发布时间：2020-11-17 11:00:46
来源：亿速云
阅读：90
作者：小新
这篇文章主要介绍了python运行快捷键是哪个，具有一定借鉴价值，需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获。下面让小编带着大家一起了解一下。
Python是一种计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。
python运行快捷键是什么？
python运行快捷键是shift+F10。
相关快捷键：
最重要的快捷键
1. ctrl+shift+A:万能命令行
2. shift两次:查看资源文件
新建工程第一步操作
1. module设置把空包分层去掉,compact empty middle package
2. 设置当前的工程是utf-8,设置的Editor-->File Encodings-->全部改成utf-8,
注释
1. ctrl+/:单行注释
光标操作
1. ctrl+alt+enter:向上插入
2. shift+enter:向下插入
3. end:光标
操作代码
1. ctrl+d:复制粘贴一行
2. ctrl+y:删除一行
3. shift+F6:重命令
5. ctrl+O:复写代码
格式代码及其他功能
1. ctrl+alt+L:格式代码
2. 在代码中使用alt+insert:Generate,可以get/set等操作
3. ctrl+alt+T:添加try/catch
4. ctrl+alt+M:抽取代码
5. ctrl+alt+F:变量抽取全局变量（还需要设置前缀:Editor-->code style-->java-->code Genertion-->设置Field的前缘为m添加）
6. ctrl+alt+v:方法体内值抽取成变量
8. 保存成模板:ctrl+shift+L,这个是自定义的(save as live Template)
9. 选中内容:tab进行退格
10. shift+tab:反向退格
11. alt+shift+上下键:选中代码移动
12. ctrl+shift+上下键:可以移动当前方法体,如果移动一行代码只能在代码体内移动
13. ctrl+shift+U:代码大小写
15. ctrl+shift+enter:补全代码(一行尾添加分号,如果是if等添加括号)
进入代码
1. ctrl+鼠标:进入代码
2. ctrl+B:进入代码
5. ctrl+shift+12:最大化窗口
替换查找
1. ctrl+r:替换
2. ctrl+F:查找
3. ctrl+shift+F:全局查找
4. ctrl+shift+R:全局替换
5. ctrl+shift+i:快捷查看方法实现的内容
6. ctrl+p:查看参数
7. ctrl+Q:查看文档描述
8. shift+F1:查看api文档
8. ctrl+F12:查看类的方法
9. ctrl+H:查看类的继承关系
10. 查看变量的赋值情况:（shift+ctrl+a:输入analyze data flow to Here）
11. ctrl+alt+H:查看方法在那里被调用了
12. ctrl+{}:可以定位方法体的括号
13. F3:查看选中的内容
14. shift+F3:反向查看内容
15. ctrl+alt+B:查询那些类实现了光标所在的接口
16. ctrl+U:查看父类
17. ctrl+E:最近编辑的文件列表
18. ctrl+alt+home:查看布局与对应的类
19. ctrl+alt+H:查看当前方法在那里进行调用
运行编译
1. ctrl+F9:构建
2. shift+F10:运行
工程目录操作
1. 新建文件及工程:选中要创建目录使用alt+insert
2. ctrl+shift+a:输入show in explorer-->打开相应目录
3. ctrl+alt+s:打开软件设置
4. ctrl+alt+shift+s:打开module设置
5. alt+1:当前目录区
6. alt+7:当前类的方法列表查看
7. ctrl+tab:切换目录及视图
8. alt+shift+c:查看工程最近更改的地方
9. ctrl+J:livetemp模板查看
代码快捷操作
1. 没有操作完成操作可以先写todo进行,就可以在todo的窗口进行查看
2. F11定义书签
3. shift+F11:查看书签
4. ctrl+J:快捷调出模板
5. alt+点击断点:禁用断点
6. 调试状态下按下:alt查看变量能审查表达式的值
组合快捷键
1. F2:定位错误
2. alt+enter:修正错误
3. alt+鼠标:进入列编辑模式
4. ctrl+w:选中单词
5. 或其他组合操作
编辑的位置
ctrl+alt+左右键:这个是定位到编辑的位置
pre{overflow-x: auto}Python 是世界上使用最广泛的编程语言之一。它是一种解释型高级通用编程语言，具有广泛的用途，几乎可以将其用于所有事物。其以简单的语法、优雅的代码和丰富的第三方库而闻名。python除了有很多优点外，但在速度上还有一个非常大的缺点。
虽然Python代码运行缓慢，但可以通过下面分享的5个小技巧提升Python运行速度！
首先，定义一个计时函数timeshow，通过简单的装饰，可以打印指定函数的运行时间。
这个函数在下面的例子中会被多次使用。
def timeshow(func): from time import time def newfunc(*arg, **kw): t1 = time() res = func(*arg, **kw) t2 = time() print(f"{func.__name__: >10} : {t2-t1:.6f} sec") return res return newfunc @timeshow def test_it(): print("hello pytip") test_it() 1. 选择合适的数据结构使用正确的数据结构对python脚本的运行时间有显着影响。Python 有四种内置的数据结构：
列表 : List
元组 : Tuple
集合 : Set
字典 : Dictionary
但是，大多数开发人员在所有情况下都使用列表。这是不正确的做法，应该根据任务使用合适数据结构。
运行下面的代码，可以看到元组执行简单检索操作的速度比列表快。其中dis模块反汇编了一个函数的字节码，这有利于查看列表和元组之间的区别。
import dis def a(): data = [1, 2, 3, 4, 5,6,7,8,9,10] x =data[5] return x def b(): data = (1, 2, 3, 4, 5,6,7,8,9,10) x =data[5] return x print("-----:使用列表的机器码:------") dis.dis(a) print("-----:使用元组的机器码:------") dis.dis(b)运行输出:
