一行代码干掉 debug 和 print,助力算法学习

简介: 在写算法的时候,总是要每行每个变量一个个的 debug,有时候还要多写几个 print,一道算法题要花好长时间才能理解。pysnooper 模块可以把在运行中变量值都给打印出来。

在写算法的时候,总是要每行每个变量一个个的 debug,有时候还要多写几个 print,一道算法题要花好长时间才能理解。pysnooper 模块可以把在运行中变量值都给打印出来。


模块安装

pip3 install pysnooper


简单例子

下面是道简单的力扣算法题作为一个简单的例子


import pysnooper
@pysnooper.snoop()
def longestCommonPrefix(strs):
    res = ''
    for i in zip(*strs):
        print(i)
        if len(set(i)) == 1:
            res += i[0]
        else
            break
    return res
if __name__ == 'main':
    longestCommonPrefix(["flower","flow","flight"])


结果:

3:38:25.863579 call         4 def longestCommonPrefix(strs):
23:38:25.864474 line         5     res = ''
New var:....... res = ''
23:38:25.864474 line         6     for i in zip(*strs):
New var:....... i = ('f', 'f', 'f')
23:38:25.865479 line         7         print(i)
('f', 'f', 'f')
23:38:25.866471 line         8         if len(set(i))==1:
23:38:25.866471 line         9             res+=i[0]
Modified var:.. res = 'f'
23:38:25.866471 line         6     for i in zip(*strs):
Modified var:.. i = ('l', 'l', 'l')
23:38:25.866471 line         7         print(i)
('l', 'l', 'l')
23:38:25.867468 line         8         if len(set(i))==1:
23:38:25.867468 line         9             res+=i[0]
Modified var:.. res = 'fl'
23:38:25.868476 line         6     for i in zip(*strs):
Modified var:.. i = ('o', 'o', 'i')
23:38:25.868476 line         7         print(i)
('o', 'o', 'i')
23:38:25.869463 line         8         if len(set(i))==1:
23:38:25.869463 line        11             break
23:38:25.869463 line        12     return res
23:38:25.869463 return      12     return res
Return value:.. 'fl'
Elapsed time: 00:00:00.008201


我们可以看到 pysnooper 把整个执行程序都记录了下来,其中包括行号, 行内容,变量的结果等情况,我们很容易的就看懂了这个算法的真实情况。并且不需要再使用 debug 和 print 调试代码。很是省时省力,只需要在方法上面加一行 @pysnooper.snoop()。


复杂使用


pysnooper 包含了多个参数,一起来看看吧


output

output 默认输出到控制台,设置后输出到文件,在服务器中运行的时候,特定的时间出现代码问题就很容易定位错误了,不然容易抓瞎。小编在实际中已经被这种问题困扰了好几次,每次都掉好多头发。


@pysnooper.snoop('D:\pysnooper.log')
def longestCommonPrefix(strs):


示例结果:

59.png

watch 和 watch_explode

watch 用来设置跟踪的非局部变量,watch_explode 表示设置的变量都不监控,只监控没设置的变量,正好和 watch 相反。

index = 1
@pysnooper.snoop(watch=('index'))
def longestCommonPrefix(strs):


示例结果

没有加 watch 参数


Starting var:.. strs = ['flower', 'flow', 'flight']
00:12:33.715367 call         5 def longestCommonPrefix(strs):
00:12:33.717324 line         7     res = ''
New var:....... res = ''


加了watch 参数,就会有一个 Starting var:.. index


Starting var:.. strs = ['flower', 'flow', 'flight']
Starting var:.. index = 1
00:10:35.151036 call         5 def longestCommonPrefix(strs):
00:10:35.151288 line         7     res = ''
New var:....... res = ''


depth

depth 监控函数的深度


@pysnooper.snoop(depth=2)
def longestCommonPrefix(strs):
    otherMethod()


示例结果


Starting var:.. strs = ['flower', 'flow', 'flight']
00:20:54.059803 call         5 def longestCommonPrefix(strs):
00:20:54.059803 line         6     otherMethod()
    00:20:54.060785 call        16 def otherMethod():        
    00:20:54.060785 line        17     x = 1
    New var:....... x = 1
    00:20:54.060785 line        18     x = x + 1
    Modified var:.. x = 2
    00:20:54.060785 return      18     x = x + 1
    Return value:.. None
00:20:54.061782 line         7     res = ''

监控的结果显示,当监控到调用的函数的时候,记录上会加上缩进,并将它的局部变量和返回值打印处理。


prefix

prefix 输出内容的前缀


@pysnooper.snoop(prefix='-------------')
def longestCommonPrefix(strs):


示例结果

-------------Starting var:.. strs = ['flower', 'flow', 'flight']
-------------00:39:13.986741 call         5 def longestCommonPrefix(strs):
-------------00:39:13.987218 line         6     res = ''


relative_time

relative_time 代码运行的时间


@pysnooper.snoop(relative_time=True)
def longestCommonPrefix(strs):


示例结果

Starting var:.. strs = ['flower', 'flow', 'flight']
00:00:00.000000 call         5 def longestCommonPrefix(strs):
00:00:00.001998 line         6     res = ''
New var:....... res = ''
00:00:00.001998 line         7     for i in zip(*strs):


max_variable_length


max_variable_length 输出的变量和异常的最大长度,默认是 100 个字符,超过 100 个字符就会被截断,可以设置为 max_variable_length=None 不截断输出

@pysnooper.snoop(max_variable_length=5)
def longestCommonPrefix(strs):


示例结果

Starting var:.. strs = [...]
00:56:44.343639 call         5 def longestCommonPrefix(strs):
00:56:44.344696 line         6     res = ''
New var:....... res = ''
00:56:44.344696 line         7     for i in zip(*strs):      
New var:....... i = (...)


总结

本文介绍了怎么使用 pysnooper 工具,pysnooper 不仅可以少一些 debug 和 print,更能帮助理解算法题。

目录
相关文章
|
27天前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
160 0
|
2月前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
173 26
|
2月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
116 6
|
27天前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
129 8
|
27天前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
139 8
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
519 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
2月前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
209 14
|
2月前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
179 2
|
27天前
|
机器学习/深度学习 数据采集 负载均衡
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
107 0
|
27天前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
102 0

热门文章

最新文章