
作者:某某白米饭
来源:Python 技术
在写算法的时候,总是要每行每个变量一个个的 debug,有时候还要多写几个 print,一道算法题要花好长时间才能理解。pysnooper 模块可以把在运行中变量值都给打印出来。
pip3 install pysnooper
下面是道简单的力扣算法题作为一个简单的例子
import pysnooper @pysnooper.snoop() def longestCommonPrefix(strs): res = '' for i in zip(*strs):
print(i) if len(set(i)) == 1:
res += i[0] else break return res if __name__ == 'main':
longestCommonPrefix(["flower","flow","flight"])
结果:
3:38:25.863579 call 4 def longestCommonPrefix(strs): 23:38:25.864474 line 5 res = '' New var:....... res = '' 23:38:25.864474 line 6 for i in zip(*strs): New var:....... i = ('f', 'f', 'f') 23:38:25.865479 line 7 print(i)
('f', 'f', 'f') 23:38:25.866471 line 8 if len(set(i))==1: 23:38:25.866471 line 9 res+=i[0]
Modified var:.. res = 'f' 23:38:25.866471 line 6 for i in zip(*strs):
Modified var:.. i = ('l', 'l', 'l') 23:38:25.866471 line 7 print(i)
('l', 'l', 'l') 23:38:25.867468 line 8 if len(set(i))==1: 23:38:25.867468 line 9 res+=i[0]
Modified var:.. res = 'fl' 23:38:25.868476 line 6 for i in zip(*strs):
Modified var:.. i = ('o', 'o', 'i') 23:38:25.868476 line 7 print(i)
('o', 'o', 'i') 23:38:25.869463 line 8 if len(set(i))==1: 23:38:25.869463 line 11 break 23:38:25.869463 line 12 return res 23:38:25.869463 return 12 return res Return value:.. 'fl' Elapsed time: 00:00:00.008201
我们可以看到 pysnooper 把整个执行程序都记录了下来,其中包括行号, 行内容,变量的结果等情况,我们很容易的就看懂了这个算法的真实情况。并且不需要再使用 debug 和 print 调试代码。很是省时省力,只需要在方法上面加一行 @pysnooper.snoop()。
pysnooper 包含了多个参数,一起来看看吧
output 默认输出到控制台,设置后输出到文件,在服务器中运行的时候,特定的时间出现代码问题就很容易定位错误了,不然容易抓瞎。小编在实际中已经被这种问题困扰了好几次,每次都掉好多头发。
@pysnooper.snoop('D:pysnooper.log') def longestCommonPrefix(strs):
示例结果:
watch 用来设置跟踪的非局部变量,watch_explode 表示设置的变量都不监控,只监控没设置的变量,正好和 watch 相反。
index = 1 @pysnooper.snoop(watch=('index')) def longestCommonPrefix(strs):
示例结果
没有加 watch 参数
Starting var:.. strs = ['flower', 'flow', 'flight'] 00:12:33.715367 call 5 def longestCommonPrefix(strs):
00:12:33.717324 line 7 res = '' New var:....... res = ''
加了watch 参数,就会有一个 Starting var:.. index
Starting var:.. strs = ['flower', 'flow', 'flight']
Starting var:.. index = 1 00:10:35.151036 call 5 def longestCommonPrefix(strs):
00:10:35.151288 line 7 res = '' New var:....... res = ''
depth 监控函数的深度
@pysnooper.snoop(depth=2) def longestCommonPrefix(strs): otherMethod()
示例结果
Starting var:.. strs = ['flower', 'flow', 'flight'] 00:20:54.059803 call 5 def longestCommonPrefix(strs): 00:20:54.059803 line 6 otherMethod() 00:20:54.060785 call 16 def otherMethod(): 00:20:54.060785 line 17 x = 1 New var:....... x = 1 00:20:54.060785 line 18 x = x + 1 Modified var:.. x = 2 00:20:54.060785 return 18 x = x + 1 Return value:.. None 00:20:54.061782 line 7 res = ''
监控的结果显示,当监控到调用的函数的时候,记录上会加上缩进,并将它的局部变量和返回值打印处理。
prefix 输出内容的前缀
@pysnooper.snoop(prefix='-------------') def longestCommonPrefix(strs):
示例结果
-------------Starting var:.. strs = ['flower', 'flow', 'flight']
-------------00:39:13.986741 call 5 def longestCommonPrefix(strs): -------------00:39:13.987218 line 6 res = ''
relative_time 代码运行的时间
@pysnooper.snoop(relative_time=True) def longestCommonPrefix(strs):
示例结果
Starting var:.. strs = ['flower', 'flow', 'flight'] 00:00:00.000000 call 5 def longestCommonPrefix(strs):
00:00:00.001998 line 6 res = '' New var:....... res = '' 00:00:00.001998 line 7 for i in zip(*strs):
max_variable_length 输出的变量和异常的最大长度,默认是 100 个字符,超过 100 个字符就会被截断,可以设置为 max_variable_length=None 不截断输出
@pysnooper.snoop(max_variable_length=5) def longestCommonPrefix(strs):
示例结果
Starting var:.. strs = [...]
00:56:44.343639 call 5 def longestCommonPrefix(strs): 00:56:44.344696 line 6 res = '' New var:....... res = '' 00:56:44.344696 line 7 for i in zip(*strs): New var:....... i = (...)
本文介绍了怎么使用 pysnooper 工具,pysnooper 不仅可以少一些 debug 和 print,更能帮助理解算法题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22