18?個?Python?編程技巧,提高工作效率
前言:
初識Python語言，覺得python滿足了我上學(xué)時候?qū)幊陶Z言的所有要求。python語言的高效編程技巧讓我們這些大學(xué)曾經(jīng)苦逼學(xué)了四年c或者c++的人，興奮的不行不行的，終于解脫了。高級語言，如果做不到這樣，還扯啥高級呢？
01 交換變量
>>>a=3 ? >>>b=6
這個情況如果要交換變量在c++中，肯定需要一個空變量。但是python不需要，只需一行，大家看清楚了
>>>a,b=b,a ? >>>print(a)>>>6 ? >>>ptint(b)>>>5
02 字典推導(dǎo)(Dictionary comprehensions)和集合推導(dǎo)(Set comprehensions)
大多數(shù)的Python程序員都知道且使用過列表推導(dǎo)(list comprehensions)。如果你對list comprehensions概念不是很熟悉——一個list comprehension就是一個更簡短、簡潔的創(chuàng)建一個list的方法。
>>> some_list = \[1, 2, 3, 4, 5\] ? >>> another_list = \[ x + 1 for x in some_list \] ? >>> another_list ? \[2, 3, 4, 5, 6\]
自從python 3.1 起，我們可以用同樣的語法來創(chuàng)建集合和字典表：
>>> # Set Comprehensions ?
>>> some_list = \[1, 2, 3, 4, 5, 2, 5, 1, 4, 8\] ?
>>> even_set = { x for x in some_list if x % 2 == 0 } ?
>>> even_set ?
set(\[8, 2, 4\]) ?
>>> # Dict Comprehensions ?
>>> d = { x: x % 2 == 0 for x in range(1, 11) } ?
>>> d ?
{1: False, 2: True, 3: False, 4: True, 5: False, 6: True, 7: False, 8: True, 9: False, 10: True}在第一個例子里，我們以some_list為基礎(chǔ)，創(chuàng)建了一個具有不重復(fù)元素的集合，而且集合里只包含偶數(shù)。而在字典表的例子里，我們創(chuàng)建了一個key是不重復(fù)的1到10之間的整數(shù)，value是布爾型，用來指示key是否是偶數(shù)。
這里另外一個值得注意的事情是集合的字面量表示法。
我們可以簡單的用這種方法創(chuàng)建一個集合：
>>> my_set = {1, 2, 1, 2, 3, 4} ?
>>> my_set ?
set(\[1, 2, 3, 4\]) ?而不需要使用內(nèi)置函數(shù)set()。
03 計數(shù)時使用Counter計數(shù)對象。
這聽起來顯而易見，但經(jīng)常被人忘記。對于大多數(shù)程序員來說，數(shù)一個東西是一項很常見的任務(wù)，而且在大多數(shù)情況下并不是很有挑戰(zhàn)性的事情——這里有幾種方法能更簡單的完成這種任務(wù)。
Python的collections類庫里有個內(nèi)置的dict類的子類，是專門來干這種事情的：
>>> from collections import Counter ?
>>> c = Counter( hello world ) ?
>>> c ?
Counter({ l : 3, ?o : 2, ? : 1, ?e : 1, ?d : 1, ?h : 1, ?r : 1, ?w : 1}) ?
>>> c.most_common(2) ?
\[( l , 3), ( o , 2)\] ?04 漂亮的打印出JSON
JSON是一種非常好的數(shù)據(jù)序列化的形式，被如今的各種API和web service大量的使用。使用python內(nèi)置的json處理，可以使JSON串具有一定的可讀性，但當遇到大型數(shù)據(jù)時，它表現(xiàn)成一個很長的、連續(xù)的一行時，人的肉眼就很難觀看了。
為了能讓JSON數(shù)據(jù)表現(xiàn)的更友好，我們可以使用indent參數(shù)來輸出漂亮的JSON。當在控制臺交互式編程或做日志時，這尤其有用：
>>> import json ?
>>> print(json.dumps(data)) ?# No indention ?
{"status": "OK", "count": 2, "results": \[{"age": 27, "name": "Oz", "lactose_intolerant": true}, {"age": 29, "name": "Joe", "lactose_intolerant": false}\]} ?
>>> print(json.dumps(data, indent=2)) ?# With indention ?
