วิธีการแบ่งวิธีการโยงใน Python?

ฉันมีบรรทัดของรหัสต่อไปนี้ (ไม่ตำหนิสำหรับการตั้งชื่อการประชุมพวกเขาไม่ใช่ของฉัน):

subkeyword = Session.query(
    Subkeyword.subkeyword_id, Subkeyword.subkeyword_word
).filter_by(
    subkeyword_company_id=self.e_company_id
).filter_by(
    subkeyword_word=subkeyword_word
).filter_by(
    subkeyword_active=True
).one()

ฉันไม่ชอบว่ามันจะเป็นอย่างไร (ไม่สามารถอ่านได้มากเกินไป) แต่ฉันไม่มีความคิดที่ดีกว่าในการ จำกัด บรรทัดที่ 79 อักขระในสถานการณ์นี้ มีวิธีที่ดีกว่าในการทำลายมัน (ดีกว่าโดยไม่ใช้แบ็กสแลช)?

คุณสามารถใช้วงเล็บเพิ่มเติมได้:

subkeyword = (
        Session.query(Subkeyword.subkeyword_id, Subkeyword.subkeyword_word)
        .filter_by(subkeyword_company_id=self.e_company_id)
        .filter_by(subkeyword_word=subkeyword_word)
        .filter_by(subkeyword_active=True)
        .one()
    )

นี่เป็นกรณีที่ต้องการให้มีอักขระต่อเนื่องของบรรทัดเพื่อเปิดวงเล็บ ความต้องการสไตล์นี้จะชัดเจนยิ่งขึ้นเมื่อชื่อเมธอดยาวขึ้นและเมื่อเมธอดเริ่มรับอาร์กิวเมนต์:

subkeyword = Session.query(Subkeyword.subkeyword_id, Subkeyword.subkeyword_word) \
                    .filter_by(subkeyword_company_id=self.e_company_id)          \
                    .filter_by(subkeyword_word=subkeyword_word)                  \
                    .filter_by(subkeyword_active=True)                           \
                    .one()

PEP 8 ตั้งใจจะตีความด้วยการวัดสามัญสำนึกและเป็นตาสำหรับทั้งการใช้งานและความสวยงาม ฝ่าฝืนแนวทาง PEP 8 อย่างมีความสุขที่ส่งผลให้เกิดรหัสที่น่าเกลียดหรือยากต่อการอ่าน

ที่ถูกกล่าวว่าหากคุณพบว่าตัวเองมักจะขัดแย้งกับ PEP 8 อาจเป็นสัญญาณว่ามีปัญหาการอ่านที่อยู่เหนือที่คุณเลือกของช่องว่าง :-)

ทางเลือกส่วนตัวของฉันจะเป็น:

subkeyword = Session.query (
    Subkeyword.subkeyword_id,
    Subkeyword.subkeyword_word,
) .filter_by (
    subkeyword_company_id = self.e_company_id,
    subkeyword_word = subkeyword_word,
    subkeyword_active = True,
).หนึ่ง()

เพียงเก็บผลลัพธ์ / วัตถุขั้นกลางแล้วเรียกใช้วิธีถัดไปที่อยู่ในนั้น

q = Session.query(Subkeyword.subkeyword_id, Subkeyword.subkeyword_word)
q = q.filter_by(subkeyword_company_id=self.e_company_id)
q = q.filter_by(subkeyword_word=subkeyword_word)
q = q.filter_by(subkeyword_active=True)
subkeyword = q.one()

ตามการอ้างอิงภาษา Python
คุณสามารถใช้แบ็กสแลช
หรือเพียงแค่ทำลายมัน หากวงเล็บไม่ได้จับคู่งูใหญ่จะไม่ถือว่าเป็นเส้น และภายใต้สถานการณ์เช่นนี้การเยื้องบรรทัดต่อไปนี้ไม่สำคัญ

มันเป็นวิธีการแก้ปัญหาที่แตกต่างจากที่อื่น ๆ แต่เป็นที่ชื่นชอบของฉันเพราะมันนำไปสู่

base = [Subkeyword.subkeyword_id, Subkeyword_word]
search = {
    'subkeyword_company_id':self.e_company_id,
    'subkeyword_word':subkeyword_word,
    'subkeyword_active':True,
    }
subkeyword = Session.query(*base).filter_by(**search).one()

นี่เป็นเทคนิคที่ดีสำหรับการสร้างการค้นหา ดูรายการเงื่อนไขเพื่อขุดจากแบบฟอร์มการสืบค้นที่ซับซ้อนของคุณ (หรือการหักตามสตริงเกี่ยวกับสิ่งที่ผู้ใช้มองหา) จากนั้นก็ระเบิดพจนานุกรมลงในตัวกรอง

ดูเหมือนว่าคุณใช้ SQLAlchemy หากเป็นจริงsqlalchemy.orm.query.Query.filter_by()เมธอดจะรับอาร์กิวเมนต์คำหลักหลายคำดังนั้นคุณสามารถเขียนดังนี้:

subkeyword = Session.query(Subkeyword.subkeyword_id,
                           Subkeyword.subkeyword_word) \
                    .filter_by(subkeyword_company_id=self.e_company_id,
                               subkeyword_word=subkeyword_word,
                               subkeyword_active=True) \
                    .one()

แต่มันจะดีกว่า:

subkeyword = Session.query(Subkeyword.subkeyword_id,
                           Subkeyword.subkeyword_word)
subkeyword = subkeyword.filter_by(subkeyword_company_id=self.e_company_id,
                                  subkeyword_word=subkeyword_word,
                                  subkeyword_active=True)
subkeuword = subkeyword.one()

ฉันชอบเยื้องอาร์กิวเมนต์โดยสองบล็อกและคำสั่งโดยหนึ่งบล็อกเช่นนี้

for image_pathname in image_directory.iterdir():
    image = cv2.imread(str(image_pathname))
    input_image = np.resize(
            image, (height, width, 3)
        ).transpose((2,0,1)).reshape(1, 3, height, width)
    net.forward_all(data=input_image)
    segmentation_index = net.blobs[
            'argmax'
        ].data.squeeze().transpose(1,2,0).astype(np.uint8)
    segmentation = np.empty(segmentation_index.shape, dtype=np.uint8)
    cv2.LUT(segmentation_index, label_colours, segmentation)
    prediction_pathname = prediction_directory / image_pathname.name
    cv2.imwrite(str(prediction_pathname), segmentation)