Python Small Tools

Total Views:

其他小工具
- 格式化
  - json
  - pprint
    - pprint
    - pformat
- 性能测试
  - line_profiler
    - kernprof -l -v script_name.py
      - 生成结果
  - cprofile
    - python -m cProfile py 文件
      - 运行时查看性能
  - py-spy
    - 可视化分析
- schedule
  - 各种定时任务
- argparser
  - ArgumentParser()
    - 设置规则
      - add_argument()
        参数
        参数类型
        位置参数
        xxx
        可选参数
        –xxx
        -x
        短选项
        设置相关
        主要
        type
        help
        default
        choices=[1,2,3]
        规定参数范围
        次要
        action
        store
        默认存储
        布尔
        store_true
        store_false
        有参数则为标记值，否则为相反值
        列表
        append
        可多次调用传参
        计数
        count
        dest
        指定属性名
      - 互斥组
        parser.add_mutually_exclusive_group()
    - parse_args()
  - 运行
    - -h
      - 查看帮助
  - 作用
    - 命令行解析
  - mkdocs
  - sphinx
    - docstring
      - numpy
      - google
    - sphinx-quickstart
      - 创建
      - 设置分离
    - make html
      - 创建
    - make clean
      - 清除
    - 添加 html 文档
- python 和命令行
  - python -m http.server 8888
    - 直接出网站
  - python -m json.tool demo.json
    - 查看 json 文件
- mypy

random

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
import random

random.random()
random.uniform(0,10)

random.randrange(0,3,2)
random.randint(0,9)

random.sample([1,2,3,4,5], k=4)  # 不可重复
random.choices([1,2,3,4,5], k=4)  # 可重复
random.choice([1,2,3])

l1 = [1,2,3,4,5]
random.shuffle(l1)
l1

datetime

https://docs.python.org/zh-cn/3/library/datetime.html#module-datetime

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from datetime import datetime, timedelta

now = datetime.now()
gap = timedelta(days=1)
two = now + gap
print(two)
print(two.replace(day=1))

print(now.strftime("%Y-%m-%d %H:%M:%S"))

obj = datetime.strptime("2022-01-01 14:33:21", "%Y-%m-%d %H:%M:%S")
print(obj)
now.date()
now.time()

环境变量

1
2
pip install python-dotenv
# .env

1
2
3
4
import os

os.environ
os.getenv('')

数据类型工具

工具 / 库	特点	适用场景	优点	缺点
`dataclass`	简单，标准库自带，自动生成常用方法（如 `__init__`，`__repr__`）	用于简单的数据容器，数据类模型	简洁、轻量，自动生成代码，支持不可变实例（`frozen=True`）	对复杂逻辑支持较弱
`attrs`	更强大的功能，支持字段验证，类型转换，默认工厂函数等	需要更多自定义功能的类，如验证和转换	非常灵活，支持字段验证，性能优化	需要第三方依赖，语法较 `dataclass` 稍复杂
`NamedTuple`	轻量、不可变，适用于简单的元组类	适合非常轻量级的数据容器，尤其是不可变类型	轻量，不可变数据结构	功能受限，适用场景比较狭窄
`pydantic`	强大的数据验证与序列化功能，适合用于 Web 框架	Web 开发，复杂数据模型和配置管理	数据验证强大，支持 JSON 序列化与反序列化	性能较慢，不适合简单的数据结构
`dataclasses-json`	扩展 `dataclass`，添加 JSON 序列化与反序列化支持	简单数据类需要 JSON 处理场景	基于 `dataclass`，添加 JSON 支持，轻量	仅限于 JSON 处理，功能较为单一

Python Small Tools

random

datetime

环境变量

数据类型工具

CATALOG

FEATURED TAGS

FRIENDS