京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14