今日目標

各位~辛苦了
到了今天進階工程師之路也即將到尾聲
今天本來是要講解虛擬環境、log、錯誤處理三個

但我想要可以幫大家可以提升技能的小技巧就盡量補足

1. 虛擬環境
2. log使用
3. 錯誤處理的應用
4. python推導
5. 效能運算-迴圈及向量比較

Skill-1 避免開發環境汙染 - 虛擬環境

定義

其實在許多程式語言開發也有類似的方式來做環境隔離或是使用docker容器化的技術
不過這變不提XDD
想學習的大大可以到devops專欄找大神看看技術文章

指令表

示範

這邊會以
1.創建
2.進入環境
3.停用

三項來demo
1.創建python -m venv webdevelop(創建網頁開發環境)

tips - 使用這個指令會在當前目錄下建立資料夾目錄，這個例子就是會建立webdevelop

2. 啟動環境 webdeveop\Scripts\activate.bat

這邊有兩個小重點
1.執行要在command模式啟用，在使用webdeveop\Scripts\activate.bat啟用
2.最前面就是你創建的目錄
3.其實就是要執行資料夾內的bat執行檔，所以你也可以直接cd 到webdeveop\Scripts內，使用activate.bat

如何確認已經進入環境了呢?
只要進入後看到command line前面有(環境名稱) 就代表成功進入了!!

你也可以使用pip list來看安裝列表會跟你在一般環境下的pip list有差別喔~

3. 退出環境 deactivate

這邊就不放圖片了就是直接在command line模式打這行指令就會退出虛擬環境了。

只要前面沒有(環境名稱)就是退出了

Skill-2 錯誤處理 - try...except

定義

錯誤處理在coding skill中
也是相當重要的地位
舉例在後端工程師開發api中，會有許多的錯誤(網路、前端各式的資料格式錯誤、型態不符合、資料缺少...等)
都可以透過錯誤處理來丟出錯誤
來讓工程師或user看到錯誤在哪裡

範例

1.基本的 try-except：

在前面輸入的程式碼中，我們可以增加try跟except

try:
    x = int(input("請輸入一個數字: "))
except ValueError:
    print("無效的輸入！請輸入有效的整數。")

1.當程式碼進到try區域的時候會嘗試執行操作，一旦有錯誤會進入到except中
2.如果沒有錯誤就會跳過except處理
3.except 可以定義各種錯誤
4.finally 可已讓程式碼無論是否盡到錯誤都會執行的區段

2.多個 except：

try:
    with open("file.txt") as f:
        content = f.read()
        num = int(content)
except FileNotFoundError:
    print("找不到文件！")
except ValueError:
    print("無法將內容轉換為整數！")

3.使用 else 和 finally：

try:
    result = 10 / 2
except ZeroDivisionError:
    print("不能除以零！")
else:
    print(f"結果是: {result}")
finally:
    print("這段代碼總是會被執行。")

tips - 這邊也可以直接把reslut寫在try裡，但是透過else可以讓程式碼更具有結構以及可讀性喔!!

4.自定義異常：

class MyCustomError(Exception):
    pass

def my_function():
    raise MyCustomError("這是一個自定義錯誤！")

try:
    my_function()
except MyCustomError as e:
    print(e)

可以使用前面學到的class來定義錯誤訊息，尤其是在設計API時可以給前段許多自定義的錯誤，
讓前端工程師更好判斷錯誤在哪要呈現什麼頁面喔

Skill-3 Log紀錄 - 使用logging模組

定義

在 Python 中，常用的日誌紀錄方式主要是使用內建的 logging 模組。這個模組提供了一種靈活且強大的方法來記錄程式運行時的各種信息。

示範

1. script模式

import logging

# 設定基本配置
logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s')

# 創建一個 FileHandler 並設置編碼為 utf-8
file_handler = logging.FileHandler('app.log', mode='a', encoding='utf-8')
formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
file_handler.setFormatter(formatter)

# 獲取根 logger 並添加 handler
logger = logging.getLogger()
logger.addHandler(file_handler)

# 記錄日誌
logger.info('這是一條信息級別的日誌')
logger.warning('這是一條警告級別的日誌')
logger.error('這是一條錯誤級別的日誌')

我們可以很簡單的操作script方式來記錄log模組
這個可以幫我們把script code中如果需要錯誤處理
可以搭配try...except 根loggin來把錯誤塞進log file

2. web api log

from flask import Flask
import logging

app = Flask(__name__)

# 設定基本配置
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

@app.route('/')
def home():
    app.logger.info('訪問首頁')
    return 'Hello, World!'

@app.route('/error')
def error():
    app.logger.error('發生錯誤！')
    return 'Error occurred!', 500

if __name__ == '__main__':
    app.run()

雖然還沒交到，但我們也可以透過log模組紀錄api的錯誤訊息喔~!!

Skill-4 推導式（Comprehensions）

1.列表推導式（List Comprehensions）

定義
new_list = [expression for item in iterable if condition]

1.生成平方數列表

squares = [x**2 for x in range(10)]  # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

2.過濾長度大於3的字符串並轉換為大寫

names = ['Bob', 'Tom', 'alice', 'Jerry', 'Wendy', 'Smith']
filtered_names = [name.upper() for name in names if len(name) > 3]  # ['ALICE', 'JERRY', 'WENDY', 'SMITH']

字典推導式（Dictionary Comprehensions）

定義
new_dict = {key_expression: value_expression for item in iterable if condition}

將列表轉換為字典，鍵為索引，值為元素：

names = ['A', 'B', 'C']
name_dict = {i: name for i, name in enumerate(names)}  # {0: 'A', 1: 'B', 2: 'C'}

Skill-5 效能運算-迴圈及向量比較

比較

1.較差的運算法

import time

# 效能差的版本
def square_numbers_loop(numbers):
    result = []
    for number in numbers:
        result.append(number ** 2)
    return result

# 測試
numbers = list(range(1000000))
start_time = time.time()
squared_numbers = square_numbers_loop(numbers)
end_time = time.time()

print("Using loop took:", end_time - start_time, "seconds")

2. 叫好的寫法(使用向量寫法)

import numpy as np

# 效能好的版本
def square_numbers_numpy(numbers):
    array = np.array(numbers)
    return array ** 2

# 測試
numbers = np.arange(1000000)
start_time = time.time()
squared_numbers = square_numbers_numpy(numbers)
end_time = time.time()

print("Using NumPy took:", end_time - start_time, "seconds")

python效能演算法比較網站

大家可以直接點這網址操作
https://perfpy.com/800

這邊想強調的是，在演算法面試或考試中，硬幹的迴圈處理大多時候會比使用數學公式處理還差喔!!
這也是為什麼，很多人說高階工程師需要一定的數學基礎~

總結

今天學會了5種技巧是對python程式設計師提升技能的小技巧
下周開始就會開始實作專案瞜~大家準備好了嗎?