在Python3中初學者應會的一些基本的提升效率的小技巧
有時候我反問我自己，怎么不知道在Python 3中用更簡單的方式做“這樣”的事，當我尋求答案時，隨著時間的推移，我當然發(fā)現(xiàn)更簡潔、有效并且bug更少的代碼?？偟膩碚f（不僅僅是這篇文章），“那些”事情總共數(shù)量是超過我想象的，但這里是第一批不明顯的特性，后來我尋求到了更有效的/簡單的/可維護的代碼。
字典
字典中的keys()和items()
你能在字典的keys和items中做很多有意思的操作，它們類似于集合（set）：
aa = {‘mike': ‘male', ‘kathy': ‘female', ‘steve': ‘male', ‘hillary': ‘female'}
bb = {‘mike': ‘male', ‘ben': ‘male', ‘hillary': ‘female'}
aa.keys() & bb.keys() # {‘mike', ‘hillary'} # these are set-like
aa.keys() - bb.keys() # {‘kathy', ‘steve'}
# If you want to get the common key-value pairs in the two dictionaries
aa.items() & bb.items() # {(‘mike', ‘male'), (‘hillary', ‘female')}
太簡潔啦！
在字典中校驗一個key的存在
下面這段代碼你寫了多少遍了？
dictionary = {}
for k, v in ls:
if not k in dictionary:
dictionary[k] = []
dictionary[k].append(v)
這段代碼其實沒有那么糟糕，但是為什么你一直都需要用if語句呢？
from collections import defaultdict dictionary = defaultdict(list) # defaults to list for k, v in ls: dictionary[k].append(v)
這樣就更清晰了，沒有一個多余而模糊的if語句。
用另一個字典來更新一個字典
from itertools import chain
a = {‘x': 1, ‘y':2, ‘z':3}
b = {‘y': 5, ‘s': 10, ‘x': 3, ‘z': 6}
# Update a with b
c = dict(chain(a.items(), b.items()))
c # {‘y': 5, ‘s': 10, ‘x': 3, ‘z': 6}
這樣看起來還不錯，但是不夠簡明?？纯次覀兪欠衲茏龅酶茫?br />
c = a.copy() c.update(b)
更清晰而且更有可讀性了！
從一個字典獲得最大值
如果你想獲取一個字典中的最大值，可能會像這樣直接：
aa = {k: sum(range(k)) for k in range(10)}
aa # {0: 0, 1: 0, 2: 1, 3: 3, 4: 6, 5: 10, 6: 15, 7: 21, 8: 28, 9: 36}
max(aa.values()) #36
這么做是有效的，但是如果你需要key，那么你就需要在value的基礎上再找到key。然而，我們可以用過zip來讓展現(xiàn)更扁平化，并返回一個如下這樣的key-value形式：
max(zip(aa.values(), aa.keys())) # (36, 9) => value, key pair
同樣地，如果你想從最大到最小地去遍歷一個字典，你可以這么干：
sorted(zip(aa.values(), aa.keys()), reverse=True) # [(36, 9), (28, 8), (21, 7), (15, 6), (10, 5), (6, 4), (3, 3), (1, 2), (0, 1), (0, 0)]
在一個list中打開任意數(shù)量的items
我們可以運用*的魔法，獲取任意的items放到list中：
def compute_average_salary(person_salary): person, *salary = person_salary return person, (sum(salary) / float(len(salary))) person, average_salary = compute_average_salary([“mike”, 40000, 50000, 60000]) person # ‘mike' average_salary # 50000.0
這不是那么有趣，但是如果我告訴你也可以像下面這樣呢：
def compute_average_salary(person_salary_age): person, *salary, age = person_salary_age return person, (sum(salary) / float(len(salary))), age person, average_salary, age = compute_average_salary([“mike”, 40000, 50000, 60000, 42]) age # 42
看起來很簡潔嘛!
