专栏名称: AI科技大本营

迎来到AI科技大本营。这里汇集了优秀的AI学习者，技术大咖和产业领袖；提供接地气的实战课程。在这里和优秀的人一起成长。

优雅编写Python3的62个小贴士！

AI科技大本营 · 公众号 · AI · 2019-07-30 19:02

正文

作者 | QIML编辑部

来源 | 量化投资与机器学习(ID:Lhtz_Jqxx)

今天公众号为大家带来一篇有关Python技巧的文章，可以帮助你编写优雅的Python3代码！

iterable技巧

▍ 1、创建一个数字序列（从0到10，间隔为2）

>>> range(0,10,2)
[0, 2, 4, 6, 8]

▍ 2、对一串数字求和（ 从0到10，间隔为2 ）

>>> l = range(0,10,2)
>>> sum(l)
20

▍ 3、检查序列中的任一元素是否为True

>>> any(a % 2 for a in range(0,10,2))
True

▍ 4、检查序列中的所有元素是否为True

>>> all(a % 2 for a in range(0,10,2))
True

▍ 5、累计求和一串数字序列

>>> import numpy as np
>>> res = list(np.cumsum(range(0,10,2)))
>>> res
[ 0, 2, 6, 12, 20]

▍ 6、给定每个iterable，通过添加索引来构造一个元组

>>> a = ['Hello', 'world', '!']
>>> list(enumerate(a))
[(0, 'Hello'), (1, 'world'), (2, '!')]

▍ 7、将iterable连接到单个字符串

>>> a = ["python","really", "rocks"]
>>> " ".join(a)
'python really rocks'

▍ 8、组合两个可迭代的元组或pivot嵌套的iterables

# Combining two iterables
>>> a = [1, 2, 3]
>>> b = ['a', 'b', 'c']
>>> z = zip(a, b)
>>> z
[(1, 'a'), (2, 'b'), (3, 'c')]

# Pivoting list of tuples
>>> zip(*z)
[(1, 2, 3), ('a', 'b', 'c')]

▍ 9、从 iterables 中获取最小值/最大值（具有/不具有特定功能）

# Getting maximum from iterable




    

>>> a = [1, 2, -3]
>>> max(a)
2

# Getting maximum from iterable
>>> min(a)
1

# Bot min/max has key value to allow to get maximum by appliing function
>>> max(a,key=abs)
3

▍ 10、可迭代排序（可以通过“compare”函数排序）

>>> a = [1, 2, -3]
>>> sorted(a)
[-3, 1, 2]

>>> sorted(a,key=abs)
[1, 2, -3]

▍ 11、将单个字符串拆分为列表

>>> s = "a,b,c"
>>> s.split(",")
["a", "b", "c"]

▍ 12、初始化一个包含重复数字的列表

>> [1]* 10
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1]

▍ 13、合并/插入两个字典

>>> a = {"a":1, "b":1}
>>> b = {"b":2, "c":1}
>>> a.update(b)
>>> a
{"a":1, "b":2, "c":1}

▍ 14、命名和保存 iterables 切片

# Naming slices (slice(start, end, step))
>>> 




    
a = [0, 1, 2, 3, 4, 5]
>>> LASTTHREE = slice(-3, None)
>>> LASTTHREE
slice(-3, None, None)
>>> a[LASTTHREE]
[3, 4, 5]

▍ 15、在列表中查找项的索引

>>> a = ["foo", "bar", "baz"]
>>> a.index("bar")
1

▍ 16、在 iterables 中查找最小/最大项的索引

>>> a = [2, 3, 1]
>>> min(enumerate(a),key=lambda x: x[1])[0]
2

▍ 17、 iterables的k个元素

>>> a = [1, 2, 3, 4]
>>> k = 2
>>> a[-2:] + a[:-2]
[3, 4, 1, 2]

▍ 18、删除字符串末尾/开始/两端无用的字符

>>> name = "//George//"
>>> name.strip("/")
'George'
>>> name.rstrip("/")
'//George'
>>> name.lstrip("/")
'George//'

▍ 19、倒序 iterables 的顺序（字符串、列表等）

# Reversing string
>>> s = "abc"
>>> s[::-1]
"cba"

# Reversing list
>>> l = ["a", "b", "c"]
>>> l[::-1]
["c", "b", "a"]

branching技巧

▍ 20、多个short-cut

>>> 




    
n = 10
>>> 1 < n 20
True

▍ 21、For-else结构在搜索某些东西并找到它时很有用

for i in mylist:
    if i == theflag:
        break
    process(i)
else:
    raise ValueError("List argument missing terminal flag.")

