简单的10个Python技巧和窍门
Python片段，可以作为您日常工作的参考
Python是增长最快的编程语言。《福布斯》的最新报告指出，Python去年增长了456％。Netflix使用Python，IBM使用Python，其他数百家公司都使用Python。让我们不要忘记Dropbox。Dropbox也是用Python创建的。根据Dice的研究， Python也是拥有的最热门的技能之一，并且根据“编程语言索引的流行度”，它也是世界上最受欢迎的编程语言。
与其他编程语言相比，Python提供的一些优势是：
- 与主要平台和操作系统兼容
- 许多开源框架和工具
- 可读且可维护的代码
- 强大的标准库
- 标准测试驱动的开发
Python技巧和窍门
在本文中，我将介绍10个有用的代码提示和技巧，它们可以帮助您完成日常任务。
1.连接字符串
当需要连接字符串列表时，可以使用for循环通过逐个添加每个元素来实现此目的。然而，如果列表很长的话这将是非常低效的。在Python中，字符串是不可变的，因此对于每一对连接，左、右字符串都必须复制到新字符串中。
更好的方法是使用join()如下所示的函数：
characters = ['p', 'y', 't', 'h', 'o', 'n'] word = "".join(characters) print(word) # python
2.使用列表推导
列表推导用于从其他可迭代对象创建新列表。当列表推导返回列表时，它们由包含表达式的方括号组成，该表达式针对每个元素以及for循环遍历每个元素。列表推导速度更快，因为它已针对Python解释器进行了优化，以便在循环期间发现可预测的模式。
作为示例，让我们使用列表推导找到前五个整数的平方。
m = [x ** 2 for x in range(5)] print(m) # [0, 1, 4, 9, 16]
现在，让我们使用列表推导从两个列表中查找公用数字
list_a = [1, 2, 3, 4] list_b = [2, 3, 4, 5] common_num = [a for a in list_a for b in list_b if a == b] print(common_num) # [2, 3, 4]
3. enumerate()迭代
Enumerate（）方法的作用是向可迭代对象添加一个计数器，并以枚举对象的形式返回它。
让我们来解决一个经典的编码面试问题，它通常被称为Fizz Buzz问题。
编写一个程序来输出列表中的数字，以“ 3”的倍数输出“fizz”而不是数字，以“ 5”的倍数输出“buzz”，并以3和5的倍数输出“fizzbuzz” 。
numbers = [30, 42, 28, 50, 15] for i, num in enumerate(numbers): if num % 3 == 0 and num % 5 == 0: numbers[i] = 'fizzbuzz' elif num % 3 == 0: numbers[i] = 'fizz' elif num % 5 == 0: numbers[i] = 'buzz' print(numbers) # ['fizzbuzz', 'fizz', 28, 'buzz', 'fizzbuzz']
4.在处理列表时使用ZIP
假设你被分配了一个任务，要把几个长度相同的列表组合起来并输出结果？同样，这里有一个更通用的方法来获得所需的结果，利用zip()，如下面的代码所示：
countries = ['France', 'Germany', 'Canada'] capitals = ['Paris', 'Berlin', 'Ottawa'] for country, capital in zip(countries,capitals): print(country, capital) # France Paris #Germany Berlin #Canada Ottawa
5.使用itertools
Python itertools模块是用于处理迭代器的工具的集合。itertools具有用于生成可迭代输入数据序列的多种工具。在这里我将使用itertools.combinations()作为一个例子。itertools.combinations()用于构建组合。这些也是输入值的可能分组。
让我们以一个真实的例子来说明以上几点。
假设有四支球队参加比赛。在联赛阶段，每支球队都要与其他球队对抗。您的任务是建立所有可能相互比赛的团队。
让我们看一下下面的代码：
import itertools friends = ['Team 1', 'Team 2', 'Team 3', 'Team 4'] list(itertools.combinations(friends, r=2)) # [('Team 1', 'Team 2'), ('Team 1', 'Team 3'), ('Team 1', 'Team 4'), ('Team 2', 'Team 3'), ('Team 2', 'Team 4'), ('Team 3', 'Team 4')]
需要注意的重要一点是值的顺序无关紧要。因为('Team 1', 'Team 2')和('Team 2', 'Team 1')代表同一对，所以输出列表中将仅包含其中一个。同样，我们可以使用itertools.permutations()模块中的其他函数。
6.使用Python Collections
Python Collections是数据类型集合，即列表，集合，元组，字典。Collections模块提供了可以增强代码的高性能数据类型，使代码更简洁、更简单。Collections模块提供了很多函数。
Counter()函数接受一个可迭代的对象（例如列表或元组），并返回一个Counter Dictionary。Dictionary的键将是迭代器中存在的唯一元素，每个键的值将是迭代器中存在的元素的计数。
要创建一个counter对象，请将一个iterable (list)传递给counter()函数，如下面的代码所示。
