程序员必知的 20 个 Python 技巧!

2019 年 11 月 7 日 CSDN

本文将向你展示20条非常实用的Python使用技巧。

作者 | Duomly
译者 | 弯月,责编 | 郭芮
出品 | CSDN(ID:CSDNnews)

以下为译文:

Python是一门流行且应用广泛的通用编程语言,其应用包括数据科学、机器学习、科学计算等领域,以及后端Web开发、移动和桌面应用程序等方面。许多知名的公司都使用Python,如Google、Dropbox、Facebook、Mozilla、IBM、Quora、Amazon、Spotify、NASA、Netflix、Reddit等。
Python是免费且开源的,与它有关的大多数产品也都是。此外,它拥有庞大、专注且友善的编程者和使用者社区。
它的语法设计目标就是简单、易读且优雅。
本文将向你展示20条非常实用的Python使用技巧。

Python之禅

Python之禅(又名PEP20)是由Tim Peters编写的一小段文字,文中展示了设计和使用Python的指导原则。你可以在Python网站上找到这段文字,也可以在控制台或Jupyter notebook中通过一条语句来显示这段话。
>>> import this
The Zen of Python, by Tim Peters
Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
Special cases aren't special enough to break the rules.
Although practicality beats purity.
Errors should never pass silently.
Unless explicitly silenced.
In the face of ambiguity, refuse the temptation to guess.
There should be one-- and preferably only one --obvious way to do it.
Although that way may not be obvious at first unless you're Dutch.
Now is better than never.
Although never is often better than *right* now.
If the implementation is hard to explain, it's a bad idea.
If the implementation is easy to explain, it may be a good idea.
Namespaces are one honking great idea -- let's do more of those!


链式赋值

如果需要让多个变量引用同一个对象,则可以使用链式赋值:
>>> x = y = z = 2
>>> x, y, z
(222)

非常有逻辑且优雅,对吧?


链式比较

多个比较语句也可以合成一个Python表达式,只需将多个比较运算符连起来即可。下面的表达式只有在所有比较都成立时返回True,否则返回False:
>>> x = 5
>>2 < x ≤ 8
True
>>6 < x ≤ 8
False

这个表达式相当于(2 < x)且 (x ≤ 8) 且 (x ≤ 8),但更为紧凑,而且只需执行一次x求值。

如下写法也是正确的:
>>2 < x > 4
True

甚至可以将多个比较连起来:

>>> x = 2
>>> y = 8
>>0 < x < 4 < y < 16
True


多重赋值

你可以使用元组解包,在一条语句中给多个变量赋值:
>>> x, y, z = 248
>>> x
2
>>> y
4
>>> z
8

注意第一条语句中的2, 4, 8相当于一个元组(2, 4, 8)。


更高级的多重赋值

Python的多重赋值远不止于普通赋值。赋值左右两侧的元素数量甚至可以不一样:
>>> x, *y, z = 24816
>>> x
2
>>> y
[48]
>>> z
16

在这段代码中,x对应于第一个值2,因为2是首先出现的。z是最后一个,所以取最后一个值8。y以列表形式取中间的所有值,因为它带有星号(y*)。


交变量

利用多重赋值可以精确、优雅地交换任何两个变量,而且无需引入第三个变量:
>>> x, y = 28
>>> x
2
>>> y
8
>>> x, y = y, x
>>> x
8
>>> y 2


合并字典

合并两个字典的方法之一就是将它们解包到一个新的字典中:
>>> x = {'u'1}
>>> y = {'v'2}
>>> z = {**x, **y, 'w'4}
>>> z
{'u'1'v'2'w'4}


连接字符串

如果需要连接多个字符串,每个字符串之间使用同一个字符或同一组字符来连接,则可以使用str.join()方法:
>>> x = ['u''v''w']
>>> y = '-*-'.join(x)
>>> y
'u-*-v-*-w'


高级遍历

如果需要遍历一个序列,同时还需要每个元素和相应的索引,则可以使用enumerate:
>>> for i, item in enumerate(['u''v''w']):
... print('index:', i, 'element:', item)
...
index0 element: u
index1 element: v
index2 element: w