▍ 22、Trenary operator

>>> "Python ROCK" if True else " I AM GRUMPY"
"Python ROCK"

▍ 23、Try-catch-else结构

try:
    foo()
except Exception:
    print("Exception occured"




    
)
else:
    print("Exception didnt occur")
finally:
    print("Always gets here")

▍ 24、While-else结构

i = 5

while i > 1:
    print("Whil-ing away!")
    i -= 1
    if i == 3:
        break
else:
    print("Finished up!")

comprehensions（推导式）技巧

▍ 25、List推导式

>>> m = [x ** 2 for x in range(5)]
>>> m
[0, 1, 4, 9, 16]

▍ 26、Set推导式

>>> m = {x ** 2 for x in range(5)}
>>> m
{0, 1, 4, 9, 16}

▍ 27、Dict推导式

>>> m = {x: x ** 2 for x in range(5)}
>>> m
{0: 0, 1: 1, 2: 4, 3: 9, 4: 16}

▍ 28、Generator推导式

# A generator comprehension is the lazy version of a list comprehension.
>>> m = (x ** 2




    
 for x in range(5))
>>> m
 at 0x108efe408>
>>> list(m)
[0, 1, 4, 9, 16]

>>> m = (x ** 2 for x in range(5))
>>> next(m)
0
>>> list(m)
[1, 4, 9, 16]

▍29、list推导使用当前值和过往值

>>> a = [1, 2, 4,2]
>>> [y - x for x,y in zip(a,a[1:])]
[1, 2, -2]

unpacking技巧

▍ 30、从iterable解压缩变量

# One can unpack all iterables (tuples, list etc)
>>> a, b, c = 1, 2, 3




    

>>> a, b, c
(1, 2, 3)

>>> a, b, c = [1, 2, 3]
>>> a, b, c
(1, 2, 3)

▍ 31、交换变量值

>>> a, b = 1, 2
>>> a, b = b, a
>>> a, b
(2, 1)

▍ 32、在不指示所有元素的情况下从iterable解包变量

>>> a, *b, c = [1, 2, 3, 4, 5]
>>> a
1
>>> b
[2, 3, 4]
>>> c
5

▍ 33、使用splat运算符解包变量

>>> def test(x, y, z):
>>>      print(x, y, z)
>>> res = test(*[10, 20, 30])
10 20 30
>>> res = test(**{'x': 1, 'y': 2, 'z': 3} )
10 20 30 
view raw

Itertools技巧

▍ 34、Flatten iterables

>>> a = [[1, 2], [3, 4], [5, 6]]
>>> list(itertools.chain.from_iterable(a))
[1, 2, 3




    
, 4, 5, 6]

▍35、从iterables创建笛卡尔积

>>> for p in itertools.product([1, 2, 3], [4, 5]):
>>>      print(''.join(str(x) for x in p))

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

▍36、从iterable创建排列

>>> for p in itertools.permutations([1, 2, 3, 4]):
>>>      print(''.join(str(x) for x in p))
123
132
213




    

231
312
321

▍37、从iterable创建ngram

>>> from itertools import islice
>>> def n_grams(a, n):
...          z = (islice(a, i, None) for i in range(n))
...          return zip(*z)
...
>>> a = [1, 2, 3, 4, 5, 6]
>>> n_grams(a, 3)
[(1, 2, 3), (2, 3, 4), (3, 4, 5), (4, 5, 6)]
>>> n_grams(a, 2)
[(1, 2), (2, 3), (3, 4), (4, 5), (5, 6)]
>>> n_grams(a, 4)
[(1, 2




