python常用_Python常用小技巧

导读

Python标准库是一个巨大的野兽，它的生态系统绝对是庞大的。虽然Python模块可能有200万千兆字节，好在有一些使用技巧存在，我们可以用Python中与科学计算相关的标准库和包来学习。

Python看起来似乎是一种任何人都可以学习的简单语言，但实际上，学会不等于精通，Python的“后劲儿”超乎我们的想象，它容易入门却很难掌握。在Python中，一个通常有多种处理方法，但很容易出错的地方很多;或者仅仅因为不知道模块的存在，你就得重新创建标准库，这很浪费时间。

1. 反转字符串

虽然看似是很基础的操作，但是用char循环来反转字符串可能会非常繁琐麻烦。幸运的是，Python包含了一个简单的内置操作来准确地执行这个任务，我们只需访问字符串上的索引::-1。

a = "!dlrow olleH"

backward = a[::-1]

2. Dims作为变量

在大多数语言中，为了将数组放入一组变量中需迭代循环值，或按位置访问暗点，如下所示：

firstdim = array[1]

然而，在Python中有一种更好更快的方法。为了将一列值改为变量，可以简单地将变量名设置为与数组长度相同的数组：

array = [5, 10, 15, 20]

five, ten, fift, twent = array

3. 生成器的next()迭代

在编程中的大多数正常情况下，可以访问一个索引，并使用计数器获取位置数字，计数器将只是一个值，添加到：

array1 = [5, 10, 15, 20]

array2 = (x ** 2 for x in range(10))

counter = 0for i in array1:# This code wouldn't work because 'i' is not in array2.

# i = array2[i]

i = array2[counter]

# ^^^ This code would because we areaccessing the position of i

我们也可以用next()代替它。Next使用一个迭代器，该迭代器将当前位置存储在内存中，并在后台迭代列表：

g = (x ** 2 for x in range(10))

print(next(g))

print(next(g))

4. 智能拆包

迭代地解压值可能会非常耗费时力，Python中有几种不错的方法可以用来解压列表的方法。其中一个是*，它将填充未分配的值并将它们添加到变量名下的新列表中。

a, *b, c = [1, 2, 3, 4, 5]

5. 列举

不了解列举那可不太行。列举可以获取列表中某些值的索引，在数据科学中使用数组而不是数据帧时，这就特别有用：

for i,w in enumerate(array):

print(i,w)

6. 命名切片

Python中，分割列表非常简单，各式各样优秀工具都能做到。特别好的一点是，它还能够给列表命名，这对于Python中的线性代数特别有用：

a = [0, 1, 2, 3, 4, 5]

LASTTHREE = slice(-3, None)

slice(-3, None, None)

print(a[LASTTHREE])

7. Itertools

如果深入学习Python，那你肯定要熟悉itertools。itertools是标准库中的一个模块，它可以不断地解决迭代问题。它不仅使编写复杂循环大幅度变容易，而且还使代码更简洁快速。有数百种Itertools的使用示例，来看看其中一个：

c = [[1, 2], [3, 4], [5, 6]]

# Let's convert this matrix to a 1 dimensional list.

import itertools as it

newlist = list(it.chain.from_iterable(c))

8. 分组相邻列表

在for循环中，对相邻循环进行分组当然很容易，特别是使用zip()，但这肯定不是最好的方法。为了更轻松便捷地实现这一点，可以用zip编写一个lambda表达式，该表达式将对相邻列表进行分组，如下所示：

a = [1, 2, 3, 4, 5, 6]

group_adjacent = lambda a, k: zip(*([iter(a)] * k))

group_adjacent(a, 3) [(1, 2, 3), (4, 5, 6)]

group_adjacent(a, 2) [(1, 2), (3, 4), (5, 6)]

group_adjacent(a, 1)

9. 计数器

集合也是模块中很好的标准库，这里向大家介绍的是集合中的计数器。使用计数器，可以轻松获得一个列表的计数。这对于获取数据中的值总数、数据的空计数，以及查看数据的唯一值非常有用。

“为什么不直接使用Pandas呢?”使用Pandas来实现这一点无疑会困难得多，而且这只是在部署算法时需要添加到虚拟环境中的另一个依赖项。另外，Python中的计数器类型有很多Pandas系列没有的特性，这使其在某些情况下更有用。

A = collections.Counter([1, 1, 2,2, 3, 3, 3, 3, 4, 5, 6, 7])

A Counter({3: 4, 1: 2, 2: 2, 4: 1, 5: 1, 6: 1, 7: 1})

A.most_common(1) [(3, 4)]

A.most_common(3) [(3, 4), (1, 2), (2, 2)]

10. 出队

如下所示，出队能让代码非常整洁：

import collections

Q = collections.deque()

Q.append(1)

Q.appendleft(2)

Q.extend([3, 4])

Q.extendleft([5, 6])

Q.pop()

Q.popleft()

Q.rotate(3)

Q.rotate(-3)

print(Q)

这些是笔者一直爱用的Python技巧，都非常通用和实用，实践中总有机会能用到。Python的标准库函数工具箱变得越来越多样，还有很多笔者也没听说过的工具。学无止境，这多么令人兴奋！