ชอบคำตอบนี้ใน stack overflow มากครับ
คลังเก็บป้ายกำกับ: python
Catch kill signal in Python
We can check for Ctrl-C with KeyboardInterrupt exception as follows:
try:
while True:
print "Echo ", raw_input(">")
except KeyboardInterrupt:
print "Good bye"
When python process was killed, we will not get KeyboardInterrupt. But we can instead catch SIGTERM sent by kill command.
In order to catch SIGTERM, we can do:
import signal
import sys
def signal_term_handler(signal, frame):
print 'got SIGTERM'
sys.exit(0)
signal.signal(signal.SIGTERM, signal_term_handler)
List of signal is available in POSIX Signals. Note that SIGKILL cannot be caught.
ใช้ python dict อย่างเท่ๆ
dict ใน python เป็นโครงสร้างข้อมูลชนิดนึง ที่ใช้เก็บ key -> value ได้ เวลาเขียนโปรแกรมกับ dict เราก็มักจะมีท่าที่ต้องเขียนโปรแกรมซ้ำๆ… ผมเพิ่งรู้จักท่าอื่นๆ ที่อยากเอามาแชร์ตามนี้ครับ:
1. defaultdict
เรามักจะต้องเขียนโปรแกรมเช็คว่ามีคีย์ (key) นี้อยู่ใน dict อยู่แล้วรึเปล่า ก่อนที่จะนับค่าเพิ่ม (increment) เช่นโปรแกรมนับความถี่ของตัวอักษรข้างล่างนี้
text = "aaaabbcdeff"
freq = {}
for c in text:
if c not in freq:
freq[c] = 0
freq[c] += 1
เราสามารถใช้ defaultdict มาช่วยให้โค้ดดูสวยงามขึ้นได้ตามนี้ (ขอบคุณพี่ @lewcpe ที่แนะนำให้รู้จักฮะ)
from collections import defaultdict
text = "aaaabbcdeff"
freq = defaultdict(int)
for c in text:
freq[c] += 1
ตัวอย่างข้างบน เราบอก defaultdict ว่าถ้าคีย์ที่ต้องการยังไม่มี ให้เรียก int() เพื่อกำหนดค่าเริ่มต้น
x = freq['a'] # ปกติจะ KeyError, แต่ถ้าเป็น defaultdict มันจะเรียก freq['a'] = int() # เพื่อกำหนดค่าเริ่มต้นให้
2. .setdefault
เวลาเขียนโปรแกรมอ่านค่าจาก dict เราสามารถใช้เมธอด .get เพื่ออ่านค่าจาก dict ได้โดยไม่ต้องกังวลว่าจะมี คีย์นั้นอยู่รึเปล่า เช่น
options = { 'width': 500 }
width = options.get('width', 1000) # 500
height = options.get('height', 300) # 300
ตัวอย่างข้างบน เราสามารถอ่านค่า options[‘width’] ได้สำเร็จ ส่วน height เราได้ค่า default คือ 300 เพราะไม่มีคีย์ height ใน options
สำหรับเมธอด .setdefault นั้นมีพฤติกรรมคล้ายๆ .get แต่มันจะกำหนดค่า default กลับลงไปใน dict ด้วยถ้ายังไม่มีคีย์นั้นใน dict
people_by_blood = { "A": ["Adam", "Eva"],
"B": ["John"]}
people_by_blood.setdefault("O", []).append("Job")
people_by_blood.setdefault("A", []).append("Nin")
print people_by_blood
{"A": ["Adam", "Eva", "Nin"],
"B": ["John"],
"O": ["Job"] }
3. คลาส collections.Counter
คลาส Counter เป็นคลาสเฉพาะกิจ ใช้นับ frequency ครับ ดูตัวอย่างเลยดีกว่า
from collections import Counter
print Counter("aaaabbcdeff")
# Counter({'a': 4, 'b': 2, 'f': 2, 'c': 1, 'e': 1, 'd': 1})
print Counter("aaaabbcdeff").most_common(3)
# [('a', 4), ('b', 2), ('f', 2)]
นอกจากใช้นับ frequency ได้ง่ายแล้ว ยังมีเมธอดสะดวกๆ เช่น most_common ให้ใช้ด้วย
ใครมีท่าอื่นๆ ของ dict ใน python อย่าลืมมาแชร์กันนะครับ ^^
Django: QuerySet is not a List
เวลาดึงข้อมูลจาก Model เช่น