當你想到有一個字符串類型的key和一個list的value的字典，而不是遍歷一個字典，然后順序地處理value，你可以使用一個更扁平的展現(xiàn)(list中套list)，像下面這樣:
# Instead of doing this
for k, v in dictionary.items():
process(v)
# we are separating head and the rest, and process the values
# as a list similar to the above. head becomes the key value
for head, *rest in ls:
process(rest)
# if not very clear, consider the following example
aa = {k: list(range(k)) for k in range(5)} # range returns an iterator
aa # {0: [], 1: [0], 2: [0, 1], 3: [0, 1, 2], 4: [0, 1, 2, 3]}
for k, v in aa.items():
sum(v)
#0
#0
#1
#3
#6
# Instead
aa = [[ii] + list(range(jj)) for ii, jj in enumerate(range(5))]
for head, *rest in aa:
print(sum(rest))
#0
#0
#1
#3
#6
你可以把list解壓成head，*rest,tail等等。
Collections用作計數(shù)器
Collections是我在python中最喜歡的庫之一，在python中，除了原始的默認的，如果你還需要其他的數(shù)據(jù)結構，你就應該看看這個。
我日常基本工作的一部分就是計算大量而又不是很重要的詞?？赡苡腥藭f，你可以把這些詞作為一個字典的key，他們分別的值作為value，在我沒有接觸到collections中的Counter時，我可能會同意你的做法（是的，做這么多介紹就是因為Counter）。
假設你讀的python語言的維基百科，轉化為一個字符串，放到一個list中（標記好順序）：
import re word_list = list(map(lambda k: k.lower().strip(), re.split(r'[;,:(.s)]s*', python_string))) word_list[:10] # [‘python', ‘is', ‘a(chǎn)', ‘widely', ‘used', ‘general-purpose', ‘high-level', ‘programming', ‘language', ‘[17][18][19]']
到目前為止看起來都不錯，但是如果你想計算這個list中的單詞：
from collections import defaultdict # again, collections! dictionary = defaultdict(int) for word in word_list: dictionary[word] += 1
這個沒有那么糟糕，但是如果你有了Counter，你將會節(jié)約下你的時間做更有意義的事情。
from collections import Counter counter = Counter(word_list) # Getting the most common 10 words counter.most_common(10) [(‘the', 164), (‘a(chǎn)nd', 161), (‘a(chǎn)', 138), (‘python', 138), (‘of', 131), (‘is', 102), (‘to', 91), (‘in', 88), (‘', 56)] counter.keys()[:10] # just like a dictionary [‘', ‘limited', ‘a(chǎn)ll', ‘code', ‘managed', ‘multi-paradigm', ‘exponentiation', ‘fromosing', ‘dynamic']
很簡潔吧，但是如果我們看看在Counter中包含的可用的方法：
dir(counter) [‘__add__', ‘__and__', ‘__class__', ‘__cmp__', ‘__contains__', ‘__delattr__', ‘__delitem__', ‘__dict__', ‘__doc__', ‘__eq__', ‘__format__', ‘__ge__', ‘__getattribute__', ‘__getitem__', ‘__gt__', ‘__hash__', ‘__init__', ‘__iter__', ‘__le__', ‘__len__', ‘__lt__', ‘__missing__', ‘__module__', ‘__ne__', ‘__new__', ‘__or__', ‘__reduce__', ‘__reduce_ex__', ‘__repr__', ‘__setattr__', ‘__setitem__', ‘__sizeof__', ‘__str__', ‘__sub__', ‘__subclasshook__', ‘__weakref__', ‘clear', ‘copy', ‘elements', ‘fromkeys', ‘get', ‘has_key', ‘items', ‘iteritems', ‘iterkeys', ‘itervalues', ‘keys', ‘most_common', ‘pop', ‘popitem', ‘setdefault', ‘subtract', ‘update', ‘values', ‘viewitems', ‘viewkeys', ‘viewvalues']
你看到__add__和__sub__方法了嗎，是的，Counter支持加減運算。因此，如果你有很多文本想要去計算單詞，你不必需要Hadoop，你可以運用Counter(作為map)然后把它們加起來（相當于reduce）。這樣你就有構建在Counter上的mapreduce了，你可能以后還會感謝我。
