python中sec函数

在python下输入运算表达式,输出运算结果.

binaryDic={'+':float.__add__,

'-':float.__sub__,

'*':float.__mul__,

'%':float.__mod__,

'**':float.__pow__,}

unaryDic={'-':float.__neg__,

'+':float.__pos__,}

def?is_float(s):

'判断是否浮点数字符'

return?s.isdigit()?or?s=='.'

def?is_prior(firOpf,secOpf):

'判断运算符的优先级'

if?secOpf=='**':

return?False

return?priorDic[firOpf]=priorDic[secOpf]

def?wipe_brace(s,start=0):

's是以左括号开头的字符串'

'此函数将消去括号,求出括号内的值,并返回剩余字符'

pos=s.find(')',start)

if?s[1:pos].count('(')==s[1:pos].count(')'):

return?s[pos+1:]?,ieval(s[1:pos])?

return?wipe_brace(s,pos+1)

def?get_Longest_number(s,num=''):

's是以左括号或数字开头的字符串'

'返回s首位开始的最长连续数字串和剩余字符串'

if?not?s?:

return?s,num

if?s[0]=='(':

return?wipe_brace(s)

if?is_float(s[0]):

return?get_Longest_number(s[1:],num+s[0])

def?get_val(fir='',opf='',sec=''):

'智能求值函数.能进行一元,二元或纯值运算'

if?opf:

if?sec:

return?str(binaryDic[opf](float(fir),float(sec)))

return?str(unaryDic[opf](float(fir)))

return?fir

def?get_safeSec(s,cmpOpf='**',neg='',safeSec='',):

'比较s的第一个二元运算符和cmpOpf的优先级'

'以便获得安全的第二个值'

if?not?s:

return?s,get_val(safeSec,neg)

if?not?safeSec:

if?s[0]=='+':

return?get_safeSec(s[1:],cmpOpf,neg)

if?s[0]=='-':

return?get_safeSec(s[1:],cmpOpf,''?if?neg=='-'?else?'-')?

if?is_float(s[0])?or?s[0]=='(':

rest,safeSec=get_Longest_number(s)

return?get_safeSec(rest,cmpOpf,neg,safeSec)

if?is_prior(cmpOpf,s[:opfNum]):

rest,safeNum=get_safeSec(s[opfNum:],s[:opfNum])

return?get_safeSec(rest,cmpOpf,neg,get_val(safeSec,s[:opfNum],safeNum))

def?ieval(s='',fir='',opf='',sec=''):

'控制整个解析流程'

return?get_val(fir,opf,sec)

if?not?fir:

if?s[0]=='-':??

return?ieval(s[1:],fir,''?if?opf=='-'?else?'-')

return?ieval(s[1:],fir,opf)

return?ieval(*get_Longest_number(s),opf=opf)

if?not?sec:

if?not?opf:

rest,sec=get_safeSec(s[opfNum:],s[:opfNum])

return?ieval(rest,fir,s[:opfNum],sec)

return?ieval(s,get_val(fir,opf))

return?ieval(rest,get_val(fir,'**',sec),opf)

return?ieval(s,get_val(fir,opf,sec))

if?__name__=='__main__':

for?x?in?test:

print(ieval(x),'___',eval(x))

结果:

python中时间如何表示

使用时间需要使用time模块

import time引入time模块

time.time()方法获取当前的时间,以timestamp的形式

time.time()

time.localtime()方法：以struct_time的形式获取当前的当地时间

time.localtime()

time.gmtime()方法：以struct_time的形式获取当前的格林尼治时间

从struct_time中获取具体的年月日：

ctime.tm_year? ctime.tm_mon .....

ttm_tm_isdst = 1来告知mktime()现在处于夏令时,明确使用ttm.tm_isdst = 0来告知未处于夏令时

不同时间表示法的转换

struct_time转timestamp: time.mktime(struct_time)

timestamp转struct_time: time.localtime(time.time())

后端编程Python3-调试、测试和性能剖析(下)

单元测试（Unit Testing）

为程序编写测试——如果做的到位——有助于减少bug的出现,并可以提高我们对程序按预期目标运行的信心.通常,测试并不能保证正确性,因为对大多数程序而言, 可能的输入范围以及可能的计算范围是如此之大,只有其中最小的一部分能被实际地进 行测试.尽管如此,通过仔细地选择测试的方法和目标,可以提高代码的质量.

大量不同类型的测试都可以进行,比如可用性测试、功能测试以及整合测试等.这里, 我们只讲单元测试一对单独的函数、类与方法进行测试,确保其符合预期的行为.