-----:使用列表的机器码:------
3 0 LOAD_CONST 1 (1)
2 LOAD_CONST 2 (2)
4 LOAD_CONST 3 (3)
6 LOAD_CONST 4 (4)
8 LOAD_CONST 5 (5)
10 LOAD_CONST 6 (6)
12 LOAD_CONST 7 (7)
14 LOAD_CONST 8 (8)
16 LOAD_CONST 9 (9)
18 LOAD_CONST 10 (10)
20 BUILD_LIST 10
22 STORE_FAST 0 (data)
4 24 LOAD_FAST 0 (data)
26 LOAD_CONST 5 (5)
28 BINARY_SUBSCR
30 STORE_FAST 1 (x)
5 32 LOAD_FAST 1 (x)
34 RETURN_VALUE
-----:使用元组的机器码:------
7 0 LOAD_CONST 1 ((1, 2, 3, 4, 5, 6, 7, 8, 9, 10))
2 STORE_FAST 0 (data)
8 4 LOAD_FAST 0 (data)
6 LOAD_CONST 2 (5)
8 BINARY_SUBSCR
10 STORE_FAST 1 (x)
9 12 LOAD_FAST 1 (x)
14 RETURN_VALUE
看下列表的机器码，冗长而多余！
2. 善用强大的内置函数和第三方库如果你正在使用python并且仍在自己编写一些通用函数(比如加法、减法)，那么是在侮辱python。 Python有大量的库和内置函数来帮助你不用编写这些函数。 如果研究下，那么你会惊奇地发现几乎90%的问题已经有第三方包或内置函数来解决。
可以通过访问官方文档查看所有内置函数。你也可以在wiki python上找到更多使用内置函数的场景。
比如，现在我们想合并列表中的所有单词为一个句子，比较法自己编写和调用库函数的区别:
# ❌ 正常人能想到的方法 @timeshow def f1(list): s ="" for substring in list: s += substring return s # ✅ pythonic 的方法 @timeshow def f2(list): s = "".join(list) return s l = ["I", "Love", "Python"] * 1000 # 为了看到差异，我们把这个列表放大了 f1(l) f2(l)运行输出:
f1 : 0.000227 sec
f2 : 0.000031 sec
3. 少用循环
用 列表推导式 代替循环
用 迭代器 代替循环
用 filter() 代替循环
减少循环次数，精确控制，不浪费CPU
## 返回n以内的可以被7整除的所有数字。 # ❌ 正常人能想到的方法: @timeshow def f_loop(n): L=[] for i in range(n): if i % 7 ==0: L.append(i) return L # ✅ 列表推导式 @timeshow def f_list(n): L = [i for i in range(n) if i % 7 == 0] return L # ✅ 迭代器 @timeshow def f_iter(n): L = (i for i in range(n) if i % 7 == 0) return L # ✅ 过滤器 @timeshow def f_filter(n): L = filter(lambda x: x % 7 == 0, range(n)) return L # ✅ 精确控制循环次数 @timeshow def f_mind(n): L = (i*7 for i in range(n//7)) return L n = 1_000_000 f_loop(n) f_list(n) f_iter(n) f_filter(n) f_mind(n)输出为:
f_loop : 0.083017 sec
f_list : 0.056110 sec
f_iter : 0.000015 sec
f_filter : 0.000003 sec
f_mind : 0.000002 sec
谁快谁慢，一眼便知！
filter 配合 lambda 大法就是屌！！！
4. 避免循环重复计算如果你有一个迭代器，必须用它的元素做一些耗时计算，比如匹配正则表达式。你应该将正则表达式模式定义在循环之外，因为最好只编译一次模式，而不是在循环的每次迭代中一次又一次地编译它。
只要有可能，就应该尝试在循环外进行尽可能多的运算，比如将函数计算分配给局部变量，然后在函数中使用它。
# ❌ 应改避免的方式： @timeshow def f_more(s): import re for i in s: m = re.search(r'a*[a-z]?c', i) # ✅ 更好的方式： @timeshow def f_less(s): import re regex = re.compile(r'a*[a-z]?c') for i in s: m = regex.search(i) s = ["abctestabc"] * 1_000 f_more(s) f_less(s)输出为:
f_more : 0.001068 sec
f_less : 0.000365 sec
5. 少用内存、少用全局变量
内存占用是指程序运行时使用的内存量。为了让Python代码运行得更快，应该减少程序的内存使用量，即尽量减少变量或对象的数量。
Python 访问局部变量比全局变量更有效。在有必要之前，应该始终尝试忽略声明全局变量。一个在程序中定义过的全局变量会一直存在，直到整个程序编译完成，所以它一直占据着内存空间。另一方面，局部变量访问更快，且函数完成后即可回收。因此，使用多个局部变量比使用全局变量会更好。
# ❌ 应该避免的方式： message = "Line1\n" message += "Line2\n" message += "Line3\n" # ✅ 更好的方式： l = ["Line1","Line2","Line3"] message = '\n'.join(l) # ❌ 应该避免的方式： x = 5 y = 6 def add(): return x+y add() # ✅ 更好的方式： def add(): x = 5 y = 6 return x+y add()总结
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注的更多内容!
