入的形狀參數。當然， 這里的empty換成ones或者zeros也都可以，只要形狀是（0, 3）即可。

2、利用空列表創建

初始化numpy數組的一種方式是由列表創建，那麼當我們傳入的列表是空列表時即可創建空數組。特別的，為了創建指定列數的空列表，我們需要傳入指定個數的嵌套空列表，然後轉置即可。

3、利用pandas轉換生成

numpy和pandas是一對好搭檔，常常需要對二者數據進行轉換，在創建空數組時自然也可以。為了創建一個空數組，我們可以首先考慮先創建一個空的DataFrame，然後由其轉換為numpy對象即實現了創建空數組。

首先，我們創建一個僅有列名、而沒有索引和值的空DataFrame：

進而，可由該DataFrame對象轉化為空數組：

B. python反向解析 reverse出現pop from empty list錯誤

答: 從提示pop from the empty list可以得知，在訪問列表時出現了列表為空，然後還試圖將其彈出的情況，你可以看看在你的代碼中中，是不是有刪除列表元素的操作，那麼在刪除之前可以先判斷一下列表是否為空，為空的話，則不進行操作。希望可以幫助到你。

C. python 錯誤：empty separator ，急求解！！！

在Python錯誤代碼中，空分隔符表示缺少字元，此時，只需找到指定的位置並添加字元即可解決錯誤，因為在程序執行期間，pyton解釋器將檢查程序中是否存在語法錯誤，例如，當出現程序錯誤P時，Python解釋器將指出錯誤的行。

(3)pythonempty擴展閱讀：

Python使用動態類型系統，在編譯時，python不檢查對象是否具有要調用的方法或屬性，但在運行時才檢查，因此，在操作對象時可能會引發帶纖異常，然而，盡管Python使用動態類型系統，但它也是強類型的，Python禁止未顯式定義的操作，例如數字加字元串。

與其它面向對象語言一樣，python允許程序員定義類型要構造對象，只需像調用函數一樣調用類型。例如，對於先前定義的fish類型，使用fish（蠢敗仿）。類型本身也是一個特殊類型的對象（類型本身也是一個類型對象），它允許類型的反射編程。

Python具有豐富的內置數據類型。與Java和C++相比，這些數據類型有效地減少了代碼枯培的長度。下面的列表簡要描述了python內置的數據類型（對於python 3）。十）。

Python使用與C、Java類似的運算符，支持整數與浮點數的數學運算，同時還支持復數運算與無窮位數（實際受限於計算機的能力）的整數運算，除了求絕對值函數abs()外，大多數數學函數處於math和cmath模塊內。前者用於實數運算，而後者用於復數運算。

D. python多進程中隊列不空時阻塞，求解為什麼

最近接觸一個項目，要在多個虛擬機中運行任務，參考別人之前項目的代碼，採用了多進程來處理，於是上網查了查python中的多進程

一、先說說Queue（隊列對象）

Queue是python中的標准庫，可以直接import 引用，之前學習的時候有聽過著名的「先吃先拉」與「後吃先吐」，其實就是這里說的隊列，隊列的構造的時候可以定義它的容量，別吃撐了，吃多了，就會報錯,構造的時候不寫或者寫個小於1的數則表示無限多

import Queue

q = Queue.Queue(10)

向隊列中放值(put)

q.put(『yang')

q.put(4)

q.put([『yan','xing'])

在隊列中取值get()

默認的隊列是先進先出的

>>> q.get()
『yang'
>>> q.get()
4
>>> q.get()
[『yan', 『xing']

當一個隊列為空的時候如果再用get取則會堵塞，所以取隊列的時候一般是用到

get_nowait()方法，這種方法在向一個空隊列取值的時候會拋一個Empty異常

所以更常用的方法是先判斷一個隊列是否為空，如果不為空則取值

隊列中常用的方法

Queue.qsize() 返回隊列的大小
Queue.empty() 如果隊列為空，返回True,反之False
Queue.full() 如果隊列滿了，返回True,反之False
Queue.get([block[, timeout]]) 獲取隊列，timeout等待時間
Queue.get_nowait() 相當Queue.get(False)
非阻塞 Queue.put(item) 寫入隊列，timeout等待時間
Queue.put_nowait(item) 相當Queue.put(item, False)

