龙空技术网

Python中单行表达式背后的魔力

闻数起舞 994

前言:

现时兄弟们对“python for 单行”可能比较讲究,各位老铁们都需要了解一些“python for 单行”的相关知识。那么小编也在网上汇集了一些对于“python for 单行””的相关文章,希望咱们能喜欢,各位老铁们一起来学习一下吧!

关于人类可读代码如何作为操作码执行的介绍。

Photo by Chris Ried on Unsplash

前几天,我正在解决编码问题,检查"这是否是一个好的数组"。 经过一个小时的工作,我提交了解决方案以检查结果。 尽管正确,但与提交的其他解决方案相比,我的代码的性能却排在最后20%。 为了提高解决问题的能力,我在论坛上通读了有关同行如何解决问题的信息。 解决方案之一的简单性让我震惊! 在解决方案中(示例代码1),在第7行中,作者使用了单行表达式来很好地使代码简洁易读。 尽管我使用Python编写代码已有四年多了,但将这种语言放在这种用例中的能力令我敬畏。

撰写本文的目的是深入了解并理解单行表达式在python的调用堆栈中的工作方式,并向读者介绍操作码在下面的工作方式。

# This is not my solution, the snippet is copied from the link below.#  isGoodArray(self, A): gcd = A[0] for a in A: while a: gcd, a = a, gcd % a return gcd == 1
Python中单行表达式的解释
>>> def test_one_line_expression(a,b):... a,b = b+1, a+b... return a,b>>> test_one_line_expression(5,6)(7, 11)

示例代码2中的代码段在第2行中使用了一行表达式。假定我们在纸上的第2行中计算了一行表达式; 如果我们决定先计算b + 1,存储结果,然后计算a + b,则第3行的输出为6、12。如果选择反转顺序,则第5行的输出为12、11 幸运的是,python解释器没有这种奢侈。

在python中,总是首先评估右边的表达式,即,首先对'='的所有权利进行评估。 当我们在表达式中使用逗号(,)时,我们要求python创建一个元组。 计算完成后,将在右侧评估的值解包到左侧的变量中。

>>> def test_one_line_expression(a,b):... a,b = a+b, b+1... return a,b... >>> print test_one_line_expression(5,6)(11, 7)

在这里,可能会出现一个问题,即" ="右侧的两个表达式按什么顺序排序? 在示例代码2和示例代码3中,python如何计算具有原始值5和6的值a + b和b + 1。一旦计算出a或b,它就不应该使用更新后的值吗? 让我们看一下要理解的操作码。

反汇编和分析操作码

Call-stack diagram for example code 2

在左侧,我正在使用dis python模块来分解示例代码2中的代码,并分析python字节码以了解其工作方式。

第一列-代表函数中的行号。 [这里是示例代码2中的代码。]

第二列_0、3、6 ..是字节码中与字节索引相对应的地址。

第三列— LOAD_FAST,LOAD_CONST ..表示指令名称或操作名称。

第四栏-Python在内部用于管理堆栈,跳转到特定指令,获取变量等。

第五列—这是人类可读的参数形式。

了解操作码

在调用堆栈图中,前三行或多或少是不言自明的。 LOAD_FAST将变量'b'压入堆栈,LOAD_CONS按此顺序将常数1压入堆栈,然后BINARY_ADD删除堆栈顶部(TOS)的内容为1,其次于顶部(TOS1)的内容为b = 6 ,进行二进制加法并将结果存储到堆栈的顶部。 因此,此操作后的堆栈内容为[7]。

然后使用LOAD_FAST将'b'和'a'压入堆栈。 注意,堆栈内容现在为[7,5,6]。 另一个BINARY_ADD,添加TOS和TOS1的内容并将其推入TOS,因此堆栈看起来像[7,11]。 ROT_TWO交换TOS和TOS1的内容,因此堆栈看起来像[11,7]。 这两个STORE_FAST将值存储在堆栈中,并按该顺序将它们存储在分配左侧的名称中。 因此,我们最终存储了a = 7和b =11。第3行的操作码只是加载a&b的值,创建一个元组并返回输出。

我希望这有助于介绍python操作码如何解决表达式。 可以使用类似的方法来反汇编和理解用python编写的任何代码。 一个很好的跟进可能是对示例代码3中的代码进行类似的练习。

(本文翻译自Shashank Kumar的文章The Magic Behind One-Line Expressions in Python)

标签: #python for 单行