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

▍38、使用填充组合元组的两个迭代器或使用填充pivot嵌套迭代

>>> import itertools as it
>>> x = [1, 2, 3, 4, 5]
>>> y = ['a', 'b', 'c']
>>> list(zip(x, y))
[(1, 'a'), (2, 'b'), (3, 'c')]

>>> list(it.zip_longest(x, y))
[(1, 'a'), (2, 'b'), (3, 'c'), (4, None), (5, None)]

▍39、从一个 iterable n中创建k个组合

>>> 




    
import itertools
>>> bills = [20, 20, 20, 10, 10, 10, 10, 10, 5, 5, 1, 1, 1, 1, 1]
>>> list(itertools.combinations(bills, 3))
[(20, 20, 20), (20, 20, 10), (20, 20, 10), ... ]

▍40、在给定函数情况下创建一个迭代的累积结果

>>> import itertools
>>> list(itertools.accumulate([9, 21, 17, 5, 11, 12, 2, 6], min))
[9, 9, 9, 5, 5, 5




    
, 2, 2]

▍41、创建一个迭代器，只要谓词为True，就从iterable返回元素

>>> import itertools
>>> itertools.takewhile(lambda x: x 3, [0, 1, 2, 3, 4])
[0, 1, 2]

>>> it.dropwhile(lambda x: x 3, [0, 1, 2, 3, 4])
[3, 4]

▍42、创建一个迭代器，它从iterable中过滤元素，只返回谓词为False的元素

>>> import itertools
# keeping only false values
>>> list(itertools.filterfalse(bool, [None, False, 1, 0, 10]))
[None, False, 0]

使用从迭代的迭代中获得的参数来计算函数

>>> 




    
import itertools
>>> import operator
>>> a = [(2, 6), (8, 4), (7, 3)]
>>> list(itertools.starmap(operator.mul, a))
[12, 32, 21]

collections技巧

▍ 44、设置基本操作

>>> A = {1, 2, 3, 3}
>>> A
set([1, 2, 3])
>>> B = {3, 4, 5, 6, 7}
>>> B
set([3, 4, 5, 6, 7])
>>> A | B
set([1, 2, 3, 4, 5, 6, 7])
>>> A & B
set([3])
>>> A - B
set([1




    
, 2])
>>> B - A
set([4, 5, 6, 7])
>>> A ^ B
set([1, 2, 4, 5, 6, 7])
>>> (A ^ B) == ((A - B) | (B - A))
True

▍ 45、计数器数据结构（无序集合，其中元素存储为字典键，其计数存储为字典值）

import collections

>>> A = collections.Counter([1, 1, 2, 2, 3, 3, 3, 3, 4, 5, 6, 7])
>>> A
Counter({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)]

▍ 46、默认字典结构（字典的子类，在访问不存在的键时检索默认值）

>>> import collections
>>> m = collections.defaultdict(int)
>>> m['a']
0

>>> m = collections.defaultdict(str)
>>> m['a']
''
>>> m['b'] += 'a'
>>> m['b']
'a'

>>> m = collections.defaultdict(lambda: '[default value]')
>>> m['a']
'[default value]'
>>> m['b']
'[default value]'

>>> m = collections.defaultdict(list)
>>> m['a']
[]

▍ 47、有序的dict结构（保持有序字典的子类）

>>> from




    
 collections import OrderedDict

>>> d = OrderedDict.fromkeys('abcde')
>>> d.move_to_end('b')
>>> ''.join(d.keys())
'acdeb'

>>> d.move_to_end('b', last=False)
>>> ''.join(d.keys())
'bacde'

▍ 48、Deques结构（Deques是堆栈和队列的概括）

>>> import collection
>>> Q = collections.deque()
>>> Q.append(1)
>>> Q.appendleft(2)
>>> Q.extend([3, 4])
>>> Q.extendleft([5, 6])
>>> Q
deque([6, 5, 2, 1, 3, 4])
>>> Q.pop()
4
>>> Q.popleft()
6
>>> Q
deque([5, 2, 1

优雅编写Python3的62个小贴士！

正文

请到「今天看啥」查看全文