blogs = Blog.objects.all() # ได้ QuerySet ของบล็อกหลายๆ อัน print blogs[0].title print blogs[0].body print blogs[1].title print blogs[1].body
จะเห็นว่าเราใช้ QuerySet ได้เหมือนเป็นอาเรย์หรือ list เลย
แต่สิ่งที่ต้องระวังคือ blogs เป็น QuerySet ไม่ใช่ list
เวลาอัพเดทข้อมูลใน model ต้องระวัง
bug แบบนี้
blogs[0].title = "New Title" blogs[0].body = "new content" blogs[0].save()
ถ้ารันโค้ดข้างบนแล้ว blogs[0] จะไม่เปลี่ยนแปลงค่าอะไรเลย เพราะ:
- blogs[0] ในแต่ละบรรทัดเป็น object คนละอันกัน (คนละ instance กัน)
- การเรียก blogs[0] แต่ละครั้ง QuerySet จะให้ object ใหม่ทุกครั้ง ทำให้การกำหนดค่ามีผลกับ object ในบรรทัดนั้นเฉยๆ
- blogs[0].save() ในบรรทัดที่ 3 จะอ่านค่า blogs[0] จาก database และ save() กลับไปโดยยังไม่ได้แก้ไขอะไรเลย
ที่ถูกต้องควรเป็น
b = blogs[0] b.title = "New Title" b.body = "new content" b.save()
แต่ถ้าอยากใช้ได้เหมือน list จริงๆ ก็ทำได้โดยบังคับให้ Django มัน evaluate QuerySet ให้กลายเป็น list ด้วยฟังก์ชัน list
เช่น
blogs = list(blogs)
มีข้อเสียคือ
* มี large memory overhead
* blogs.filter ต่อไม่ได้… เพราะโดน evaluate ไปแล้ว
รวมความมึนของผม ใน python
rules = (
( 'foo', 1),
( 'spam', 2),
( 'bar', 3),
"""
( 'egg', 4),
( 'python', 5),
"""
)
for name, val in rules:
print name, val
โค้ดข้างบนพอรันแล้วจะเจอ ValueError (too many values to unpack)
ตอนมองแว๊บแรก ก็คิดว่าโค้ดน่าจะโอเค แค่ comment egg กับ python ออกไปแบบหลายบรรทัด… แต่จริงๆ แล้วมันไม่ใช่
เราสร้าง list ที่มี (‘foo’, 1), (‘spam’, 2), (‘bar’, 3) และ “”” (‘egg’, 4),…””” <– ก้อนนี้เป็น string แบบหลายบรรทัด ไม่ใช่ comment!!
ปล. ตอนนี้มีอยู่ 1 bug, เดี๋ยวมีอะไรเพิ่ม จะเอามาแปะอีกครับ
Closure ใน Python
แฮ่ วันนี้ลองเล่น closure ใน python เต็มที่เลยครับ
funcs = []
i=0
def funcfactory():
global i
i += 1
j = i
def callback():
print j
funcs.append(callback)
funcfactory() # ได้ callback ที่มี j = 1
funcfactory() # ได้ callback ที่มี j = 2
funcfactory() # ได้ callback ที่มี j = 3
print funcs
for f in funcs:
f()
list funcs จะเก็บ function ‘callback’ ที่มีโค้ดแบบเดียวกัน (print j) แต่มี context ต่างกัน (j = 1, 2, 3)
closure = (function, environment ของฟังก์ชั่น)
Edit: ข้อจำกัดสำคัญของ Closure ใน python คือ “อ่านได้อย่างเดียว” วิธีแก้ปัญหาทำได้โดยส่ง reference แทนตามตัวอย่างใน [ref]
ใน Python 3 มีคีย์เวิร์ด nonlocal ไว้ใช้อ้างถึงตัวแปรที่อยู่ใน Scope ก่อนหน้าได้
Python วนลูปบน list ที่โตขึ้นเรื่อยๆ
a = [1]
for i in a:
print i
if len(a) < 10:
a.append(i+1)
ได้ผลลัพธ์เป็น
1
2
3
4
5
6
7
8
9
10
ตื่นเต้นดี for loop บน list ที่โตขึ้นเรื่อยๆ… ไม่รู้ว่าจะจบเมื่อไหร่
ปลั๊กอิน “ป้องกัน SPAM” สำหรับ pidgin
เบื่อ SPAM ทาง msn มาก! จะบล็อกคนส่งทิ้งแบบ @rtsp ก็ใจร้ายเกินไป
ผมเลยลองเขียนปลั๊กอินไว้ “กรองข้อความ” โดยใช้เงื่อนไขง่ายๆ ว่า
“ใน 1 ชม. ที่ผ่านมา ถ้าเธอยังไม่เคยส่งข้อความหาฉันเลย แล้วจู่ๆ ส่ง URL มาให้ ฉันจะขอโยนข้อความนั้นทิ้งซะ (มันต้องเป็น spam แน่เลย!)”