{ ?
? "status": "OK", ?
? "count": 2, ?
? "results": \[ ?
? ? { ?
? ? ? "age": 27, ?
? ? ? "name": "Oz", ?
? ? ? "lactose_intolerant": true ?
? ? }, ?
? ? { ?
? ? ? "age": 29, ?
? ? ? "name": "Joe", ?
? ? ? "lactose_intolerant": false ?
? ? } ?
? \] ?
}同樣，使用內(nèi)置的pprint模塊，也可以讓其它任何東西打印輸出的更漂亮。
05 解決FizzBuzz
前段時間Jeff Atwood 推廣了一個簡單的編程練習(xí)叫FizzBuzz，問題引用如下：
寫一個程序，打印數(shù)字1到100，3的倍數(shù)打印“Fizz”來替換這個數(shù)，5的倍數(shù)打印“Buzz”，對于既是3的倍數(shù)又是5的倍數(shù)的數(shù)字打印“FizzBuzz”。
這里就是一個簡短的，有意思的方法解決這個問題：
for x in range(1,101): ? ? ? print"fizz"\[x%3*len( fizz )::\]+"buzz"\[x%5*len( buzz )::\] or x
06 if 語句在行內(nèi)
print "Hello" if True else "World" ? >>> Hello
07 連接
下面的最后一種方式在綁定兩個不同類型的對象時顯得很cool。
nfc = \["Packers", "49ers"\] ? afc = \["Ravens", "Patriots"\] ? print nfc + afc ? >>> \[ Packers , ?49ers , ?Ravens , ?Patriots \] ? print str(1) + " world" ? >>> 1 world ? print \`1\` + " world" ? >>> 1 world ? print 1, "world" ? >>> 1 world ? print nfc, 1 ? >>> \[ Packers , ?49ers \] 1
08 數(shù)值比較
這是我見過諸多語言中很少有的如此棒的簡便法
x = 2 ? if 3 > x > 1: ? ? ?print x ? >>> 2 ? if 1 ?0: ? ? ?print x ? >>> 2
09 同時迭代兩個列表
nfc = \["Packers", "49ers"\] ? afc = \["Ravens", "Patriots"\] ? for teama, teamb in zip(nfc, afc): ? ? ? ?print teama + " vs. " + teamb ? >>> Packers vs. Ravens ? >>> 49ers vs. Patriots
10 帶索引的列表迭代
teams = \["Packers", "49ers", "Ravens", "Patriots"\] ? for index, team in enumerate(teams): ? ? ? print index, team ? >>> 0 Packers ? >>> 1 49ers ? >>> 2 Ravens ? >>> 3 Patriots
11 列表推導(dǎo)式
已知一個列表，我們可以刷選出偶數(shù)列表方法：
numbers = \[1,2,3,4,5,6\] ? even = \[\] ? for number in numbers: ? ? ? if number%2 == 0: ? ? ? ? ? even.append(number)
轉(zhuǎn)變成如下：
numbers = \[1,2,3,4,5,6\] ? even = \[number for number in numbers if number%2 == 0\]
12 字典推導(dǎo)
和列表推導(dǎo)類似，字典可以做同樣的工作：
teams = \["Packers", "49ers", "Ravens", "Patriots"\] ?
print {key: value for value, key in enumerate(teams)} ?
>>> { 49ers : 1, ?Ravens : 2, ?Patriots : 3, ?Packers : 0}13 初始化列表的值
items = \[0\]*3 ? print items ? >>> \[0,0,0\]
14 列表轉(zhuǎn)換為字符串
teams = \["Packers", "49ers", "Ravens", "Patriots"\] ? print ", ".join(teams) ? >>> ?Packers, 49ers, Ravens, Patriots
15 從字典中獲取元素
我承認try/except代碼并不雅致，不過這里有一種簡單方法，嘗試在字典中找key，如果沒有找到對應(yīng)的alue將用第二個參數(shù)設(shè)為其變量值。
data = { user : 1, ?name : ?Max , ?three : 4} ?
try: ?
? ?is_admin = data\[ admin \] ?
except KeyError: ?