TDD的一个关键点是,当我们想添加一个功能时——比如为类添加一个方法—— 我们首次为其编写一个测试用例.当然,测试将失败,因为我们还没有实际编写该方法.现在,我们编写该方法,一旦方法通过了测试,就可以返回所有测试,确保我们新添加的代码没有任何预期外的副作用.一旦所有测试运行完毕（包括我们为新功能编写的测试）,就可以对我们的代码进行检查,并有理有据地相信程序行为符合我们的期望——当然,前提是我们的测试是适当的.

比如,我们编写了一个函数,该函数在特定的索引位置插入一个字符串,可以像下面这样开始我们的TDD：

def insert_at（string, position, insert）:

"""Returns a copy of string with insert inserted at the position

string = "ABCDE"

result =[]

... result.append(insert_at(string, i,"-"))

['ABC-DE', 'ABCD-E', '-ABCDE','A-BCDE', 'AB-CDE']

['ABC-DE', 'ABCD-E', 'ABCDE-', 'ABCDE-']

"""

return string

对不返回任何参数的函数或方法（通常返回None）,我们通常赋予其由pass构成的一个suite,对那些返回值被试用的,我们或者返回一个常数（比如0）,或者某个不变的参数——这也是我们这里所做的.（在更复杂的情况下,返回fake对象可能更有用一一对这样的类,提供mock对象的第三方模块是可用的.）

运行doctest时会失败,并列出每个预期内的字符串（'ABCD-EF'、'ABCDE-F' 等）,及其实际获取的字符串（所有的都是'ABCD-EF'）.一旦确定doctest是充分的和正确的,就可以编写该函数的主体部分,在本例中只是简单的return string[:position] + insert+string[position:].（如果我们编写的是 return string[:position] + insert,之后复制 string [:position]并将其粘贴在末尾以便减少一些输入操作,那么doctest会立即提示错误.）

Python的标准库提供了两个单元测试模块,一个是doctest,这里和前面都简单地提到过,另一个是unittest.此外,还有一些可用于Python的第三方测试工具.其中最著名的两个是nose (code.google.com/p/python-nose)与py.test (codespeak.net/py/dist/test/test.html), nose 致力于提供比标准的unittest 模块更广泛的功能,同时保持与该模块的兼容性,py.test则采用了与unittest有些不同的方法,试图尽可能消除样板测试代码.这两个第三方模块都支持测试发现,所以呢没必要写一个总体的测试程序——因为模块将自己搜索测试程序.这使得测试整个代码树或某一部分 (比如那些已经起作用的模块)变得很容易.那些对测试严重关切的人,在决定使用哪个测试工具之前,对这两个(以及任何其他有吸引力的)第三方模块进行研究都是值 得的.

if __name__ =="__main__":

import doctest

doctest.testmod()

在程序内部使用doctest也是可能的.比如,blocks.py程序(其模块在后面)有自己函数的doctest,但以如下代码结尾：

if __name__== "__main__":

main()

另一种执行doctest的方法是使用unittest模块创建单独的测试程序.在概念上, unittest模块是根据Java的JUnit单元测试库进行建模的,并用于创建包含测试用例的测试套件.unittest模块可以基于doctests创建测试用例,而不需要知道程序或模块包含的任何事物——只要知道其包含doctest即可.所以呢,为给blocks.py程序制作一个测试套件,我们可以创建如下的简单程序(将其称为test_blocks.py)：

import unittest

import blocks

suite = unittest.TestSuite()

suite.addTest(doctest.DocTestSuite(blocks))

runner = unittest.TextTestRunner()

print(runner.run(suite))

注意,如果釆用这种方法,程序的名称上会有一个隐含的约束：程序名必须是有效的模块名.所以呢,名为convert-incidents.py的程序的测试不能写成这样.因为import convert-incidents不是有效的,在Python标识符中,连接符是无效的（避开这一约束是可能的,但最简单的解决方案是使用总是有效模块名的程序文件名,比如,使用下划线替换连接符）.这里展示的结构（创建一个测试套件,添加一个或多个测试用例或测试套件,运行总体的测试套件,输出结果）是典型的机遇unittest的测试.运行时,这一特定实例产生如下结果：

...

.............................................................................................................

OK

如果我们尝试将测试分离开（典型情况下是要测试的每个程序和模块都有一个测试用例）,就不要再使用doctests,而是直接使用unittest模块的功能——尤其是我们习惯于使用JUnit方法进行测试时ounittest模块会将测试分离于代码——对大型项目（测试编写人员与开发人员可能不一致）而言,这种方法特别有用.此外,unittest单元测试编写为独立的Python模块,所以呢,不会像在docstring内部编写测试用例时受到兼容性和明智性的限制.

