Effective C++ 中文版:提升编程技巧的关键议题与实践

需积分: 9 2 下载量 24 浏览量 更新于2024-07-24 收藏 2.39MB PDF 举报
"More_Effective_Cpp_cn.pdf" 是Scott Meyers所著的《More Effective C++》中文版,由侯捷翻译,并由ZHC、WQ和陈崴参与翻译不同部分。这本书深入探讨了C++编程中的高级技巧和最佳实践,旨在帮助程序员写出更高效、更易于维护的代码。 在书中的各个item中,作者涵盖了多个关键主题,包括基础议题、运算符、异常处理和效率提升等。以下是对这些主题的详细说明: 1. **基础议题**: - ITEM M1 强调指针和引用的区别,指针可以为空,而引用一旦初始化后必须始终引用某个对象。 - ITEM M2 提倡使用C++的类型转换,如`static_cast`,`dynamic_cast`等,以提高代码的清晰度和安全性。 - ITEM M3 建议避免对数组使用多态,因为多态通常与对象指针和动态绑定相关,而数组不支持这种行为。 - ITEM M4 提醒避免无用的缺省构造函数,以减少潜在的误解和错误。 2. **运算符**: - ITEM M5 警告谨慎定义类型转换函数,因为它们可能导致意外的隐式转换。 - ITEM M6 解释了自增和自减操作符前缀和后缀形式的差异,前缀操作符会先改变对象的值,而后缀操作符则先返回当前值再进行改变。 - ITEM M7 鼓励避免重载逻辑运算符"&&", "||" 和逗号运算符",",因为它们有特殊的短路行为,重载可能引入难以理解的行为。 - ITEM M8 详细讨论了NEW和DELETE的不同用法,包括匹配的数组版本和对象版本。 3. **异常**: - ITEM M9 强调使用析构函数来确保资源在异常发生时也能正确释放。 - ITEM M10 提示在构造函数中立即初始化资源,以防止异常导致未初始化的资源。 - ITEM M11 禁止异常信息传递到析构函数外部,确保资源清理不受影响。 - ITEM M12 分析了抛出异常与传递参数或调用虚函数之间的差异,强调异常是控制流的非正常转移。 - ITEM M13 推荐通过引用捕获异常,以避免异常对象的复制可能带来的问题。 - ITEM M14 和 ITEM M15 分别讨论了异常规格和异常处理的性能影响。 4. **效率**: - ITEM M16 提出了80-20规则,即大部分程序性能问题可能源于少数关键部分。 - ITEM M17 探讨了延迟评估(懒惰计算)作为提高效率的一种策略。 - ITEM M18 讨论了如何分期摊还期望的计算成本,以平衡初始化和后续操作的性能。 - ITEM M19 揭示了临时对象的产生原因和它们对性能的影响。 - ITEM M20 强调了协助编译器进行返回值优化的重要性。 - ITEM M21 建议通过重载避免隐式类型转换,以防止不期望的转换发生。 - ITEM M22 提倡使用运算符的赋值形式(如`operator=`)而非单独形式(如`operator+`),以支持复合赋值和自我赋值优化。 - ITEM M23 提示考虑优化程序库,以提高整体代码性能。 - ITEM M24 解析了虚拟函数、多继承、虚基类和运行时类型识别(RTTI)对性能的影响。 5. **技巧(idioms/patterns)**: 除了上述具体知识点,书中还包括了C++编程中的技巧和模式,如模板元编程、设计模式等,这些都旨在帮助开发者编写出更高效、更灵活且更具扩展性的代码。 《More Effective C++》是一本深入讲解C++编程技巧和最佳实践的宝贵资源,对于想要提升C++编程水平的开发者来说,具有很高的参考价值。通过学习书中的item,读者能够更好地理解和利用C++语言的高级特性,从而编写出更高质量的代码。

优化代码 def cluster_format(self, start_time, end_time, save_on=True, data_clean=False, data_name=None): """ local format function is to format data from beihang. :param start_time: :param end_time: :return: """ # 户用簇级数据清洗 if data_clean: unused_index_col = [i for i in self.df.columns if 'Unnamed' in i] self.df.drop(columns=unused_index_col, inplace=True) self.df.drop_duplicates(inplace=True, ignore_index=True) self.df.reset_index(drop=True, inplace=True) dupli_header_lines = np.where(self.df['sendtime'] == 'sendtime')[0] self.df.drop(index=dupli_header_lines, inplace=True) self.df = self.df.apply(pd.to_numeric, errors='ignore') self.df['sendtime'] = pd.to_datetime(self.df['sendtime']) self.df.sort_values(by='sendtime', inplace=True, ignore_index=True) self.df.to_csv(data_name, index=False) # 调用基本格式化处理 self.df = super().format(start_time, end_time) module_number_register = np.unique(self.df['bat_module_num']) # if registered m_num is 0 and not changed, there is no module data if not np.any(module_number_register): logger.logger.warning("No module data!") sys.exit() if 'bat_module_voltage_00' in self.df.columns: volt_ref = 'bat_module_voltage_00' elif 'bat_module_voltage_01' in self.df.columns: volt_ref = 'bat_module_voltage_01' elif 'bat_module_voltage_02' in self.df.columns: volt_ref = 'bat_module_voltage_02' else: logger.logger.warning("No module data!") sys.exit() self.df.dropna(axis=0, subset=[volt_ref], inplace=True) self.df.reset_index(drop=True, inplace=True) self.headers = list(self.df.columns) # time duration of a cluster self.length = len(self.df) if self.length == 0: logger.logger.warning("After cluster data clean, no effective data!") raise ValueError("No effective data after cluster data clean.") self.cluster_stats(save_on) for m in range(self.mod_num): print(self.clusterid, self.mod_num) self.module_list.append(np.unique(self.df[f'bat_module_sn_{str(m).zfill(2)}'].dropna())[0])

2023-05-25 上传