二、multiprocessing中使用子進程概念

from multiprocessing import Process

可以通過Process來構造一個子進程

p = Process(target=fun,args=(args))

再通過p.start()來啟動子進程

再通過p.join()方法來使得子進程運行結束後再執行父進程

from multiprocessing import Process
import os

# 子進程要執行的代碼
def run_proc(name):
print 'Run child process %s (%s)...' % (name, os.getpid())

if __name__=='__main__':
print 'Parent process %s.' % os.getpid()
p = Process(target=run_proc, args=('test',))
print 'Process will start.'
p.start()
p.join()
print 'Process end.'

上面的程序運行後的結果其實是按照上圖中1，2，3分開進行的，先列印1，3秒後列印2，再3秒後列印3

代碼中的p.close()是關掉進程池子，是不再向裡面添加進程了，對Pool對象調用join()方法會等待所有子進程執行完畢，調用join()之前必須先調用close()，調用close()之後就不能繼續添加新的Process了。

當時也可以是實例pool的時候給它定義一個進程的多少

如果上面的代碼中p=Pool(5)那麼所有的子進程就可以同時進行

三、多個子進程間的通信

多個子進程間的通信就要採用第一步中說到的Queue，比如有以下的需求，一個子進程向隊列中寫數據，另外一個進程從隊列中取數據，

#coding:gbk

from multiprocessing import Process, Queue
import os, time, random

# 寫數據進程執行的代碼:
def write(q):
for value in ['A', 'B', 'C']:
print 'Put %s to queue...' % value
q.put(value)
time.sleep(random.random())

# 讀數據進程執行的代碼:
def read(q):
while True:
if not q.empty():
value = q.get(True)
print 'Get %s from queue.' % value
time.sleep(random.random())
else:
break

if __name__=='__main__':
# 父進程創建Queue，並傳給各個子進程：
q = Queue()
pw = Process(target=write, args=(q,))
pr = Process(target=read, args=(q,))
# 啟動子進程pw，寫入:
pw.start()
# 等待pw結束:
pw.join()
# 啟動子進程pr，讀取:
pr.start()
pr.join()
# pr進程里是死循環，無法等待其結束，只能強行終止:
print
print '所有數據都寫入並且讀完'

四、關於上面代碼的幾個有趣的問題

if __name__=='__main__':
# 父進程創建Queue，並傳給各個子進程：
q = Queue()
p = Pool()
pw = p.apply_async(write,args=(q,))
pr = p.apply_async(read,args=(q,))
p.close()
p.join()

print
print '所有數據都寫入並且讀完'

如果main函數寫成上面的樣本，本來我想要的是將會得到一個隊列，將其作為參數傳入進程池子里的每個子進程，但是卻得到

RuntimeError: Queue objects should only be shared between processes through inheritance

的錯誤，查了下，大意是隊列對象不能在父進程與子進程間通信，這個如果想要使用進程池中使用隊列則要使用multiprocess的Manager類

if __name__=='__main__':
manager = multiprocessing.Manager()
# 父進程創建Queue，並傳給各個子進程：
q = manager.Queue()
p = Pool()
pw = p.apply_async(write,args=(q,))
time.sleep(0.5)
pr = p.apply_async(read,args=(q,))
p.close()
p.join()

print
print '所有數據都寫入並且讀完'

這樣這個隊列對象就可以在父進程與子進程間通信，不用池則不需要Manager，以後再擴展multiprocess中的Manager類吧

關於鎖的應用，在不同程序間如果有同時對同一個隊列操作的時候，為了避免錯誤，可以在某個函數操作隊列的時候給它加把鎖，這樣在同一個時間內則只能有一個子進程對隊列進行操作，鎖也要在manager對象中的鎖

