python寫代碼調試技巧的簡單介紹

本文目錄一覽：

• 1、滿滿乾貨！20個Python使用的小技巧
• 2、python調試程序BUG的心得技巧分享
• 3、調試python代碼的方法有哪些

滿滿乾貨！20個Python使用的小技巧

本節對一些 Python 易混淆的操作進行對比。

1.1 有放回隨機採樣和無放回隨機採樣

1.2 lambda 函數的參數

1.3 copy 和 deepcopy

複製和變數別名結合在一起時，容易混淆：

對別名的修改會影響原變數，（淺）複製中的元素是原列表中元素的別名，而深層複製是遞歸地進行複製，對深層複製的修改不影響原變數。

1.4 == 和 is

1.5 判斷類型

1.6 字元串搜索

1.7 List 後向索引

這個只是習慣問題，前向索引時下標從0開始，如果反向索引也想從0開始可以使用~。

2.1 讀寫 CSV 文件

注意，當 CSV 文件過大時會報錯：_csv.Error: field larger than field limit (131072)，通過修改上限解決

csv 還可以讀以 分割的數據

2.2 迭代器工具

itertools 重新定義了很多迭代器工具，例如子序列工具：

序列排序：

多個序列合併：

2.3 計數器

計數器可以統計一個可迭代對象中每個元素出現的次數。

2.4 帶默認值的 Dict

當訪問不存在的 Key 時，defaultdict 會將其設置為某個默認值。

2.5 有序 Dict

3.1 輸出錯誤和警告信息

向標準錯誤輸出信息

輸出警告信息

控制警告消息的輸出

3.2 代碼中測試

有時為了調試，我們想在代碼中加一些代碼，通常是一些 print 語句，可以寫為：

一旦調試結束，通過在命令行執行 -O 選項，會忽略這部分代碼：

3.3 代碼風格檢查

使用 pylint 可以進行不少的代碼風格和語法檢查，能在運行之前發現一些錯誤

3.4 代碼耗時

耗時測試

測試某代碼塊耗時

代碼耗時優化的一些原則

4.1 argmin 和 argmax

argmax同理。

4.2 轉置二維列表

4.3 一維列表展開為二維列表

python調試程序BUG的心得技巧分享

【導讀】相信各位Python工程師們在寫Python代碼的時候，免不了經常會出現bug滿天飛這種情況，這個時候我們可能就得一個標點一個標點的去排查，費時又費力，但是，我們又很難發現到底是其中的哪一個步驟，導致了這些問題的出現。導致這些問題的其中一個原因，就是我們沒有養成良好的編程習慣。編程習慣就好比是電影中的特效。電影特效越好，呈現出來的觀影效果也自然越好。同樣，如果我們能夠養成好的編程習慣，在查找錯誤的時候，自己的思路就會更加清晰。下面是小編整理的解決Python項目bug的心得技巧分享，包含六小點，希望對大家有所幫助。

方法一：使用項目管理工具

無論Python項目簡單與否，我們都應該使用Git進行版本控制。大部分支持Python的IDE(集成開發環境)都內置了對Git這一類項目管理工具的支持。

我們在修改代碼時，常常會出現改著改著程序就崩了的情況，改出的最新版本有時候還不如上一個版本。而Git，恰好能夠及時幫我們保存之前的版本。使用了它以後，我們也不需要不停地用「ctrl+z」來撤回代碼了。

方法二：使用Python的內置函數

Python的內置函數和標準庫都可以處理常見的用例，而不需要自己重新定義函數。

但是，剛剛入門的Python開發人員們對其中的函數並不熟悉。所以他們經常會遇到這樣一個問題——在不需要記住內容的情況下，如何才能知道標準庫中的內容是否涵蓋了自己的用例?最簡單的方法是將標準庫索引和內置函數概述頁添加為書籤，並且在遇到「日常編程」類問題的時候立即瀏覽一下。我們使用這些函數的頻率高了，自然也就能記住這些函數了。

方法三：使用正確的模塊

與內置函數和標準庫一樣，Python中大量的第三方模塊集合，也可以幫助我們節省大量的人力。通過PyPI的Web前端，可以針對我們的問題觸發搜索詞，我們很容易就能找到適合自己的解決方案。

方法四：使用OOP

面向對象編程(OOP)將數據結構與用於操作它們的方法捆綁在一起，從而使編寫高級代碼更加容易。OOP非常適合用於Python這一類高級語言，尤其是項目非常複雜的時候。熟悉Python的開發人員都知道，使用OOP可以減少代碼量，從而節省大量的時間。

但是，也不是所有的項目都需要使用OOP。如果項目沒有特別要求，一些小型的項目就可以不用OOP。

方法五：編寫測試代碼並不斷測試

一個好的程序員一定知道測試之於項目的重要性。編寫測試代碼的確是一個很枯燥的過程，但是不進行測試，我們就無法發現程序的問題所在。

如果一個項目非常複雜的話，我們就必須要做到及時測試。越早測試，就能越早發現問題。而不是說等代碼全部寫完了，才開始進行測試，這樣反而會導致更多的錯誤和更大的工作量。