每次遍历你都会获得一个元组,其中包括索引值和对应的元素。


反向遍历

如果你需要反向遍历一个序列,则可以使用reversed:
>>> for item in reversed(['u''v''w']):
... print(item)
...
w
v
u


元素结合

如果你需要将来自多个序列的元素结合起来,可以使用zip:
>>> x = [124]
>>> y = ('u''v''w')
>>> z = zip(x, y)
>>> z

>>> list(z)
[(1'u'), (2'v'), (4'w')]

你可以遍历返回的zip对象,或者将其变成一个列表或元祖。


矩阵转置

虽然在处理矩阵时人们通常会使用numpy(或类似的库),但利用zip也可以实现矩阵转置:
>>> x = [(124), ('u''v''w')]
>>> y = zip(*x)
>>> z = list(y)
>>> z
[(1'u'), (2'v'), (4'w')]


唯一值

如果元素的顺序不重要,那么从列表中去除重复值的方法是将其转换成一个集合,以获得唯一的值:
>>> x = [12148]
>>> y = set(x)
>>> y
{8124}
>>> z = list(y)
>>> z
[8124]


序列排序

默认情况下序列按照第一个元素的顺序排序:
>>> x = (1'v')
>>> y = (4'u')
>>> z = (2'w')
>>> sorted([x, y, z])
[(1'v'), (2'w'), (4'u')]

但是,如果你希望按照第二个元素(或其他元素)排序,则可以使用key参数和适当的lambda函数作为第二个参数:

>>> sorted([x, y, z], key=lambda item: item[1])
[(4'u'), (1'v'), (2'w')]

反向排序时也使用类似的方法:

>>> sorted([x, y, z], key=lambda item: item[1], reverse=True)
[(2'w'), (1'v'), (4'u')]


字典排序

可以用类似方法,对字典的.items()方法返回的键值对进行排序:
>>> x = {'u'4'w'2'v'1}
>>> sorted(x.items())
[('u'4), ('v'1), ('w'2)]

它们按照键的顺序进行排序。如果你希望按照值排序,则应该指定相应的key参数。反向排序也类似:

>>> sorted(x.items(), key=lambda item: item[1])
[('v'1), ('w'2), ('u'4)]
>>> sorted(x.items(), key=lambda item: item[1], reverse=True)
[('u'4), ('w'2), ('v'1)]


格式化raw字符串

PEP498和Python 3.6引入了“有格式字符串”的概念,或者称为“f字符串”。这种字符串内部可以嵌入表达式。字符串可以同时作为raw字符串和有格式字符串使用,只需使用前缀fr:
>>> fr'u \ n v w={2 + 8}'
'u \\ n v w=10'


获取当前日期和时间

Python有一个内置的datetime模块,非常适合各种涉及到日期和时间的任务。方法之一.now()能够返回当前日期和时间:
>>> import datetime
>>> datetime.datetime.now()
datetime.datetime(201952011231230217)


获取最大(或最小)元素的索引

Python没有提供直接获取最大(或最小)元素索引的函数。不过,至少有两种方法可以优雅地实现这一点:
>>> x = [214168]
>>> max((item, i) for i, item in enumerate(x))[1]
3

如果有两个或多个元素都是最大值,那么该方法返回最后一个的索引:

>>> y = [21488]
>>> max((item, i) for i, item in enumerate(y))[1]
4

如果想获取第一个,则可以对上面的语句稍作改动:

>>> -max((item, -i) for i, item in enumerate(y))[1]
3

另一种方法可能更优雅:

>>> x = [214168]
>>> max(range(len(x)), key=lambda i: x[i])
3
>>> y = [21488]
>>> max(range(len(y)), key=lambda i: x[i])
3