? ?is_admin = False替換成這樣:
data = { user : 1, ?name : ?Max , ?three : 4} ?
is_admin = data.get( admin , False)16 獲取列表的子集
有時，你只需要列表中的部分元素，這里是一些獲取列表子集的方法。
x = \[1,2,3,4,5,6\] ? #前3個 ? print x\[:3\] ? >>> \[1,2,3\] ? #中間4個 ? print x\[1:5\] ? >>> \[2,3,4,5\] ? #最后3個 ? print x\[3:\] ? >>> \[4,5,6\] ? #奇數(shù)項 ? print x\[::2\] ? >>> \[1,3,5\] ? #偶數(shù)項 ? print x\[1::2\] ? >>> \[2,4,6\]
除了python內(nèi)置的數(shù)據(jù)類型外，在collection模塊同樣還包括一些特別的用例，在有些場合Counter非常實用。如果你參加過在這一年的Facebook HackerCup，你甚至也能找到他的實用之處。
from collections import Counter ?
print Counter("hello") ?
>>> Counter({ l : 2, ?h : 1, ?e : 1, ?o : 1})17 迭代工具
和collections庫一樣，還有一個庫叫itertools，對某些問題真能高效地解決。其中一個用例是查找所有組合，他能告訴你在一個組中元素的所有不能的組合方式
from itertools import combinations ? teams = \["Packers", "49ers", "Ravens", "Patriots"\] ? for game in combinations(teams, 2): ? ? ? print game ? >>> ( Packers , ?49ers ) ? >>> ( Packers , ?Ravens ) ? >>> ( Packers , ?Patriots ) ? >>> ( 49ers , ?Ravens ) ? >>> ( 49ers , ?Patriots ) ? >>> ( Ravens , ?Patriots )
18 False True
比起實用技術(shù)來說這是一個很有趣的事，在python中，True和False是全局變量，因此：
False = True ? if False: ? ? ?print "Hello" ? else: ? ? ?print "World" ? >>> Hello
到此這篇關(guān)于分享18 個 Python 高效編程技巧的文章就介紹到這了,更多相關(guān)Python 高效編程技巧內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python圖像銳化與邊緣檢測之Scharr,Canny,LOG算子詳解
圖像銳化和邊緣檢測主要包括一階微分銳化和二階微分銳化，本文主要講解常見的圖像銳化和邊緣檢測方法，即Scharr算子、Canny算子和LOG算子，需要的可以參考一下2022-12-12
今天小編就為大家分享一篇Python利用scapy實現(xiàn)ARP欺騙的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
Python訪問MongoDB,并且轉(zhuǎn)換成Dataframe的方法
今天小編就為大家分享一篇Python訪問MongoDB,并且轉(zhuǎn)換成Dataframe的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
linux環(huán)境打包python工程為可執(zhí)行程序的過程
本次需求,在ubuntu上面開發(fā)的python代碼程序需要打包成一個可執(zhí)行程序然后交付給甲方,因為不能直接給源碼給甲方,所以尋找方法將python開發(fā)的源碼打包成一個可執(zhí)行程序,本次在ubuntu上打包python源碼的方法和在window上打包的有點類似,感興趣的朋友跟隨小編一起看看吧2024-01-01
這篇文章主要介紹了Python中__call__用法,需要的朋友可以參考下2014-08-08
正則表達式是用來匹配字符串非常強大的工具,在其他編程語言中同樣有正則表達式的概念,Python同樣不例外,下面這篇文章主要給大家介紹了關(guān)于python正則表達式(re模塊)使用的相關(guān)資料,需要的朋友可以參考下2022-03-03
這篇文章主要介紹了django前端頁面下拉選擇框默認值設(shè)置方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-08-08
python打包exe文件并隱藏執(zhí)行CMD命令窗口問題
這篇文章主要介紹了python打包exe文件并隱藏執(zhí)行CMD命令窗口問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-01-01
今天小編就為大家分享一篇關(guān)于Python中三元表達式的幾種寫法介紹，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2019-03-03
python實現(xiàn)對doc,txt,xls文檔的讀寫操作
這篇文章主要介紹了python實現(xiàn)對doc,txt,xls文檔的讀寫操作，正如標題所見，文章包括三個部分python實現(xiàn)對doc文檔的讀取、python實現(xiàn)對txt文檔的讀取和python實現(xiàn)對xls表格的讀取,需要的朋友可以參考一下2022-04-04