當然，我們也可以尋找專業的軟體測試人員，來幫助我們進行測試。這樣我們也可以把更多的精力投入到項目程序本身。

方法六：選擇正確的Python版本

部分人仍然在使用Python2，但Python官方的開發團隊早已經不對這一版本進行維護了。聰明的開發人員都已經將Python2里的項目遷移到Python3中了。

Python目前的最新版本是Python3.8.5，但也不是說你一定要使用最新版本。專業的軟體開發人員都知道，任何軟體的最新版本都不一定是最好的，因為它仍需要開發團隊不斷地去改良。程序員一般都會使用在最新版本之前的一個版本，舊版本相對而言是比較成熟的。

無論是運用哪一種語言編寫代碼，優秀的程序員都具備良好的編程習慣。這些習慣不僅能夠讓我們思路更加清晰，也可以幫助我們減輕工作量，從而節省大量的時間。所以，可能你離優秀的程序員，只差一個好習慣了哦~

以上就是小編今天給大家整理髮送的關於「解決Python項目BUG的心得技巧分享」的相關內容，希望對大家有所幫助。小編認為要想在大數據行業有所建樹，需要考取部分含金量高的數據分析師證書，這樣更有核心競爭力與競爭資本。

調試python代碼的方法有哪些

本文討論在沒有方便的IDE工具可用的情況下，使用pdb調試python程序

源碼例子

例如，有模擬稅收計算的程序：

#!/usr/bin/python

def debug_demo(val):

if val = 1600 :

print “level 1”

print 0

elif val = 3500 :

print “level 2”

print (val – 1600) * 0.05

elif val = 6500 :

print “level 3”

print (val – 3500) * 0.10 + (3500-1600) * 0.05

else:

print “level 4”

print (val – 6500) * 0.20 + (6500-3500) * 0.10 + (3500-1600) * 0.05

#~def debug_demo

if __name__ == “__main__”:

debug_demo(4500)

debug_demo函數計算4500的入賬所需的稅收。

如何調試?

1.加入斷點

在需要插入斷點的地方，加入紅色部分代碼：如果_DEBUG值為True，則在該處開始調試（加入_DEBUG的原因是為了方便打開/關閉調試）。

#!/usr/bin/python

_DEBUG=True

def debug_demo(val):

if _DEBUG == True:

import pdb

pdb.set_trace()

if val = 1600 :

print “level 1”

print 0

elif val = 3500 :

print “level 2”

print (val – 1600) * 0.05

elif val = 6500 :

print “level 3”

print (val – 3500) * 0.10 + (3500-1600) * 0.05

else:

print “level 4”

print (val – 6500) * 0.20 + (6500-3500) * 0.10 + (3500-1600) * 0.05

#~def debug_demo

if __name__ == “__main__”:

debug_demo(4500)

2.開始運行調試

運行程序./debug_demo.py,得到

/usr/local/qspace/user_network/debug_demo.py(7)debug_demo()

– if val = 1600 :

(Pdb)

– val = 1600 : 指示當前執行的語句，（Pdb）等待你的調試指令. pdb的指令很豐富，輸入h指令可以查看指令的使用方法。下面簡單介紹常用指令：

查看代碼上下文，l（小寫L）

(Pdb) l

2 _DEBUG=True

3 def debug_demo(val):

4 if _DEBUG == True:

5 import pdb

6 pdb.set_trace()

7 – if val = 1600 :

8 print “level 1”

9 print 0

10 elif val = 3500 :

11 print “level 2”

12 print (val – 1600) * 0.05

(Pdb)

左邊是行號，右邊是代碼正文。

監視變數：p 變數名

(Pdb) p val

4500

(Pdb)

單步執行: n

– elif val = 3500 :

(Pdb) l

5 import pdb

6 pdb.set_trace()

7 if val = 1600 :

8 print “level 1”

9 print 0

10 – elif val = 3500 :

11 print “level 2”

12 print (val – 1600) * 0.05

13 elif val = 6500 :

14 print “level 3”

15 print (val – 3500) * 0.10 + (3500-1600) * 0.05

加入斷點:b 行號

(Pdb) b 14

運行到斷點: c

(Pdb) c

/*****

– print “level 3”

(Pdb) l

9 print 0

10 elif val = 3500 :

11 print “level 2”

12 print (val – 1600) * 0.05

13 elif val = 6500 :

14 B- print “level 3”

15 print (val – 3500) * 0.10 + (3500-1600) * 0.05

16 else:

17 print “level 4”

18 print (val – 6500) * 0.20 + (6500-3500) * 0.10 + (3500-1600) * 0.05

19

執行到函數返回前: r

(Pdb) r

level 3

195.0

–Return–

/****()

-None

– print (val – 3500) * 0.10 + (3500-1600) * 0.05

(Pdb)

說明：

pdb還有很多其他很多有用的指令，讀者可以自行探索。輸入h，h 命令。就可以得到命令的詳細幫助。

不過，我個人認為一般無需啟動這種調試方法，一般使用日誌輸出進行調試即可，除非遇到了非常微妙的錯誤。這時，單步調試的威力便顯示出來了