Python

如果需要保存Python運行中的某個dict對象，或者從硬碟里的JSON讀進內存，可以用下面命令

bloom filter是什麼？ Bloom filter（布隆過濾器）是一種概率型數據結構，用於判斷一個元素是否屬於一個集合，具有高效的插入和查詢操作。它可以快速告訴你某個元素「可能存在」或「一定不存在」於一個集合中，但無法確定元素的確切存在與否。 Bloom filter 由布隆提出並在1970年發表，它基於哈希函數的應用。它的核心是一個位數組（bit array）和一組哈希函數。位數組用於表示集合，初始時所有的位都被置為0。哈希函數用於將元素映射為位數組的索引，並將對應位置的位設置為1。 插入元素時，通過對元素應用一組哈希函數，可以得到多個位數組索引，然後將這些索引對應的位設置為1。查詢元素時，同樣對元素應用哈希函數，得到相應的位數組索引，如果所有的索引位置的位都為1，則說明元素「可能存在」於集合中；如果任何一個索引位置的位為0，則可以確定元素「一定不存在」於集合中。 由於使用了多個哈希函數和位數組，Bloom filter 具有較低的內存佔用和快速的查詢速度。然而，它也存在一定的誤判率（false positive），即在判斷元素存在時可能會出現錯誤判斷。這是因為不同元素的哈希函數映射到位數組時可能產生衝突，導致位數組的某些位置同時被設置為1，從而影響判斷結果。 Bloom filter 主要應用於那些對查詢速度要求較高、可以容忍一定的誤判率的場景，例如網路緩存、大規模數據集的去重、垃圾郵件過濾等。通過適當調整位數組大小和哈希函數的數量，可以在一定程度上控制誤判率和內存佔用。 bloom filter 和 hash function有什麼不同？ Bloom filter（布隆過濾器）和哈希函數在使用方式和目的上有一些不同之處： 目的：Bloom filter 的主要目的是判斷一個元素是否屬於一個集合，它提供了一種快速的判斷方式，可以告訴你元素「可能存在」或「一定不存在」於集合中。而哈希函數的主要目的是將數據映射為較短的固定長度值，常用於加密、數據唯一性校驗、散列查找等方面。 數據結構：Bloom filter 是一種概率型數據結構，它由一個位數組（bit array）和一組哈希函數組成。位數組用於表示集合，哈希函數用於將元素映射到位數組的索引。哈希函數通常是不可逆的，將輸入映射到固定長度的輸出。而哈希函數本身並不包含數據結構，它只是一個單獨的函數。 功能：Bloom filter 用於判斷元素是否屬於一個集合，具有高效的插入和查詢操作。它可以給出「可能存在」或「一定不存在」的答案，但無法確定元素的確切存在與否。哈希函數則是將數據進行轉換和計算，通常用於唯一標識、散列查找、數據完整性校驗等。 衝突和誤判：Bloom filter 可能存在哈希衝突，即不同元素經過哈希函數計算後映射到相同的位數組位置，這可能導致誤判。而哈希函數應該盡量避免衝突，以確保在不同的輸入上產生不同的輸出，但在實際應用中，哈希衝突是難以完全避免的。 總的來說，Bloom filter 是基於哈希函數的一種數據結構，它利用哈希函數將元素映射到位數組，並通過多次哈希映射來提供快速的元素判斷。哈希函數則是獨立的計算函數，用於將數據映射為固定長度的值，常用於唯一標識、散列查找、數據完整性校驗等場景。 用Python給文件生成bloom…
Read more

JSON字元串到Python對象 可以使用json module里的loads函數。loads非常強大，對JSON里的嵌套結構也可以，比如一個dict里的value是一個list，或者list of dict。 Python對象到JSON字元串 反對來，用json module也可以從Python對象生成JSON字元串，需要使用json.dumps函數：

