本文将介绍8个简洁的Python技巧,若非经验十足的程序员,你肯定有些从未见过。向着更简洁更高效,出发吧!
1.通过多个键值将对象进行排序
假设要对以下字典列表进行排序:
people = [ { 'name': 'John', "age": 64 }, { 'name': 'Janet', "age": 34 }, { 'name': 'Ed', "age": 24 }, { 'name': 'Sara', "age": 64 }, { 'name': 'John', "age": 32 }, { 'name': 'Jane', "age": 34 }, { 'name': 'John', "age": 99 }, ]
不仅要按名字或年龄对其进行排序,还要将两个字段同时进行排序。在SQL中,会是这样的查询:
SELECT * FROM people ORDER by name, age
实际上,这个问题的解决方法可以非常简单,Python保证sort函数提供了稳定的排序顺序,这也意味着比较相似的项将保留其原始顺序。要实现按名字和年龄排序,可以这样做:
import operator people.sort(key=operator.itemgetter('age')) people.sort(key=operator.itemgetter('name'))
要注意如何反转顺序。首先按年龄分类,然后按名字分类,使用operator.itemgetter()从列表中的每个字典中获取年龄和名字字段,这样你就会得到想要的结果:
[ {'name': 'Ed', 'age': 24}, {'name': 'Jane', 'age': 34}, {'name': 'Janet','age': 34}, {'name': 'John', 'age': 32}, {'name': 'John', 'age': 64}, {'name': 'John', 'age': 99}, {'name': 'Sara', 'age': 64} ]
名字是主要排序项,如果姓名相同,则以年龄排序。因此,所有John都按年龄分组在一起。
2.数据类别
自3.7版之后,Python开始能提供数据类别。比起常规类或其他替代方法(如返回多个值或字典),它有着更多优点:
- 数据类需要很少的代码
- 可以比较数据类,因为 __eq__ 可以实现此功能
- 数据类需要类型提示,减少了发生错误的可能性
- 可以轻松打印数据类以进行调试,因为__repr__可以实现此功能
这是一个工作中的数据类示例:
from dataclasses import dataclass @dataclass classCard: rank: str suit: str card=Card("Q", "hearts") print(card == card) # True print(card.rank) # 'Q' print(card) Card(rank='Q', suit='hearts')
3.列表推导
列表推导可以在列表填写里代替讨厌的循环,其基本语法为
[ expression for item in list if conditional ]
来看一个非常基本的示例,用数字序列填充列表:
mylist = [i for i inrange(10)] print(mylist) # [0, 1, 2, 3,4, 5, 6, 7, 8, 9]
因为可以使用表达式,所以你还可以进行一些数学运算:
squares = [x**2for x inrange(10)] print(squares) # [0, 1, 4, 9,16, 25, 36, 49, 64, 81]
甚至能调用外部函数:
defsome_function(a): return (a +5) /2 my_formula= [some_function(i) for i inrange(10)] print(my_formula) # [2.5, 3.0,3.5, 4.0, 4.5, 5.0, 5.5, 6.0, 6.5, 7.0]
最后,可以使用if函数来筛选列表。在这种情况下,只保留可被2除的值:
filtered = [i for i inrange(20) if i%2==0] print(filtered) # [0, 2, 4, 6,8, 10, 12, 14, 16, 18]
4.检查对象的内存使用情况
使用sys.getsizeof()可以检查对象的内存使用情况:
import sys mylist =range(0, 10000) print(sys.getsizeof(mylist)) # 48
为什么这个庞大的列表只有48个字节"htmlcode">
import sys myreallist = [x for x inrange(0, 10000)] print(sys.getsizeof(myreallist)) # 87632
通过使用sys.getsizeof(),我们可以了解更多关于Python和内存使用情况的信息。
5.查找最频繁出现的值
要查找列表或字符串中最频繁出现的值:
test = [1, 2, 3, 4, 2, 2, 3, 1, 4, 4, 4] print(max(set(test), key = test.count)) # 4
- max()将返回列表中的最大值。key参数采用单个参数函数自定义排序顺序,在本例中为test.count,该函数适用于迭代器上的每个项目。
- test.count是list的内置功能。它接受一个参数,并计算该参数的出现次数。因此test.count(1)将返回2,而test.count(4)将返回4。
- set(test)返回test中的所有唯一值,所以{1、2、3、4}
那么在这一行代码将接受test的所有唯一值,即{1、2、3、4}。接下来,max将对其应用list.count 函数并返回最大值。
还有一种更有效的方法:
from collections import Counter Counter(test).most_common(1) # [4: 4]
6.属性包
你可以使用attrs代替数据类,选择attrs有两个原因:
- 使用的Python版本高于3.7
- 想要更多功能
Theattrs软件包支持所有主流Python版本,包括CPython 2.7和PyPy。一些attrs可以提供验证器和转换器这种超常规数据类。来看一些示例代码:
@attrs classPerson(object): name =attrib(default='John') surname =attrib(default='Doe') age =attrib(init=False) p =Person() print(p) p=Person('Bill', 'Gates') p.age=60 print(p) # Output: # Person(name='John', surname='Doe',age=NOTHING) # Person(name='Bill', surname='Gates', age=60)
实际上,attrs的作者已经在使用引入数据类的PEP了。数据类被有意地保持得更简单、更容易理解,而attrs 提供了可能需要的所有特性。
7.合并字典(Python3.5+)
dict1 = { 'a': 1, 'b': 2 } dict2= { 'b': 3, 'c': 4 } merged= { **dict1, **dict2 } print (merged) # {'a': 1, 'b':3, 'c': 4}
如果有重叠的键,第一个字典中的键将被覆盖。在Python 3.9中,合并字典变得更加简洁。上面Python 3.9中的合并可以重写为:
merged = dict1 | dict2
8.返回多个值
Python中的函数在没有字典,列表和类的情况下可以返回多个变量,它的工作方式如下:
defget_user(id): # fetch user from database # .... return name, birthdate name, birthdate =get_user(4)
这是有限的返回值,但任何超过3个值的内容都应放入一个(数据)类。
这8个小技巧足够你好好消化一阵儿啦!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]