9.1 调试
定期地进行备份是程序设计中地一个关键环节——不管我们的机器，操作系统多么可靠以及发生失败的概率多么微乎其微——因为失败仍然是可能发生的。备份一般都是粗粒度的——备份文件是几小时之前的，甚至是几天之前的。
9.1.1 处理语法错误
if True
print("stupid!!!")
else:
print("You will never see me...")
File "C:/Py/modeltest.py", line 5
if True
^
SyntaxError: invalid syntax
上面的例子中，if后面忘记加了“：”，所以报错。
try:
s = "Tomorrow is a new day, {0}"
s2 = "gone with the wind..."
print(s.format(s2)
except ValueError as err:
print(err)
File "C:/Py/modeltest.py", line 10
except ValueError as err:
^
SyntaxError: invalid syntax
看上面的例子，实际上，报错的位置并没有错误，真正的错误在于print后少了半边括号，但是Python在运行到此处的时候并没有意识到错误, 因为可能通过括号分行，所以显示错误在了下一行。
9.1.2 处理运行时错误
pass
9.1.3 科学的调试
如果程序可以运行，但程序行为和期待的或需要的不一致，就说明程序中存在一个bug——必须清除的逻辑错误。清楚这类错误的最好方法是首先使用TDD(测试驱动的开发)来防止发生这一类错误，然而，总会有些bug没有避免，因此，即便使用TDD，调试也仍然是必须学习和掌握的技能。
为清楚一个bug, 我们必须采取如下一个步骤：
- 再现bug
- 定位bug
- 修复bug
- 对修复进行测试
9.2 单元测试
单元测试——对单独的函数、类与方法进行测试，确保其符合预期的行为。
就像我们之前那样做的：
if __name__ == "__main__":
import doctest
doctest.testmod()
另一种执行doctest的方法是使用uniitest模块创建单独的测试程序。unittest模块可以基于doctests创建测试用例，而不需要指导程序或模块包含的任何事物——只要指导其包含doctest即可。
我们创建了一个docunit.py的程序：
def test(x):
"""
>>> test(-1)
'hahahaha'
>>> test(1)
'lalalala'
>>> test('1')
'wuwuwuwuwuwu'
"""
s1 = "hahahahha"
s2 = "lalalalala"
s3 = "wuwuwuwuwuwu"
try:
if x <= 0:
return s1
else:
return s2
except:
return s3
注意，如果运行测试，前俩条会出错，因为不匹配。
再创建一个新的程序：
import doctest
import unittest
import docunit
suite = unittest.TestSuite()
suite.addTest(doctest.DocTestSuite(docunit))
runner = unittest.TextTestRunner()
print(runner.run(suite))
注意，第三个import的是自己的程序，输出为：
<unittest.runner.TextTestResult run=1 errors=0 failures=1>
F
======================================================================
FAIL: test (docunit)
Doctest: docunit.test
----------------------------------------------------------------------
Traceback (most recent call last):
File "C:Analibdoctest.py", line 2198, in runTest
raise self.failureException(self.format_failure(new.getvalue()))
AssertionError: Failed doctest test for docunit.test
File "C:Pydocunit.py", line 7, in test
----------------------------------------------------------------------
File "C:Pydocunit.py", line 9, in docunit.test
Failed example:
test(-1)
Expected:
'hahahaha'
Got:
'hahahahha'
----------------------------------------------------------------------
File "C:Pydocunit.py", line 11, in docunit.test
Failed example:
test(1)
Expected:
'lalalala'
Got:
'lalalalala'
----------------------------------------------------------------------
Ran 1 test in 0.000s
FAILED (failures=1)
Process finished with exit code 0
只是，这个时候，我们写的程序的程序名，必须为有效的模块名。
unittest 模块定义了4个关键概念。测试夹具是一个用于描述创建测试（以及用完之后将其清理）所必须的代码的术语，典型实例是创建测试所用的一个输入文件，最后删除输入文件与结果输出文件。测试套件是一组测试用例的组合。测试用例是测试的基本单元。测试运行着是执行一个或多个测试套件的对象。
典型情况下，测试套件是通过创建unittest.TestCase的子类实现的，其中每个名称以“test”开头的方法都是一个测试用例。如果我们需要完成任何创建操作，就可以在一个名为setUp()的方法中实现；类似地，对任何清理操作，也可以实现一个名为tearDown()的方法。在测试内部，有大量可供我们使用的unittest.TestCase方法，包括assertTrue(), assertEqual()， assertAlmostEqual()（对于测试浮点数很有用）、assertRaises()以及更多，还包括对应的逆方法，比如assertFalse(), assertNotEqual()、faillfEqual()、failUnlessEqual()等。
下面是一个例子，因为不知道该编一个啥，就用一个最简单的，只是为了说明这个unittest该怎么用。
import unittest
class List(list):
def plus(self, other):
return list(set(self + other))
class TestList(unittest.TestCase):
def setUp(self):
self.list1 = List(range(3))
self.list2 = list(range(2, 5))
def test_list_add(self):
addlist = self.list1 + self.list2
self.assertEqual(
addlist, [0, 1, 2, 2, 3, 4]
)
def test_list_plus(self):
pluslist = self.list1.plus(self.list2)
self.assertNotEqual(
pluslist, [0, 1, 2, 2, 3, 4]
)
def process():
self.list2.plus(self.list1)
