分享9个好用的Python技巧

目录

• 1.引言
• 2.Trick 1
• 3.Trick 2
• 4.Trick3
• 5.Trick4
• 6.Trick5
• 7.Trick6
• 8.Trick7
• 9.Trick8
• 10.Trick9
• 11.总结

1.引言

本文是Python生态系统中一些有用技巧的分享。大多数技巧只是使用标准库中的包，但其他一些技巧会涉及一些第三方包。
在开始阅读本文内容之前，我们首先来回顾一下Python中的Iterables的概念。

根据Python标准文档，Iterable的概念如下：

一种能够一次返回一个成员的对象。

iterables的示例包括：

所有序列类型（如list、str和tuple）一些非序列类型，如dict、文件对象以及类的实现中定义了__iter__()方法

Iterables是一个需要我们牢记的概念，因为接下来我们展示的许多技巧都使用itertools包。

itertools模块提供了一些函数，用于接收Iterable对象，而不仅仅是打印逐个对象。

2.Trick 1

在工作学习中，我们经常会需要使用一个简单的函数来实现从一个list来生成新的list,set或dict.此时我们就会用到iterables概念。

举例来说：
生成List:

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = [name.lower() for name in names]

生成Set:

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = {name.lower() for name in names}

生成Dict:

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = {name:name.lower() for name in names}

个人建议：

仅当for语句、函数调用和方法调用的数量较少时使用。

3.Trick 2

有时，我们需要获得两个列表对象之间的所有可能组合。
我们首先想到的实现可能如下：

l1 = [1, 2, 3]
l2 = [4, 5, 6]
combinations = []
for e1 in l1:
  for e2 in l2:
    combinations.append((e1, e2))

或者简化一下，如下：

combinations = [(e1, e2) for e1 in l1 for e2 in l1]

上述实现已经很简洁了，但标准库itertools提供product函数，从而提供了相同的结果。如下所示：

from itertools import product
l1 = [1, 2, 3]
l2 = [4, 5, 6]
combinatios = product(l1, l2)

4.Trick3

假设有一个元素列表，我们需要在每对相邻元素之间比较或应用一些操作，这有时称为2个元素的滑动窗口。我们可以采用以下方式：

from itertools import tee
from typing import Iterable

def window2(iterable: Iterable):
  it, offset = tee(iter(iterable))
  next(offset)
  return zip(it, offset)
l = [1, 2, 3, 4, 5, 6]
dd = window2(l)
for a in dd:
    print(a)

运行结果如下：

(1, 2)
(2, 3)
(3, 4)
(4, 5)
(5, 6)

5.Trick4

有时，我们会需要一个类来存储信息，但是如果我们觉得创建一个类并定义其__init__()函数太麻烦时，我们不妨选择使用dataclass。如下所示：

from dataclasses import dataclass
@dataclass
class Person:
  name: str
  age: int
  address: str

上述代码创建了一个具有默认构造函数的类，该类以与声明相同的顺序接收相应字段的赋值。

person = Person(name='John', age=12, address='nanjing street')

dataclass的另一个优点是，默认情况下，会生成特殊方法，如__str__、repr、__eq__等。关于dataclass的更多用法，可以参考官网。

值得一提的是我们在类中声明的成员变量的类型注释（str、int等）并不强制在构造函数中传递的值属于这种类型。也就是说dataclasses构造对象时并不执行数据类型的检查。

6.Trick5

我们有时希望将一个对象上的操作视为tuple上的操作，一种选择是使用collections.namedtuple,但也存在更类似于dataclass的实现。如下：

from typing import NamedTuple
class Coordinate(NamedTuple):
  x: int
  y: int

上述定义了一个标准的类可以被当做tuple来使用，如下：

coordinate = Coordinate(10, 15)
coordinate.x == coordinate[0] // True
coordinate.y == coordinate[1] // True

7.Trick6

假如我们有一个dataclass，需要验证输入数据是否符合类型注释。在这种情况下，安装第三方软件包pydantic并将
from dataclasses import dataclass 替换为 from pydantic.dataclasses import dataclass 即可，如下：

from pydantic.dataclasses import dataclass
@dataclass
class Person:
  name: str
  age: int
  address: str

这将生成一个类，该类具有根据成员变量声明的类型进行输入数据的解析和类型验证。Pydantic在运行时强制执行类型提示，并在数据无效时提供友好的错误提醒。

8.Trick7

在某些情况下，我们需要生成一些容器中元素频率的基本统计信息。在这种情况下，您可以使用标准结构Counter来接收iterable并根据元素的频率生成相应的统计信息。

from collections import Counter
l = [1, 1, 2, 3, 4, 4]
frequencys = Counter(l)
print(frequencys[1])    // Ouput: 2
print(frequencys[2])    // Ouput: 1
print(frequencys[2323]) // Ouput: 0

Counter也提供了一些其他方法，比如如most_common，用于检索最常见的元素。

9.Trick8

如果我们相对两个list中的元素对做相应的函数处理，我们最容易想到的方法如下：

l1 = [1, 2, 3]
l2 = [4, 5, 6]
for (e1, e2) in zip(l1, l2):
  f(e1, e2)

但是使用函数map可以让代码更加简洁一些。

l1 = [1, 2, 3]
l2 = [4, 5, 6]
map(f, l1, l2)

10.Trick9

有时候我们需要从一个list中随机选择一个元素，此时我们使用random.choice.如下所示：

from random import choice
l = [1, 2, 3]
random = choice(l)

如果我们需要随机选择多个元素呢？当然是使用random.choices.

from random import choices
l = [1, 2, 3, 4, 5]
random_elements = choices(l, k=3)

上述代码中的参数k为我们随机选择元素的个数。

11.总结

本文重点介绍了在python中9个和迭代相关的使用技巧，可以方便提升大家的工作效率。

到此这篇关于分享9个好用的Python技巧的文章就介绍到这了,更多相关Python技巧内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！