San Francisco Time ?? Beijing Time ?? 把一個時區的時間，比如灣區9:00am，轉換成另一個時區的時間，比如北京/香港/新加坡時間，應該是很簡單的問題。用Python做時區轉換好像挺麻煩的，容易出錯。Google出來的前幾條結果都不是很讓人滿意，本文總結我測試過可靠可行不太複雜的方法，以及一些容易出錯的地方。 先上可行的Python例子，把三藩（SF）灣區時間9am, 轉換成對應的北京時間，用了datetime和pytz。先構造一個灣區時間的對象，然後轉化成北京/香港/新加坡時間。 加上註解和debug信息。 可以看到建立的灣區時間時區為-0700而北京時間為0800，可以驗證灣區和中國時差為15小時。 時區行話解釋 全球標準時間用的是位於英國的格林威治時間(GMT, Greenwich Mean Time)。因為以前格林威治天文台是世界中心，本初子午線或者0度經線就定義為穿過它的經線。然後又有了一個叫世界協調時間的東西（UTC, Coordinated Universal Time）。這個和GMT基本一致，大概就是北京話和普通話的區別吧。北京在Greenwich的東邊，時間領先GMT/UTC 8小時，所以叫東八區，代號0800。而灣區在格林威治的西邊，時間滯後7個小時（美國國會通過了永久使用夏令時法案），所以叫西7區，代號-0700。而兩地時差為7+9=15，北京時間比灣區時間領先15個小時。 同理，日本和韓國位於東9區，代號為0900，那麼時間就比為與東八區的中國早1小時。 當地真實時間和約定標準時間 一個地方的真實時間只取決於太陽相對當地的位置，也就是取決於當地經度。但是為了方便，每個國家可以人為規定用什麼時間。比如整個中國雖然跨了幾個緯度，確人為規定了各地都使用北京時間。新加坡真實時間應該為0655，確規定使用0800，也許是和大中華區保持一致比較方便。 回到Python上，這也正是pytz包的一些坑的來源。pytz用的是地理意義上的真實時間，而人們真正使用的是當地法律約定的時間，這兩者是有差別的。 Python datetime不設時區是什麼時間？ 如果新建一個datetime對象，不設時區的話，會是當地時間。 用epochconverter轉換1656658800.0，正是灣區時間2022-07-01 00:00:00 如果replace了timezone，就把底下的timestamp變了，而不是保持timestamp而改變時間表示形式（日期，小時/分/秒）。所以replace(tzinfo=…)並不是做時區變換。而且注意下面例子里上海時間是0806，並不是0800，應該用了地理意義上的真實時間而不是法定時間。這個地理時間在生活中基本沒用，這個pytz的坑之一。 參考 Python3中datetime時區轉換介紹與踩坑 python datetime時區轉換 技巧：用datetime模塊處理時區轉換，不要用time模塊 將UTC、EST時區的時間轉化成北京時間（python） pytz庫時區的坑（轉） The Solution…
Read more

Pathlib是Python里自帶的處理OS路徑的library，功能非常強大，可以代替原來的os.path。本文提供幾個簡單的例子供查詢，幫您極速上手，引用到自己的python project里。 創建操作Path對象例子 可以用」/「直接得到下一層目錄或文件的Path對象 Home Path對象例子 需要注意的是，Path constructor的參數不認識~。需要用Path.home()。 驗證tilda不work 驗證Path.home() work 當前目錄例子 如果需要當前目錄的對象可以用cwd函數或者.加resolve函數 遍歷文件夾例子 也就是implement bash命令 用pathlib實現如下 外面函數python_find接受path string，裡面的遞歸函數_python_find接受pathlib.Path object。用iterdir列出當前input path下的所有對象，先列印它們的路徑，如果是目錄，就繼續調用遞歸函數_python_find列印下一層目錄裡面的內容。 Pathlib刪除文件例子 刪除文件 刪除目錄/文件夾 rmdir只能刪除空的文件夾/目錄，如果內部還有其他文件或目錄會報錯。 刪除非空目錄/文件夾 這個只能自己用上面兩個函數用遞歸實現。這裡我增加了顯示被刪除文件size的信息。 參考 一分鐘學一個 Python 標準庫之 Pathlib PathLib recursively remove directory? pathlib — Object-oriented filesystem paths…
Read more