实践杂谈（3）—— Python实用技巧（一）

1. 异常处理

异常处理（exception handling）是编程中的一项重要技巧，也是容易被人忽视的一项。我们常常会忽视异常处理的重要性：它能使程序变得更具有鲁棒性，减少程序发生严重突发问题的几率，也能使程序更易于调试。尤其是在以下几种情况下，更应该善用异常处理：

进行网络访问时
进行I/O读写时
执行某些复杂、容易造成程序崩溃的程序段时

总之，希望大家看完本文的介绍后，跟博主一起养成使用异常处理技术的好习惯吧。

Python 中使用 try ... except ... 实现异常处理。当 try 程序段中的程序出现异常时，便会开始执行except程序段。以下是一个例子：

try:
fh = open("testfile", "w")
fh.write("This is my test file for exception handling!!")
except IOError:
print "Error: can\'t find file or read data"
else:
print "Written content in the file successfully"
fh.close()

上述例子还有一个 else 程序段，这是当 try 程序段成功执行之后，转去执行的程序段。

在上述例子中我们还能看到，except 后还能够指定特定的异常类型，如：IO错误：IOError；执行错误：RuntimeError等等。若不指定某一异常类型，则默认为所有异常。

除此之外，我们还可以使用 finally 程序段。与 else 等不同的是，该程序段的内容一定会被执行，不论 try 程序段中是否出现了异常。因此可以放置一些必须执行的程序段。

另外，我们还可以主动地触发一次异常事件：使用 raise 命令。比如：

raise RuntimeError('Here!')

为什么我们要自己触发一次异常？这可以用于某些调试场合当中，也可以用于触发一些用户自定义的异常，如下例：

>>> class MyError(Exception):
def __init__(self, value):
self.value = value
def __str__(self):
return repr(self.value)

>>> try:
raise MyError(2*2)
except MyError as e:
print 'My exception occurred, value:', e.value

My exception occurred, value: 4

上述例子中我们还看到如何自定义一个异常事件：定义一个继承于 Exception 的类，十分简单。

最后，简答总结一下Python有关异常的命令：

try：监测其中程序段是否出现异常
except：若 try 中出现异常则执行
else：若 try 中无异常则执行
finally: 不论 try 中是否异常都执行
raise：触发一个异常

Reference:

http://www.tutorialspoint.com/python/python_exceptions.htm

https://docs.python.org/2/tutorial/errors.html

2. 计数器 —— Counter

接下来我们介绍一个非常好用的工具：collections.Counter。
在Python编程当中，我们常常需要统计一个列表当中不同元素的个数。这个任务最直接的办法便是：先用set()得到列表中各个不同的元素，然后再扫描列表统计每个元素的个数。然而，上述步骤未免过于繁琐了，通过collecitions.Counter我们可以轻松完成这个任务。
首先我们需要导入collections模块，之后我们只要使用Counter函数就好了，如下：

>>>import collections

>>>l = ['a', 'b', 'a', 'c', 'b', 'a']
>>>c = collections.Counter(l)
>>>print c

Counter({'a': 3, 'b': 2, 'c': 1})

函数返回值是一个Counter类的对象，可以看到十分轻松的就对列表中的词频进行统计。若你觉得对常见的字典 (dictionary) 类型比较熟悉，可以直接使用dict() 将其转为字典类型，十分方便。
除此之外，Counter类还提供了三个有用的函数：
1. elements()：返回一个迭代器，将Counter类对象中的元素按照其个数列出来（若该元素个数小于1，则忽略）。该函数可以结合list()使用得到一个列表，如下例：

>>c = Counter(a=4, b=0, c=1, d=-2)

>>list(c.elements())
['a', 'a', 'a', 'a', 'c']

2. most_common(n)：返回 n 个频数最高的元素，若不指定n默认为返回全部元素。

3. subtract([iterable-or-mapping])：从对象中减去某些内容，其中可以是能够迭代的类型（如列表），或者是Counter类，如下例：

>>c1 = Counter(a=3, b=1, c=2)
>>c2 = Counter(a=1, b=2, c=1)
>>c1.subtract(c2)
>>c1
Counter({'a'=1, 'b'=-1, 'c'=1})

Reference:

https://docs.python.org/2/library/collections.html

3. 组合——combinations

在一些算法的实现中，我们常常需要的到一个集合的所有子集，即一个集合的 power set。比如，在实现 Apiori 算法的时候，我们需要找到一个pattern的所有子pattern，以确定其中是否有 not frequent 的pattern。为了实现这个功能，我们有一个非常方便的工具——itertools 模块。该模块中有两个非常有用的函数：combinations(r) 和 permutations(r)，分别返回的是长度为
r 的原集合的所有组合和排列。以下举个例子：

>>> import itertools
>>> set = ['a', 'b', 'c', 'd']
>>> itertools.combinations(set, 3)
>>> list(c)
[('a', 'b', 'c'), ('a', 'b', 'd'), ('a', 'c', 'd'), ('b', 'c', 'd')]