from collections import Counter
count = Counter(['a','b','c','d','b','c','d','b'])
print(count)
# Counter({'b': 3, 'c': 2, 'd': 2, 'a': 1})
7.将两个列表转换成字典
假设我们有两个列表，一个列表包含学生的姓名，第二个列表包含他们的分数。让我们看看如何将这两个列表转换为一个字典。使用zip函数，可以使用以下代码完成此操作：
students = ["lilei", "hanmeiemi", "xiaoming"]
marks = [84, 65, 77]
dictionary = dict(zip(students, marks))
print(dictionary)
#{'lilei': 84, 'hanmeiemi': 65, 'xiaoming': 77}
8.使用Python Generators
Generator函数允许您声明一个行为类似迭代器的函数。它们允许程序员以一种快速、简单和干净的方式创建迭代器。让我们以一个例子来解释这个概念。
我们必须遍历大量数字（例如100000000），并将所有数字的平方存储在单独的列表中。
看起来很简单吧？使用列表推导很容易做到这一点，但是问题是输入量很大。作为示例，让我们看下面的代码：
import memory_profiler
import time
def check_even(numbers):
even = []
for num in numbers:
if num % 2 == 0:
even.append(num*num)
return even
if __name__ == '__main__':
m1 = memory_profiler.memory_usage()
t1 = time.clock()
cubes = check_even(range(100000000))
t2 = time.clock()
m2 = memory_profiler.memory_usage()
time_diff = t2 - t1
mem_diff = m2[0] - m1[0]
print(f"It took {time_diff} Secs and {mem_diff} Mb to execute this method")
#It took 13.6914723 Secs and 1932.2265625 Mb to execute this method
在增加我们需要求和的理想数时，我们意识到该方法由于更高的计算时间而不可行。这是Python Generator提供帮助的地方。用括号替换括号后，我们将Generator推导更改为Generator表达式。现在，我们来计算花费的时间
import memory_profiler
import time
def check_even(numbers):
for num in numbers:
if num % 2 == 0:
yield num * num
if __name__ == '__main__':
m1 = memory_profiler.memory_usage()
t1 = time.clock()
cubes = check_even(range(100000000))
t2 = time.clock()
m2 = memory_profiler.memory_usage()
time_diff = t2 - t1
mem_diff = m2[0] - m1[0]
print(f"It took {time_diff} Secs and {mem_diff} Mb to execute this method")
#It took 1.34e-05 Secs and 0.01953125 Mb to execute this method
我们可以看到，所花费的时间已大大减少。对于较大的输入，此效果将更加明显。生成器仅按需工作，这就是所谓的通过惰性评估工作。这意味着它们可以节省CPU，内存和其他计算资源。
9.从函数返回多个值
Python能够从函数调用中返回多个值，这是许多其他流行的编程语言所缺少的。在这种情况下，返回值应为逗号分隔的值列表，然后Python构造一个tuple并将其返回给调用方。作为示例，请参见下面的代码：
def multiplication_division(num1, num2): return num1*num2, num1/num2 product, division = multiplication_division(15, 3) print("Product=", product, "Quotient =", division) # Product= 45 Quotient = 5.0
10.使用sorted（）函数
在Python中，使用内置的sort()方法对任何序列进行排序非常简单，该方法为您完成了所有繁重的工作。sorted()对任何序列（列表，元组）进行排序，并始终以排序方式返回包含元素的列表。让我们以一个示例来对数字列表进行升序排序。
sorted([3,5,2,1,4]) # [1, 2, 3, 4, 5]
再举一个例子，让我们以降序和升序对字符串列表进行排序。
sorted(['france', 'germany', 'canada', 'india', 'china'], reverse=True) # ['india', 'germany', 'france', 'china', 'canada'] sorted(['france', 'germany', 'canada', 'india', 'china'], reverse=False) # ['canada', 'china', 'france', 'germany', 'india']
结论
在本文中，我介绍了10条Python技巧和窍门，可以将它们用作日常工作的参考。