
Новая подборка советов про Python и программирование из моего авторского канала @pythonetc.

Если хотите итерировать сразу несколько итерируемых объектов, то можете использовать функцию zip
(не имеет никакого отношения к файловому формату ZIP):
from datetime import timedelta
names = [
'Eleven. Return and Revert',
'Wilderness',
'The Menagerie Inside',
'Evaporate',
]
years = [
2010,
2013,
2015,
2018,
]
durations = [
timedelta(minutes=57, seconds=38),
timedelta(minutes=48, seconds=5),
timedelta(minutes=46, seconds=34),
timedelta(minutes=43, seconds=25),
]
print('Midas Fall LPs:')
for name, year, duration in zip(
names, years, durations
):
print(f' * {name} ({year}) — {duration}')
Результат:
Midas Fall LPs:
* Eleven. Return and Revert (2010) — 0:57:38
* Wilderness (2013) — 0:48:05
* The Menagerie Inside (2015) — 0:46:34
* Evaporate (2018) — 0:43:25

Генератор можно остановить явным вызовом g.close()
, но чаще всего сборщик мусора делает это за вас. После вызова close
, в точке, где генерирующая функция была поставлена на паузу, инициируется GeneratorExit
:
def gen():
try:
yield 1
yield 2
finally:
print('END')
g = gen()
print(next(g)) # prints '1'
g.close() # prints 'END'
Не забывайте о трёх аспектах. Во-первых, вы не можете продолжать генерировать значения при обработке GeneratorExit
:
def gen():
try:
yield 1
finally:
yield 3
g = gen()
next(g)
g.close() # RuntimeError
Во-вторых, если генератор ещё не запущен, то исключение не будет брошено, но генератор все равно перейдет в состояние «остановлен»:
def gen():
try:
yield 1
finally:
print('END')
g = gen()
g.close() # nothing
print(list(g)) # prints '[]'
В-третьих, close
ничего не делает, если генератор уже закончил работу:
def gen():
try:
yield 1
yield 2
finally:
print('END')
g = gen()
print(list(g))
print('Closing now')
g.close()
# END
# [1, 2]
# Closing now

f-строки позволяют задавать ширину выводимого значения, а также другие форматирующие спецификаторы:
>>> x = 42
>>> f'{x:5}+{x:15f}'
' 42+ 42.000000'
Ещё они могут содержать вычисленные выражения, что бывает полезно, когда ширина не известна заранее:
def print_table(matrix):
cols_width = [
max(len(str(row[col])) for row in matrix)
for col in range(len(matrix[0]))
]
for row in matrix:
for i, cell in enumerate(row):
print(
f'{cell:{cols_width[i]}} ',
end=''
)
print()
albums = [
['Eleven. Return and Revert', 2010],
['Wilderness', 2013],
['The Menagerie Inside', 2015],
['Evaporate', 2018],
]
print_table(albums)
Результат:
Eleven. Return and Revert 2010
Wilderness 2013
The Menagerie Inside 2015
Evaporate 2018

Если ваш класс является производным от другого, то метакласс вашего класса тоже должен быть производным от метакласса того класса:
from collections import UserDict
from abc import ABCMeta
# ABCMeta is a metaclass of UserDict
class MyDictMeta(ABCMeta):
def __new__(cls, name, bases, dct):
return super().__new__(cls, name, bases, dct)
class MyDict(UserDict, metaclass=MyDictMeta):
pass
Может быть целесообразно автоматически получать метакласс этого другого класса:
def create_my_dict_class(parents):
class MyDictMeta(*[type(c) for c in parents]):
def __new__(cls, name, bases, dct):
return super().__new__(cls, name, bases, dct)
class MyDict(*parents, metaclass=MyDictMeta):
pass
MyDict = create_my_dict_class((UserDict,))

__init__
позволяет модифицировать объект сразу после его создания. Если хотите контролировать созданное, то используйте __new__
:
from typing import Tuple, Dict
from cached_property import cached_property
class Numbers:
_LOADED: Dict[Tuple[int, ...], 'Numbers'] = {}
def __new__(cls, ints: Tuple[int, ...]):
if ints not in cls._LOADED:
obj = super().__new__(cls)
cls._LOADED[ints] = obj
return cls._LOADED[ints]
def __init__(self, ints: Tuple[int, ...]):
self._ints = ints
@cached_property
def biggest(self):
print('calculating...')
return max(self._ints)
print(Numbers((4, 3, 5)).biggest)
print(Numbers((4, 3, 5)).biggest)
print(Numbers((4, 3, 6)).biggest)
Автор: pushtaev