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
|
17天前
|
存储 算法 安全
2024重生之回溯数据结构与算法系列学习之串(12)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丟脸好嘛?】
数据结构与算法系列学习之串的定义和基本操作、串的储存结构、基本操作的实现、朴素模式匹配算法、KMP算法等代码举例及图解说明;【含常见的报错问题及其对应的解决方法】你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
2024重生之回溯数据结构与算法系列学习之串(12)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丟脸好嘛?】
|
6天前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
1月前
|
缓存 算法 Java
JVM知识体系学习六:JVM垃圾是什么、GC常用垃圾清除算法、堆内存逻辑分区、栈上分配、对象何时进入老年代、有关老年代新生代的两个问题、常见的垃圾回收器、CMS
这篇文章详细介绍了Java虚拟机(JVM)中的垃圾回收机制,包括垃圾的定义、垃圾回收算法、堆内存的逻辑分区、对象的内存分配和回收过程,以及不同垃圾回收器的工作原理和参数设置。
60 4
JVM知识体系学习六:JVM垃圾是什么、GC常用垃圾清除算法、堆内存逻辑分区、栈上分配、对象何时进入老年代、有关老年代新生代的两个问题、常见的垃圾回收器、CMS
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
【EMNLP2024】基于多轮课程学习的大语言模型蒸馏算法 TAPIR
阿里云人工智能平台 PAI 与复旦大学王鹏教授团队合作,在自然语言处理顶级会议 EMNLP 2024 上发表论文《Distilling Instruction-following Abilities of Large Language Models with Task-aware Curriculum Planning》。
|
1月前
|
算法
动态规划算法学习三:0-1背包问题
这篇文章是关于0-1背包问题的动态规划算法详解,包括问题描述、解决步骤、最优子结构性质、状态表示和递推方程、算法设计与分析、计算最优值、算法实现以及对算法缺点的思考。
62 2
动态规划算法学习三:0-1背包问题
|
17天前
|
算法 安全 搜索推荐
2024重生之回溯数据结构与算法系列学习(8)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第2.3章之IKUN和I原达人之数据结构与算法系列学习x单双链表精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
17天前
|
存储 算法 安全
2024重生之回溯数据结构与算法系列学习之顺序表【无论是王道考研人还真爱粉都能包会的;不然别给我家鸽鸽丢脸好嘛?】
顺序表的定义和基本操作之插入;删除;按值查找;按位查找等具体详解步骤以及举例说明
|
17天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
18 3
|
16天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
17天前
|
算法 安全 搜索推荐
2024重生之回溯数据结构与算法系列学习之单双链表精题详解(9)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第2.3章之IKUN和I原达人之数据结构与算法系列学习x单双链表精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!