self.assertRaises(
AttributeError, process #注意assertRaises的第二项必须callable Obj
)
def tearDown(self):
"""
我不知道这么做有没有用
:return:
"""
del self
if __name__ == "__main__":
suite = unittest.TestLoader().loadTestsFromTestCase(
TestList
)
runner = unittest.TextTestRunner()
print(runner.run(suite))
更多的函数，在博客,还蛮详细的：
python的unittest单元测试框架断言整理汇总-黑面狐
9.3 Profiling
一些合理的Python程序设计风格，对提高程序性能不无裨益：
- 在需要只读序列是，最好使用元组而非列表；
- 使用生成器，而不是创建大的元组和列表并在其上进行迭代处理
- 尽量使用Python内置的数据结构——dicts, list, tuples——而不实现自己的自定义结构
- 从小字符串中产生大字符串时，不要对小字符串进行连接，而是在列表中累积，最后将字符串列表结合为一个单独的字符串
- 最后一点，如果某个对象需要多次使用属性进行访问，或从某个数据结构中进行访问，那么较好的做法时创建并使用一个局部变量来访问该对象。
在jupiter notebook里面用%%time输出cell单次运行的时间，%%timeit 输出运行10万次?的平均之间.
使用timeit模块：
import timeit
def function_a(x, y):
for i in range(10000):
x + y
def function_b(x, y):
for i in range(10000):
x * y
def function_c(x, y):
for i in range(10000):
x / y
if __name__ == "__main__":
repeats = 1000
X = 123.123
Y = 43.432
for function in ("function_a", "function_b",
"function_c"):
t = timeit.Timer("{0}(X, Y)".format(function),
"from __main__ import {0}, X, Y".format(function))
sec = t.timeit(repeats) / repeats
print("{function}() {sec:.6f} sec".format(**locals()))
其中timeit.Timer()函数的第一个参数，是我们需要执行的字符串，第二个参数也是可执行的字符串，是用以提供参数的。
function_a() 0.000386 sec
function_b() 0.000384 sec
function_c() 0.000392 sec
利用cProfile模块，会更加方便且详细地给出运行时间地指示：
import cProfile
import time
def function_a(x, y):
for i in range(10000):
function_f(x, y)
function_d()
def function_b(x, y):
for i in range(10000):
function_f(x, y)
function_d()
function_d()
def function_c(x, y):
for i in range(10000):
function_f(x, y)
function_d()
function_d()
function_d()
def function_d():
time.sleep(0.01)
def function_f(x, y):
x * y
if __name__ == "__main__":
repeats = 1000
X = 123.123
Y = 43.432
for function in ("function_a", "function_b",
"function_c"):
cProfile.run("for i in range(1000): {0}(X, Y)"
.format(function))
10003003 function calls in 16.040 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.007 0.007 16.040 16.040 <string>:1(<module>)
1000 3.878 0.004 16.033 0.016 modeltest.py:13(function_a)
1000 0.006 0.000 10.241 0.010 modeltest.py:31(function_d)
10000000 1.915 0.000 1.915 0.000 modeltest.py:34(function_f)
1 0.000 0.000 16.040 16.040 {built-in method builtins.exec}
1000 10.235 0.010 10.235 0.010 {built-in method time.sleep}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
10005003 function calls in 28.183 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.008 0.008 28.183 28.183 <string>:1(<module>)
1000 4.873 0.005 28.175 0.028 modeltest.py:18(function_b)
2000 0.015 0.000 20.903 0.010 modeltest.py:31(function_d)
10000000 2.399 0.000 2.399 0.000 modeltest.py:34(function_f)
1 0.000 0.000 28.183 28.183 {built-in method builtins.exec}
2000 20.887 0.010 20.887 0.010 {built-in method time.sleep}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
10007003 function calls in 38.968 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.008 0.008 38.968 38.968 <string>:1(<module>)
1000 5.004 0.005 38.959 0.039 modeltest.py:24(function_c)
3000 0.024 0.000 31.498 0.010 modeltest.py:31(function_d)
10000000 2.457 0.000 2.457 0.000 modeltest.py:34(function_f)
1 0.000 0.000 38.968 38.968 {built-in method builtins.exec}
3000 31.474 0.010 31.474 0.010 {built-in method time.sleep}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
ncalls: 调用地次数
tottime: 在某个函数中耗费的总时间，但是派出了函数调用的其他函数内部花费的时间
percall: 对函数的每次调用的平均时间 tottime / ncalls
cumtime: 累计时间，列出了在函数中耗费的时间，并且包含了函数调用其他函数内部花费的时间
percall（第二个）: 列出了对函数的每次调用的平均时间，包裹其调用的函数耗费的时间