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,还包括很多对应的逆方法,比如assertFalse()、assertNotEqual()、failIfEqual()、 failUnlessEqual ()等.

结构上看,测试不同数据类型实质上是一样的,所以呢,我们将只为测试列表编写测试用例,而将其他的留作练习.test_Atomic.py模块必须导入unittest模块与要进行测试的Atomic模块.

创建unittest文件时,我们通常创建的是模块而非程序.在每个模块内部,我们定义一个或多个unittest.TestCase子类.比如,test_Atomic.py模块中仅一个单独的 unittest-TestCase子类,也就是TestAtomic (稍后将对其进行讲解),并以如下两行结束:

if name == "__main__":

unittest.main()

这两行使得该模块可以单独运行.当然,该模块也可以被导入并从其他测试程序中运行——如果这只是多个测试套件中的一个,这一点是有意义的.

如果想要从其他测试程序中运行test_Atomic.py模块,那么可以编写一个与此类似的程序.我们习惯于使用unittest模块执行doctests,比如：

import test_Atomic

suite = unittest.TestLoader().loadTestsFromTestCase(test_Atomic.TestAtomic)

pnnt(runner.run(suite))

这里,我们已经创建了一个单独的套件,这是通过让unittest模块读取test_Atomic 模块实现的,并且使用其每一个test*()方法(本实例中是test_list_success()、test_list_fail(),稍后很快就会看到)作为测试用例.

我们现在将查看TestAtomic类的实现.对通常的子类(不包括unittest.TestCase 子类),不怎么常见的是,没有必要实现初始化程序.在这一案例中,我们将需要建立 一个方法,但不需要清理方法,并且我们将实现两个测试用例.

def setUp(self)：

self.original_list = list(range(10))

我们已经使用了 unittest.TestCase.setUp()方法来创建单独的测试数据片段.

def test_list_succeed(self):

items = self.original_list[:]

with Atomic.Atomic(items) as atomic:

self.assertEqual(items,

def test_list_fail(self):

with self.assertRaises(AttributeError):

atomic.poop() # Typo

self.assertListEqual(items, self.original_list)

性能剖析（Profiling）

如果程序运行很慢,或者消耗了比预期内要多得多的内存,那么问题通常是选择的算法或数据结构不合适,或者是以低效的方式进行实现.不管问题的原因是什么, 最好的方法都是准确地找到问题发生的地方,而不只是检査代码并试图对其进行优化. 随机优化会导致引入bug,或者对程序中本来对程序整体性能并没有实际影响的部分进行提速,而这并非解释器耗费大部分时间的地方.

在深入讨论profiling之前,注意一些易于学习和使用的Python程序设计习惯是有意义的,并且对提高程序性能不无裨益.这些技术都不是特定于某个Python版本的, 而是合理的Python程序设计风格.第一,在需要只读序列时,最好使用元组而非列表； 第二,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；第三,尽量使用Python内置的数据结构 dicts、lists、tuples 而不实现自己的自定义结构,因为内置的数据结构都是经过了高度优化的；第四,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成为一个单独的字符串；第五,也是最后一点,如果某个对象(包括函数或方法)需要多次使用属性进行访问(比如访问模块中的某个函数),或从某个数据结构中进行访问,那么较好的做法是创建并使用一个局部变量来访问该对象,以便提供更快的访问速度.

Python标准库提供了两个特别有用的模块,可以辅助调査代码的性能问题.一个是timeit模块——该模块可用于对一小段Python代码进行计时,并可用于诸如对两个或多个特定函数或方法的性能进行比较等场合.另一个是cProfile模块,可用于profile 程序的性能——该模块对调用计数与次数进行了详细分解,以便发现性能瓶颈所在.

if __name__ == "__main__":

repeats = 1000

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

赋予timeit.Timer()构造子的第一个参数是我们想要执行并计时的代码,其形式是字符串.这里,该字符串是"function_a(X,Y)"；第二个参数是可选的,还是一个待执行的字符串,这一次是在待计时的代码之前,以便提供一些建立工作.这里,我们从 __main__ (即this)模块导入了待测试的函数,还有两个作为输入数据传入的变量(X 与Y),这两个变量在该模块中是作为全局变量提供的.我们也可以很轻易地像从其他模块中导入数据一样来进行导入操作.