Psyco ให้โปรแกรมที่เขียนด้วย python ทำงานเร็วขึ้น 2-100 เท่า โดยไม่ต้องแก้โค้ดเดิม
จากคอมเมนท์ข่าว กูเกิลเตรียมพัฒนา Python ขนานใหญ่ ใน blognone ทำให้ผมเพิ่งรู้ว่า java ทำงานได้เร็วกว่า python เพราะมี Java VM ที่เป็น Just-in-Time Compiler (JIT Compiler)
JIT Compiler ตามความเข้าใจของผม (งูๆปลาๆ)
ตามปกติ Java VM ทำหน้าที่เป็น Interpreter เวลาเรารันโปรแกรมก็จะแปลโค้ดทีละบรรทัดเป็นภาษาเครื่องที่สอดคล้องกัน และเมื่อเจอโค้ดเดิมๆ Interpreter ก็ต้องแปลโค้ดเดิมซ้ำทำให้เสียเวลา
JIT Compiler เข้ามาช่วยเพิ่มความเร็วได้ โดยมันจะคอย cache ส่วนของโค้ดที่เคยแปลเป็นภาษาเครื่องไว้ ทำให้เวลาเจอโค้ดเดิมก็สามารถเรียกภาษาเครื่องที่ cache ไว้พ่นใส่ CPU ได้ทันที
แล้ว Python มี JIT Compiler ไหม?
อ่านเพิ่มเติม Psyco ให้โปรแกรมที่เขียนด้วย python ทำงานเร็วขึ้น 2-100 เท่า โดยไม่ต้องแก้โค้ดเดิม
AVL Tree ใน python
นั่งแอบเขียน AVL Tree ระหว่างนั่งเรียนวิชา Abstract Data Types (ตัวอย่างไม่ดี โปรดอย่าเลียนแบบ :P)
AVL Tree คือ binary search tree ที่คอยจัดตัวเองให้ balance อยู่เสมอ (subtree ทางซ้าย กับ subtree ทางขวามี depth แตกต่างกันไม่เกิน 2) และการจัดต้นไม้ให้ balance อยู่เสมอทำให้ binary search tree สามารถแทรก/ค้นหา ข้อมูลได้อย่างมีประสิทธิภาพ (ไม่มีปัญหาที่เกิดจากต้นไม้เอียงไปข้างใดข้างหนึ่ง)
AVL Tree ที่เขียนเป็น class มี method isLeaf (เช็คว่าเป็นโหนดลูก), depth (หาความลึกของต้นไม้), balance (คำนวณ balance factor สำหรับต้นไม้), LeftRotate (ทำการหมุนต้นไม้ไปทางซ้าย), RightRotate (หมุนต้นไม้ไปทางขวา), RLDoubleRotate (หมุนสองครั้งแบบขวา-ซ้าย), LRDoubleRotate (หมุนสองครั้งแบบซ้าย-ขวา), insert (แทรกโหนดลงไปในกราฟ), travel (ท่องไปในต้นไม้), printtree (พิมพ์ต้นไม้)
ตัวอย่างต้นไม้ที่ printtree พิมพ์ออกมา
7
6
5
4
3
2
1
ข้างบนเป็นต้นไม้ที่มี 4 เป็น root และมี 2 กับ 6 เป็นลูกทางซ้ายและขวาตามลำดับ โดย 2 มี 1 และ 3 เป็นลูก…. วิธี printtree แบบนี้ ได้เทคนิคมาจาก อ.ที่ค่าย สอวน. ศูนย์ ม.ศิลปากร ครับ 😀
(โค้ดอยู่ด้านในนะครับ)
อ่านเพิ่มเติม AVL Tree ใน python
nattster 