京公网安备 11010802034615号
经营许可证编号:京B2-20210330
policy机制中经典的python用法
由于接触python时间还不长,属于边用边学,在看项目代码的时候,遇到了很多不太懂的python语法,但是我认为这些用法用的实在是好,希望以后自己在写程序时,也能写出这么经典的代码,在这里记录下来这些:
1. 将函数名作为参数传递给另一个模块中的函数使用:
[python] view plaincopy
def init():
......
#read_cached_file做的事是读取_POLICY_PATH文件中的数据,和这个文件修改的时间,保存到_POLICY_CACHE字典中,
#然后使用_set_rules(data)来解析这些数据,最后返回这些数据。
utils.read_cached_file(_POLICY_PATH, _POLICY_CACHE,
reload_func=_set_rules)
def _set_rules(data):
default_rule = CONF.policy_default_rule
policy.set_rules(policy.Rules.load_json(data, default_rule))
2. 类方法的使用
[python] view plaincopy
class Rules(dict):
@classmethod
def load_json(cls, data, default_rule=None):
rules = dict((k, parse_rule(v)) for k, v in
jsonutils.loads(data).items())
return cls(rules, default_rule)
以前一直弄不清楚类方法和静态方法的区别,都是通过类名去调用,但是现在清楚了,类方法有一个很好的特性,就是它可以在创建类对象之前,做一些初始化的工作,这样创建的对象,比直接调用Rules(),更灵活。
这里还想说一下继承自dict这个特性,通过覆盖父类中的方法,__missing__(),__str__()等定制了一个自己的字典类型,用起来很舒服啊。
3. 解释器的使用
[python] view plaincopy
_checks = {}
def register(name, func=None):
def decorator(func):
_checks[name] = func
return func
if func:
return decorator(func)
return decorator
@register("rule")
class RuleCheck(Check):
pass
@register("role")
class RoleCheck(Check):
pass
文档在加载的时候,每遇到一个@register()修饰符,就会将被修饰的类添加到_check变量中,简洁方便。
4. yield的使用
yield在我看来,是一种能够间断的循环,一直都不太会用它,policy中在解析复合rule时,就用到了yield:
[python] view plaincopy
state = ParseState()
for tok, value in _parse_tokenize(rule):
state.shift(tok, value)
# 这个函数主要是将规则的字符串进行了一下预处理,然后调用_parse_check()最终将字符串转换成BaseCheck对象
def _parse_tokenize(rule):
#这段代码的意思是将一个字符串以空格为间隔,重组为一个字符串的列表,如:
# a.split('(is_admin:True or project_id:%(project_id)s)')
# ['(is_admin:True', 'or', 'project_id:%(project_id)s)']
for tok in _tokenize_re.split(rule):
# Skip empty tokens
if not tok or tok.isspace():
continue
# Handle leading parens on the token
clean = tok.lstrip('(')
for i in range(len(tok) - len(clean)):
yield '(', '('
# If it was only parentheses, continue
if not clean:
continue
else:
tok = clean
# Handle trailing parens on the token
clean = tok.rstrip(')')
trail = len(tok) - len(clean)
# Yield the cleaned token
lowered = clean.lower()
if lowered in ('and', 'or', 'not'):
# Special tokens
yield lowered, clean
elif clean:
# Not a special token, but not composed solely of ')'
if len(tok) >= 2 and ((tok[0], tok[-1]) in
[('"''"', '"'), ("'""'", "'")]):
# It's a quoted string
yield 'string', tok[1:-1]
else:
yield 'check', _parse_check(clean)
# Yield the trailing parens
for i in range(trail):
yield ')', ')'
程序中每遇到一个yield,就会中断当前的执行,返回值,然后由外部的for循环进行处理,处理完之后,再回到刚才中断的地方继续执行。
5. 元类的使用
元类以前从来没有接触过,policy里也用到了,还是在解析复合rule的时候,用的这个元类:ParseStateMeta,通过使用元类,可以自定义某些类是如何创建的,从根本上说赋予你如何创建类的控制权:
[python] view plaincopy
class ParseStateMeta(type):
# name是子类的类名,bases是子类的数据,cls_dict是子类中的属性
def __new__(cls, name, bases, cls_dict):
reducers = []
# key为属性名,value为属性的对象,如:
# shift : <function shift at 0xa27b4fc>
# _make_not_expr : <function _make_not_expr at 0xa27b6bc>
for key, value in cls_dict.items():
if not hasattr(value, 'reducers'):# 如果没有包含reducers属性,即那些没有@reducer修饰的方法
continue
for reduction in value.reducers:# 遍历某个函数中的reducers列表,把它添加到元类中的reducers列表中
reducers.append((reduction, key))
cls_dict['reducers'] = reducers
return super(ParseStateMeta, cls).__new__(cls, name, bases, cls_dict)
# 虽然只是简单的定义了一个ParseState对象,但是却做了很多的事:
# 1.@reducer修饰器给被装饰的的方法添加了reducers列表,并且将修饰器的参数建成一个列表添加到该列表中;
# -->形式如:[['','',''],['','','']],
# 再如:[['(', 'or_expr', ')'], ['(', 'and_expr', ')'], ['(', 'check', ')']]
# 2.ParseStateMeta元类创建了一个reducers变量(针对于ParseState是全局的),也是一个列表,
# 然后遍历了ParseState的所有属性,找到有reducers属性的属性(即带有@reducer的方法),
# 然后再遍历该方法的reducers列表,将列表的每一项和该方法的名字组合成一个元组,存放在reducers变量中;
# -->形式如:[(['','',''],funcname),(['','',''],funcname),(['','',''],funcname)]
# 再如:[(['check', 'or', 'check'], '_make_or_expr'), (['or_expr', 'or', 'check'], '_extend_or_expr')]
class ParseState(object):
__metaclass__ = ParseStateMeta
......
6. 递归的使用
[python] view plaincopy
def reduce(self):
#a[-3:]表示a这个列表的最后三个数
for reduction, methname in self.reducers:
# 如果当前的tokens的长度大于reduction的长度,并且tokens的最后几个和reduction相同
# 即模式匹配,则调用相应的方法来进行复合判断
# 什么情况不执行这段呢?
# 1. 没有复合的规则
# 2. 复合的规则和reduction不匹配
# 这两种情况下,就不执行复合,直接返回的还是原来的对象:RuleCheck, RoleCheck, HttpCheck, GenericCheck
# 如果复合的话,返回的是复合对象:OrCheck, AndCheck, NotCheck
if (len(self.tokens) >= len(reduction) and
self.tokens[-len(reduction):] == reduction):
# Get the reduction method
meth = getattr(self, methname)
# Reduce the token stream
# 有两个GenericCheck对象和一个‘or’,传递给_make_or_expr()方法,用这两个
# 对象构造了一个OrCheck对象,该对象的返回值,是按照这两个GenericCheck对象在的
# target和creds上能否执行的真假来进行或操作得到的
results = meth(*self.values[-len(reduction):])
# Update the tokens and values
self.tokens[-len(reduction):] = [r[0] for r in results]
self.values[-len(reduction):] = [r[1] for r in results]
# Check for any more reductions
return self.reduce()
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31