调用timeit.Timer对象的timeit()方法时,首先将执行构造子的第二个参数(如果有), 之后执行构造子的第一个参数并对其执行时间进行计时.timeit.Timer.timeit()方法的返回值是以秒计数的时间,类型是float.默认情况下,timeit()方法重复100万次,并返回所 有这些执行的总秒数,但在这一特定案例中,只需要1000次反复就可以给出有用的结果, 所以呢对重复计数次数进行了显式指定.在对每个函数进行计时后,使用重复次数对总数进行除法操作,就得到了平均执行时间,并在控制台中打印出函数名与执行时间.

在这一实例中,function_a()显然是最快的——至少对于这里使用的输入数据而言. 在有些情况下一一比如输入数据不同会对性能产生巨大影响——可能需要使用多组输入数据对每个函数进行测试,以便覆盖有代表性的测试用例,并对总执行时间或平均执行时间进行比较.

之后我们可以轻易地对其他两个函数进行计时,以便对其进行整体的比较.

cProfile.run("for i in ranged 1000): {0}(X, Y)".format(function))

我们必须将重复的次数放置在要传递给cProfile.run()函数的代码内部,但不需要做任何创建,因为模块函数会使用内省来寻找需要使用的函数与变量.这里没有使用显式的print()语句,因为默认情况下,cProfile.run()函数会在控制台中打印其输出.下面给出的是所有函数的相关结果(有些无关行被省略,格式也进行了稍许调整,以便与页面适应)：

ncalls tottime percall cumtime percall filename:lineno(function)

①.000 0.001 0.000 0.001 0.000 {built-in method len}

ncalls ("调用的次数")列列出了对指定函数(在filename:lineno(function)中列出) 的调用次数.回想一下我们重复了 1000次调用,所以呢必须将这个次数记住.tottime ("总的时间")列列出了某个函数中耗费的总时间,但是排除了函数调用的其他函数内部花费的时间.第一个percall列列出了对函数的每次调用的平均时间(tottime // ncalls). cumtime ("累积时间")列出了在函数中耗费的时间,并且包含了函数调用的其他函数内部花费的时间.第二个percall列列出了对函数的每次调用的平均时间,包括其调用的函数耗费的时间.

在cProfile术语学中,原始调用指的就是非递归的函数调用.

下面给出的是一个非常短的控制台会话实例,为使其适合页面展示,进行了适当调整,我们自己的输入则以粗体展示：

Welcome to the profile statistics browser.

% read profile.dat

profile.dat% callers function_b

Random listing order was used

Function was called by...

ncalls tottime cumtime

profile.dat% callees function_b

Function called...

①.000 0.001 0.001 built-in method len

profile.dat% quit

输入help可以获取命令列表,help后面跟随命令名可以获取该命令的更多信息.比如, help stats将列出可以赋予stats命令的参数.还有其他一些可用的工具,可以提供profile数据的图形化展示形式,比如 RunSnakeRun (), 该工具需要依赖于wxPython GUI库.

使用timeit与cProfile模块,我们可以识别出我们自己代码中哪些区域会耗费超过预期的时间；使用cProfile模块,还可以准确算岀时间消耗在哪里.

如何用python编写一个函数,要求输入年月日时分秒,输出该年月日时分秒的下一秒.

def?next_sec(timestr):

from?datetime?import?datetime,?timedelta

time_format?=?'%Y-%m-%d?%H:%M:%S'

time_now?=?datetime.strptime(timestr,?time_format)

time_next_sec?=?time_now?+?timedelta(seconds=1)

return?time_next_sec.strftime(time_format)

python简单题不会,求解答

#第一题：

print?'请依次输入体重(kg)与身高(m):'

weight?=?float(raw_input())

height?=?float(raw_input())

#第二题：

print?'请输入一个秒数：'

sec?=?int(raw_input())

#第三题：

import?math

print?'请依次输入三角形三边值a,?b?,c：'

a?=?int(raw_input())

b?=?int(raw_input())

c?=?int(raw_input())

你复制的?问题还复制不全,汗啊...这么多问题?连个分也没有...人家计算BMI是用的平方,你这里还给了个错的公式,还能不能认真点儿.

python中,怎么把字符串转换为日期格式

①.、python中要把字符串转换成日期格式需要使用time模块中的strptime函数,例子如下：

执行结果如下：

第一个参数是要转换成日期格式的字符串,第二个参数是字符串的格式,下面函数可以看一下.

以上就是土嘎嘎小编为大家整理的python中sec函数相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！