#coding:gbk

from multiprocessing import Process,Queue,Pool
import multiprocessing
import os, time, random

# 寫數據進程執行的代碼:
def write(q,lock):
lock.acquire() #加上鎖
for value in ['A', 'B', 'C']:
print 'Put %s to queue...' % value
q.put(value)
lock.release() #釋放鎖

# 讀數據進程執行的代碼:
def read(q):
while True:
if not q.empty():
value = q.get(False)
print 'Get %s from queue.' % value
time.sleep(random.random())
else:
break

if __name__=='__main__':
manager = multiprocessing.Manager()
# 父進程創建Queue，並傳給各個子進程：
q = manager.Queue()
lock = manager.Lock() #初始化一把鎖
p = Pool()
pw = p.apply_async(write,args=(q,lock))
pr = p.apply_async(read,args=(q,))
p.close()
p.join()

print
print '所有數據都寫入並且讀完'

E. python必背入門代碼是什麼

python必背代碼是：

defnot_empty（s）：

returnsandlen（s。strip（））>0

#returnsands。strip（）

#如果直接單寫s。strip（）那麼s如果是None，會報錯，因為None沒有strip方法。

#如果s是None，那麼Noneand任何值都是False，直接返回false

#如果s非None，那麼判定s。trip（）是否為空。

這樣子filter能過濾到None，""，""這樣的值。

分成兩部分看。第一部分是對長度進行序列。相當於就是range(5)他的結果就是。01234。第二部分就是具體的排序規則。排序規則是用nums的值進行排序，reverse沒申明就是默認升序。就是用nums(0到4)的值進行排序，根據這個結果返回的一個range(5)的數組。

python必背內容：

1、變數。指在程序執行過程中，可變的量。定義一個變數，就會伴隨有3個特徵，分別是內存ID，數據類型和變數值。常量，指在程序執行過程中，不可變的量。一般都用大寫字母定義常量。

2、與程序交互。古時候，我們去銀行取錢，需要有一個銀行業務員等著我們把自己的賬號密碼輸入給他，然後他去進行驗證等成功後，我們再將取款金額輸入，告訴他。

驕傲的現代人，會為客戶提供一台ATM機，讓ATM機跟用戶交互，從而取代人力。然而機器是死的，我們必須為其編寫程序來運行，這就要求我們的編程語言中能夠有一種能與用戶交互，接收用戶輸入數據的機制。

F. 如何編寫高質量的python程序

寫出規范的代碼是寫出高質量代碼的第一步，並且有助於培養仔細的習慣。

為了培養規范寫代碼的習慣，可以安裝flake8這個工具，它不僅可以檢查代碼風格是否符合官方建議（PEP8），而且還能找出潛在的隱患（用Pyflakes做語法分析），更逆天的是還能檢測到你有些函數寫的太復雜（代碼圈復雜度）了，更更逆天的是可以設置git commit之前必須通過這些檢查。

當然具體操作需要根據自己的項目進行一些定製，比如可以忽略E501，W293。

空白項目模版

好的開始是成功的一半，寫python代碼就從pyempty開始吧。

在github上看一下那些經典的項目，web.py,flask, pep8，他們的項目目錄都很規范，綜合借鑒了一些項目的特點，我寫了這個pyempty項目。

1.README.md 這里寫你項目的簡介，quick start等信息，雖然distutils要求這個文件沒有後綴名，但github上如果後綴是.md的話可以直接轉換成html顯示。

