Python不像想象那么简单！学会这些小技巧，离精通更进一步
全文共1891字 ， 预计学习时长8分钟
文章图片
图源：unsplash
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 。
【Python不像想象那么简单！学会这些小技巧，离精通更进一步】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 。
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=""!dlrowolleH""backward=a[::-1]
文章图片
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：
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
文章图片
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**2forxinrange(10))counter=0foriinarray1:#Thiscodewouldn"tworkbecause"i"isnotinarray2.#i=array2[i]i=array2[counter]#^^^Thiscodewouldbecauseweareaccessingthepositionofi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**2forxinrange(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]
文章图片
5.列举
文章图片
图源：unsplash
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：
fori,winenumerate(array):print(i,w)
文章图片
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])
文章图片
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"sconvertthismatrixtoa1dimensionallist.importitertoolsasitnewlist=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：
文章图片
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 。
文章图片
图源：unsplash
A=collections.Counter([1,1,2,2,3,3,3,3,4,5,6,7])ACounter({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：
importcollectionsQ=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)
文章图片
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！
文章图片
推荐阅读
- 波点裙要像蒋雯丽这样穿，修身版型展示迷人曲线，54岁美的不像话
- 娱乐全搜索|当明星变成游戏人物，罗云熙从英气变柔美，王一博最不像本人
- 美国疫情比想象更严重！英美发现大问题，或将推翻此前所有数据
- python深度学习：为什么要学习深度学习？
- 去了才知道大理：不止想象中的模样
- 八只爪的猫|?偶遇何超莲窦骁逛街，赌王女穿着简约不像豪门，扎丸子头真美
- 奶奶|六十而已，戴彩色珠链、穿民族风白裙，麦当娜活得太不像奶奶了
- 外地媳妇|老婆跑了，这3个男人并没有你想象中的惨，好男儿加油
- 荷兰第43机械化旅为CV90步兵战车换新履带 工作比想象的更复杂
- 赫拉利|钱是人类想象得最成功的故事