Verbesserung des benutzerdefinierten Containers für Slicing
Unser benutzerdefinierter Container eignet sich hervorragend für den Zugriff auf einzelne Datensätze. Allerdings gibt es ein Problem, wenn es um Slicing geht. Wenn Sie versuchen, einen Teil unseres Containers auszuschneiden (slicen), ist das Ergebnis nicht das, was Sie normalerweise erwarten würden.
Lassen Sie uns verstehen, warum dies passiert. In Python ist Slicing eine gängige Operation, um einen Teil einer Sequenz zu extrahieren. Aber für unseren benutzerdefinierten Container weiß Python nicht, wie es ein neues RideData - Objekt nur mit den ausgeschnittenen Daten erstellen soll. Stattdessen erstellt es eine Liste, die die Ergebnisse des Aufrufs von __getitem__ für jeden Index im Schnitt enthält.
- Testen wir das Slicing in der Python - Shell:
import readrides
rows = readrides.read_rides_as_dicts('ctabus.csv')
r = rows[0:10] ## Take a slice of the first 10 records
type(r) ## This will likely be a list, not a RideData object
print(r) ## This might look like a list of numbers, not dictionaries
In diesem Code importieren wir zunächst das Modul readrides. Dann lesen wir die Daten aus der Datei ctabus.csv in eine Variable rows. Wenn wir versuchen, einen Schnitt der ersten 10 Datensätze zu nehmen und den Typ des Ergebnisses überprüfen, stellen wir fest, dass es eine Liste anstelle eines RideData - Objekts ist. Das Drucken des Ergebnisses könnte etwas Unerwartetes anzeigen, wie eine Liste von Zahlen anstelle von Wörterbüchern.
- Modifizieren wir unsere
RideData - Klasse, um Slicing richtig zu behandeln. Öffnen Sie readrides.py und aktualisieren Sie die Methode __getitem__:
def __getitem__(self, index):
if isinstance(index, slice):
## Handle slice
result = RideData()
result.routes = self.routes[index]
result.dates = self.dates[index]
result.daytypes = self.daytypes[index]
result.numrides = self.numrides[index]
return result
else:
## Handle single index
return {'route': self.routes[index],
'date': self.dates[index],
'daytype': self.daytypes[index],
'rides': self.numrides[index]}
In dieser aktualisierten Methode __getitem__ überprüfen wir zunächst, ob der index ein Schnitt ist. Wenn dies der Fall ist, erstellen wir ein neues RideData - Objekt namens result. Dann füllen wir dieses neue Objekt mit Schnitten der ursprünglichen Datenspalten (routes, dates, daytypes und numrides). Dies stellt sicher, dass wir beim Slicing unseres benutzerdefinierten Containers ein weiteres RideData - Objekt anstelle einer Liste erhalten. Wenn der index kein Schnitt ist (d. h., es ist ein einzelner Index), geben wir ein Wörterbuch zurück, das den relevanten Datensatz enthält.
- Testen wir unsere verbesserte Slicing - Fähigkeit:
import readrides
rows = readrides.read_rides_as_dicts('ctabus.csv')
r = rows[0:10] ## Take a slice of the first 10 records
type(r) ## Should now be readrides.RideData
len(r) ## Should be 10
r[0] ## Should be the same as rows[0]
r[1] ## Should be the same as rows[1]
Nachdem wir die Methode __getitem__ aktualisiert haben, können wir das Slicing erneut testen. Wenn wir einen Schnitt der ersten 10 Datensätze nehmen, sollte der Typ des Ergebnisses jetzt readrides.RideData sein. Die Länge des Schnitts sollte 10 sein, und der Zugriff auf einzelne Elemente im Schnitt sollte die gleichen Ergebnisse liefern wie der Zugriff auf die entsprechenden Elemente im ursprünglichen Container.
- Sie können auch mit verschiedenen Schnittmustern testen:
## Get every other record from the first 20
r2 = rows[0:20:2]
len(r2) ## Should be 10
## Get the last 10 records
r3 = rows[-10:]
len(r3) ## Should be 10
Hier testen wir verschiedene Schnittmuster. Der erste Schnitt rows[0:20:2] holt jedes zweite Element aus den ersten 20 Datensätzen, und die Länge des resultierenden Schnitts sollte 10 sein. Der zweite Schnitt rows[-10:] holt die letzten 10 Datensätze, und seine Länge sollte ebenfalls 10 sein.
Durch die korrekte Implementierung des Slicings verhält sich unser benutzerdefinierter Container jetzt noch mehr wie eine Standard - Python - Liste, während er gleichzeitig die Speichereffizienz der spaltenorientierten Speicherung beibehält.
Dieser Ansatz, benutzerdefinierte Containerklassen zu erstellen, die integrierte Python - Container imitieren, aber eine andere interne Darstellung haben, ist eine leistungsstarke Technik, um den Speicherverbrauch zu optimieren, ohne die Schnittstelle zu ändern, die Ihr Code den Benutzern bietet.
