3个提高 Python 开发效率的小工具，建议收藏！（3个提高高10%等于几）

本文将3个Python小工具，它们能够帮助我们提高工作效率，希望能对大家有所帮助。

本文将介绍的三个小工具如下：

在Sublime Text中支持Python运行；

在Mac电脑的iTerm2中支持查看图片；

Python的typing模块介绍。

详细内容介绍如下。

在Sublime Text中支持Python运行

在平时工作中，我们通常用PyCharm开发Python工程，也可以用Vim编辑和查看Python脚本。但是，如果我们仅仅想创造一个单独的脚本来实现某些功能，那么用PyCharm会显得大题小做，用Vim又不方便编辑。这时候，我们可以借助文本编辑器，比如Sublime Text，来实现Python脚本的编辑和运行。

Sublime Text是Mac系统支持的文本编辑器，Notepad++不支持Mac系统。     如果我们想在Sublime Text中支持Python运行，需要做一些设置。    打开Sublime Text的Tools，选择Build System中的New Build System...，会出现脚本，我们修改其中的内容如下：

{ "cmd": ["D:/Anaconda3/python3.7.exe","-u","$file"],

}

其中cmd中对应的列表的第一项为Python的安装路径。编辑完后，在默认位置保存文件，比如刚才的文件名为Python3.7.sublime-build。

我们示例的Python脚本为test.py,代码如下：

import numpy as np

matrix = np.array([[0, 1, 2], [2, 4, 5] ]) print(matrix[1, 2]) print("Hello world from Sublime Text.")

同样，在Windows系统中也可以这样设置，方便又使用。

至于Notepad++是否有相似的功能，还有待研究。

在Mac系统的iTerm2中支持查看图片

iTerm2是Mac系统很好用的终端工具，本文不过多介绍iTerm2，而是介绍如何直接在iTerm2中查看图片，这样可以方便我们在终端直接查看图片。

我们使用的工具为imgcat。

在iTerm2中新建shell脚本imgcat.sh，编辑完文件后保存，并用chmod u+x imgcat.sh赋予执行权限。

这样就可以直接查看图片了。什么，这么简单？对，就是这么简单！

在笔者电脑上的效果如下：

类型检查，防止运行时出现参数和返回值类型不符合。

作为开发文档附加说明，方便使用者调用时传入和返回参数类型。

该模块加入后并不会影响程序的运行，不会报正式的错误，只有提醒。

简单来说，使用typing模块我们可以对参数的类型做注释并检查，它不会影响程序运行，而这是提醒。总所周知，在Python中调用函数或变量时，不需要对参数或变量进行类型说明，这样虽然方便程序编写，但不利于程序阅读，有了typing模块，可以增加程序的可阅读性，同时也能提升代码的可维护性和健壮性。

举个简单的例子，我们实现一个函数digits_sum，输入参数为字符串，比如"352"，输出该数字上的各个数位上的数字之和，比如10。有了typing模块，我们的代码如类似如下：

from typing import * # 创建函数 def digits_sum(num:str) -> int: digits_arr = map(lambda x: int(x), num) return sum(digits_arr) # 测试 num = "352" result = digits_sum(num=num) print(result)

输出结果为10。对上面的程序做点说明，其中第一句中的from typing import *可以不必写，因为str,int都是Python内置的数据类型。函数声明为def digits_sum(num:str) -> int，括号内的num类型为str，箭头后的int表示函数的输出结果数据类型为int。  我们再给出一个例子。函数dict_multipy，输入为字典，如果key值对应的value的数据类型为float或者int型，则乘以2，否则跳过，那么输出也为字典。程序如下：

from typing import Dict, Any # 创建函数 def dict_multipy(d: Dict[str, Any]) -> Dict[str, float or int]: new_dict = {} for k, v in d.items(): if isinstance(v, (float, int)):

new_dict[k] = v * 2 return new_dict # 测试 d = {"no": "100", "age": 12, "work_year": 3, "name": "JC"}

new_d = dict_multipy(d=d) print(new_d)

输出结果为{'age': 24, 'work_year': 6}。在函数声明中，d为字典，其key值为str，val为任意类型（Any）,输出为字典，key值为str，val值为float或者int。

当然，我们还可以在typing创建别名或者新的数据类型，以下就是一个例子。

from typing import List

# 取List[float]别名为Vector

Vector = List[float]

def scale(scalar: float, vector: Vector) -> Vector: return [scalar * num for num in vector]

new_vector = scale(2.0, [1.0, -4.2, 5.4])

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。