扁平嵌套lists
Collections也有_chain函數(shù)，其可被用作扁平嵌套lists
from collections import chain ls = [[kk] + list(range(kk)) for kk in range(5)] flattened_list = list(collections._chain(*ls))
同時打開兩個文件
如果你在處理一個文件（比如一行一行地），而且要把這些處理好的行寫入到另一個文件中，你可能情不自禁地像下面這么去寫：
with open(input_file_path) as inputfile:
with open(output_file_path, ‘w') as outputfile:
for line in inputfile:
outputfile.write(process(line))
除此之外，你可以在相同的一行里打開多個文件，就像下面這樣：
with open(input_file_path) as inputfile, open(output_file_path, ‘w') as outputfile:
for line in inputfile:
outputfile.write(process(line))
這樣就更簡潔啦！
從一堆數(shù)據(jù)中找到星期一
如果你有一個數(shù)據(jù)想去標準化（比如周一之前或是之后），你也許會像下面這樣：
import datetime previous_monday = some_date - datetime.timedelta(days=some_date.weekday()) # Similarly, you could map to next monday as well next_monday = some_date + date_time.timedelta(days=-some_date.weekday(), weeks=1)
這就是實現(xiàn)方式。
處理HTML
如果你出于興趣或是利益要爬一個站點，你可能會一直面臨著html標簽。為了去解析各種各樣的html標簽，你可以運用html.parer：
from html.parser import HTMLParser
class HTMLStrip(HTMLParser):
def __init__(self):
self.reset()
self.ls = []
def handle_data(self, d):
self.ls.append(d)
def get_data(self):
return ‘'.join(self.ls)
@staticmethod
def strip(snippet):
html_strip = HTMLStrip()
html_strip.feed(snippet)
clean_text = html_strip.get_data()
return clean_text
snippet = HTMLStrip.strip(html_snippet)
如果你僅僅想避開html：
escaped_snippet = html.escape(html_snippet) # Back to html snippets(this is new in Python 3.4) html_snippet = html.unescape(escaped_snippet) # and so forth ...
相關文章
python numpy中mat和matrix的區(qū)別
這篇文章主要介紹了python numpy中mat和matrix的區(qū)別，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2021-03-03
這篇文章主要為大家詳細介紹了Python如何有效地使用迭代,文中的示例代碼講解詳細,對我們深入了解Python有一定的幫助,需要的小伙伴可以學習一下2023-09-09
今天小編幫大家簡單介紹下Python的一種數(shù)據(jù)結構: 字典，字典是 另一種可變容器模型，且可存儲任意類型對象，它用于存放具有映射關系的數(shù)據(jù)，通讀本篇對大家的學習或工作具有一定的價值，需要的朋友可以參考下2021-11-11
本文介紹了Python正則表達式的相關基礎知識，本文的內容不包括如何編寫高效的正則表達式、如何優(yōu)化正則表達式，這些主題請查看其他教程。2017-09-09
在使用Python做腳本的話，有兩個庫可以使用，一個為PyUserInput庫，另一個為pyautogui庫，本文給大家介紹下Python中pyautogui庫的使用方法匯總，感興趣的朋友跟隨小編一起看看吧2022-03-03
這篇文章給大家介紹用python實現(xiàn)最簡單的負載均衡方法，即將請求發(fā)送到未宕機的服務器上，感興趣的朋友一起看看吧2018-02-02
解決pytorch下只打印tensor的數(shù)值不打印出device等信息的問題
這篇文章主要介紹了解決pytorch下只打印tensor的數(shù)值不打印出device等信息的問題，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2021-05-05
Python中計算三角函數(shù)之cos()方法的使用簡介
這篇文章主要介紹了Python中計算三角函數(shù)之cos()方法的使用簡介,是Python入門的基礎知識,需要的朋友可以參考下2015-05-05
本篇文章主要介紹了python3 pillow生成簡單驗證碼圖片的示例，非常具有實用價值，需要的朋友可以參考下2017-09-09
Django獲取該數(shù)據(jù)的上一條和下一條方法
今天小編就為大家分享一篇Django獲取該數(shù)據(jù)的上一條和下一條方法，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2019-08-08