如果想获得最小元素的索引,则只需用min替换上面的max。


获取笛卡尔积

内置的itertools模块提供了许多非常实用的类。其中之一就是product函数,你可以通过这个函数来获得笛卡尔积:
>>> import itertools
>>> x, y, z = (28), ['u''v''w'], {TrueFalse}
>>> list(itertools.product(x, y, z))
[(2'u'False), (2'u'True), (2'v'False), (2'v'True),
(2'w'False), (2'w'True), (8'u'False), (8'u'True),
(8'v'False), (8'v'True), (8'w'False), (8'w'True)]


矩阵乘法操作符

PEP465和Python 3.5引入了专用的矩阵乘法运算符@。你可以在自己的类中实现matmul、rmatmul和imatmul来支持这个操作符。使用该操作符进行向量或矩阵乘法非常优雅:
>>> import numpy as np
>>> x, y = np.array([135]), np.array([246])
>>> z = x @ y
>>> z
44


总结

上面的20条Python技巧可以让代码变得很有趣、很优雅。Python还有许多值得探索的特性。编程快乐!
原文:https://dev.to/duomly/20-useful-python-tips-and-tricks-you-should-know-3h8c
本文为 CSDN 翻译,转载请注明来源出处。
【END】
快年末啦!年初立的Flag实现了吗?升职了吗?加薪了吗?都没有的话,快来补补课!2019嵌入式智能国际大会,8.3折限时优惠票,最高可省499元!学生票仅售399元!戳链扫码买起来!

 热 文 推 荐 

腾讯 Github 全球贡献前十;三星可折叠手机售价 1.6 万;OpenTitan 正式开源|极客头条
程序员平均年薪 70 万、40 岁后收入下滑?尽在 2019 程序员薪资报告
羡慕!微软成功尝试:员工周休三天、待遇不变,工作效率却提高 40%!

微软全面拥抱 AI!

备战双 11!蚂蚁金服万级规模 K8s 集群管理系统如何设计?

这款“狗屁不通”文章生成器火了,效果确实比GPT 2差太远

CSDN应邀赴微软IT大会,揭开微软重磅推出的秘密武器——Azure区块链代币平台的神秘面纱!

点击阅读原文,即刻报名参会!
你点的每个“在看”,我都认真当成了喜欢
登录查看更多
0

相关内容

专知会员服务
166+阅读 · 2020年6月4日
算法与数据结构Python,369页pdf
专知会员服务
160+阅读 · 2020年3月4日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
【新书】Python编程基础,669页pdf
专知会员服务
186+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
Python机器学习课程(代码与教程)
专知
35+阅读 · 2019年5月13日
一个牛逼的 Python 调试工具
机器学习算法与Python学习
15+阅读 · 2019年4月30日
Python奇淫技巧,5个数据可视化工具
机器学习算法与Python学习
7+阅读 · 2019年4月12日
Python为啥这么牛?
Python程序员
3+阅读 · 2018年3月30日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
细数10个隐藏在Python中的彩蛋
七月在线实验室
4+阅读 · 2018年1月16日
如何用Python和深度神经网络识别图像?
AI100
5+阅读 · 2018年1月8日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
干货|7步让你从零开始掌握Python机器学习!
全球人工智能
8+阅读 · 2017年9月24日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
VIP会员
相关VIP内容
专知会员服务
166+阅读 · 2020年6月4日
算法与数据结构Python,369页pdf
专知会员服务
160+阅读 · 2020年3月4日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
【新书】Python编程基础,669页pdf
专知会员服务
186+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
相关资讯
Python机器学习课程(代码与教程)
专知
35+阅读 · 2019年5月13日
一个牛逼的 Python 调试工具
机器学习算法与Python学习
15+阅读 · 2019年4月30日
Python奇淫技巧,5个数据可视化工具
机器学习算法与Python学习
7+阅读 · 2019年4月12日
Python为啥这么牛?
Python程序员
3+阅读 · 2018年3月30日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
细数10个隐藏在Python中的彩蛋
七月在线实验室
4+阅读 · 2018年1月16日
如何用Python和深度神经网络识别图像?
AI100
5+阅读 · 2018年1月8日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
干货|7步让你从零开始掌握Python机器学习!
全球人工智能
8+阅读 · 2017年9月24日
Top
微信扫码咨询专知VIP会员