2.ChangeLog.txt 該文件存放程序各版本的變更信息，也有一定的格式，參考web.py的ChangeLog.txt

3.LICENES.txt 這里存放你項目使用的協議，不要編寫自己的協議。

4.requirements.txt 如果你的項目需要依賴其它的python第三方庫，在這里一行一個寫出來，可能pip install的時候能自動幫你安裝

5.setup.py 安裝腳本，後面詳細介紹

6.docs 裡面存放你的項目文檔，如概要設計，詳細設計，維護文檔，pydoc自動生成的文檔等，強烈推薦大家使用MarkDown格式編寫文檔

7.src 這個目錄里存放項目模塊的主要代碼，盡量不要把模塊目錄直接放到根目錄，模塊代碼目錄可以在setup.py里指定的

8.tests 這個目錄存放所有單元測試，性能測試腳本，單元測試的文件確保以test_做前綴，這樣distutils會自動打包這些文件，並且用python -m unittest discover -s ./ -p 'test_*.py' -v 可以直接執行這些測試

單元測試

Martin Fowler："在你不知道如何測試代碼之前，就不該編寫程序。而一旦你完成了程序，測試代碼也應該完成。除非測試成功，你不能認為你編寫出了可以工作的程序。"

我們有很多理由不寫單元測試，歸根結底是懶，雖然代碼大全上說：

大部分研究都發現，檢測比測試的成本更小。NASA軟體工程實驗室的一項研究發現，閱讀代碼每小時能夠檢測出來的缺陷要比測試高出80%左右(Basili and Selby 1987)。後來，IBM的一項研究又發現，檢查發現的一個錯誤只需要3.5個工作時，而測試則需要花費15-25個工作時（Kaplan 1995)。

但是單元測試還是讓別人相信你的代碼有很高質量的最有力證據。

好了，請詳細閱讀：

深入python3.0: 單元測試-2.x也適用

Unit testing framework 不完整中文版

文檔

敏捷開發不是提倡什麼文檔也不寫，沒有文檔就沒有傳承和積累，輪崗或新人接手任務就會遇到很大的麻煩，所以我決定每個項目最少要寫以下文檔：

1.nalysis.model.md 概要設計文檔，不同於README.md文件，該文檔應該寫於項目開發之前，把項目有哪些功能，大概分幾個模塊等項目整體概述信息寫一下。

2.design.model.md 詳細設計文檔，不用太詳細，至少把項目依賴哪些東西，誰依賴這個項目，重要演算法流程描述，代碼整體結構等寫出來。

3.maintain.md 維護文檔，這個我覺得最重要，你的服務都記錄哪些日誌，需要監控哪些業務指標，如何重啟，有哪些配置項等，沒這些東西，你的項目很難運維。

上面這些文檔都是項目全局性的文檔，不適合寫在docstring或注視里，所以要有單獨的文檔。

打包

python有專門的模塊打包系統distutils，你可以用這套機制把你的代碼打包並分發到Pypi上，這樣任何人都可以用pip或easy_install安裝你的模塊。

如果你開發的是內部項目，還可以用mypypi架設私有的pypi，然後把項目的大的版本更新發布到內部的pypi上，配置管理人員和運維人員可以很方便的從pypi上拉取代碼安裝到測試環境或生產環境。

發布大版本的時候要給版本命名及編寫ChangeList，可以參考Git Pro的相關章節,主要記住以下幾個命令。

git tag -a v0.1 -m 'my test tag' #給大版本命名，打Tag
git describe master #給小版本命名,Git將會返回一個字元串，由三部分組成：最近一次標定的版本號，加上自那次標定之後的提交次數，再加上一段SHA-1值
git shortlog --no-merges master --not v0.1 #生成版本簡報,ChangeList
python有自己的打包機制，所以一般不要用git archive命令。

當然大版本管理用pypi管理比較合適，小的bug fix，緊急上線等好多公司都是用git直接從生產環境拉代碼更新，因為git,svn等可以很方便的撤銷某次更新，回滾到某個位置。

如何管理好大版本上線和小的緊急上線，我還沒理清思路，歡迎大家參與討論。

關於打包，請閱讀如下鏈接：

Python 打包指南

深入Python3.0:打包 Python 類庫

python打包:分發指定文件

出自：http://developer.51cto.com/art/201209/356603.htm