技巧大集合,熬夜总结53个Python使用技巧和攻击方法
1. 易重构
本节对一些Python重整的操作进行对比。 1.1 有放回随机样本和无放回随机样本
私信小编01即可获取大量python学习资源随机导入 random.choices(seq, k= 1 ) #长度为k的列表,有放回采样 random.sample(seq, k) #长度为k的列表,无放回采样1.2 lambda 函数的参数func = lambda y: x + y # x 的值在函数运行时被绑定 func = lambda y, x=x: x + y # x 的值在函数定义时被绑定1.3 拷贝与深拷贝import copy y = copy.copy(x) # 只复制最速 y = copy . deepcopy(x) # 复制所有隐藏部分
复制和变量结合时,容易重新组合: a = [ 1 , 2 , [ 3 , 4 ]] #别名。 b_alias = a 断言b_alias == a并且b_alias是一个 # 浅拷贝。 b_shallow_copy = a[:] 断言b_shallow_copy ==一个和b_shallow_copy就是 不一个和b_shallow_copy [ 2 ]是一个[ 2 ] # 深拷贝。 导入副本 b_deep_copy = copy.deepcopy(a) 断言b_deep_copy ==一个和b_deep_copy就是 不一个和b_deep_copy [ 2 ]是 不一个[ 2 ]
对异名的修改影响原变量,(浅)复制中的元素是列表中的元素,而原变量是还原的进行复制,对还原的修改不影响原变量。 1.4 == 和是x == y # 两引用对象是否有相同的值 x 是 y # 两引用是否关联对象1.5 判断类型type(a) == int # 忽略面向对象设计中的多态特征 isinstance(a, int) # 考虑了面向对象设计中的多态特征1.6 字符串搜索str.find(sub, start=None, end=None); str.rfind(...) # 如果找不到返回-1 str.index(sub, start=None, end=None); str.rindex(...) # 如果找不到抛出ValueError异常1.7 List 后向索引
这个只是习惯问题,前向索引时下标从0开始,如果反向索引也想从0开始可以使用~。 print(a[-1], a[-2], a[-3]) print(a[~0], a[~1], a[~2])2. C/C++ 用户使用指南
不少 Python 的用户是从以前 C/C++ 迁移过来的,这两种语言在语法、代码风格等方面有些不同,本节简要进行介绍。 2.1 很大的数和很小的数
C/C++ 的习惯是定义一个很大的数字,Python 中有 inf 和 -inf: a = float("inf") b = float("-inf")2.2 布尔值
C/C++ 的习惯是使用 0 和非 0 值表示 True 和 False, Python 建议直接使用 True 和 False 表示布尔值。 a = True b = False2.3 判断为空
C/C++ 对空指针判断的习惯是 if (a) 和 if (!a)。Python 对于 None 的判断是: if x is None: pass
如果使用 if not x,则会将其他的对象(比如长度为 0 的字符串、列表、元组、字典等)都会被当做 False。 2.4 交换值
C/C++ 的习惯是定义一个临时变量,用来交换值。利用 Python 的 Tuple 操作,可以一步到位。 a, b = b, a2.5 比较
C/C++ 的习惯是用两个条件。利用 Python 可以一步到位。 if 0 < a < 5: pass2.6 类成员的 Set 和 Get
C/C++ 的习惯是把类成员设为 private,通过一系列的 Set 和 Get 函数存取其中的值。在 Python 中虽然也可以通过 @property、@setter、@deleter 设置对应的 Set 和 Get 函数,我们应避免不必要的抽象,这会比直接访问慢 4 - 5 倍。 2.7 函数的输入输出参数
C/C++ 的习惯是把输入输出参数都列为函数的参数,通过指针改变输出参数的值,函数的返回值是执行状态,函数调用方对返回值进行检查,判断是否成功执行。在 Python 中,不需要函数调用方进行返回值检查,函数中遇到特殊情况,直接抛出一个异常。 2.8 读文件
相比 C/C++,Python 读文件要简单很多,打开后的文件是一个可迭代对象,每次返回一行内容。 with open(file_path, "rt", encoding="utf-8") as f: for line in f: print(line) # 末尾的 会保留2.9 文件路径拼接
C/C++ 的习惯通常直接用 + 将路径拼接,这很容易出错,Python 中的 os.path.join 会自动根据操作系统不同补充路径之间的 / 或 分隔符: import os os.path.join("usr", "lib", "local")2.10 解析命令行选项
虽然 Python 中也可以像 C/C++ 一样使用 sys.argv 直接解析命令行选择,但是使用 argparse 下的 ArgumentParser 工具更加方便,功能更加强大。 2.11 调用外部命令
虽然 Python 中也可以像 C/C++ 一样使用 os.system 直接调用外部命令,但是使用 subprocess.check_output 可以自由选择是否执行 Shell,也可以获得外部命令执行结果。 import subprocess # 如果外部命令返回值非0,则抛出subprocess.CalledProcessError异常 result = subprocess.check_output(["cmd", "arg1", "arg2"]).decode("utf-8") # 同时收集标准输出和标准错误 result = subprocess.check_output(["cmd", "arg1", "arg2"], stderr=subprocess.STDOUT).decode("utf-8") # 执行shell命令(管道、重定向等),可以使用shlex.quote()将参数双引号引起来 result = subprocess.check_output("grep python | wc > out", shell=True).decode("utf-8")2.12 不重复造轮子
不要重复造轮子,Python称为batteries included即是指Python提供了许多常见问题的解决方案。 3. 常用工具3.1 读写 CSV 文件import csv # 无header的读写 with open(name, "rt", encoding="utf-8", newline="") as f: # newline=""让Python不将换行统一处理 for row in csv.reader(f): print(row[0], row[1]) # CSV读到的数据都是str类型 with open(name, mode="wt") as f: f_csv = csv.writer(f) f_csv.writerow(["symbol", "change"]) # 有header的读写 with open(name, mode="rt", newline="") as f: for row in csv.DictReader(f): print(row["symbol"], row["change"]) with open(name, mode="wt") as f: header = ["symbol", "change"] f_csv = csv.DictWriter(f, header) f_csv.writeheader() f_csv.writerow({ "symbol": xx, "change": xx})
注意,当 CSV 文件过大时会报错:_csv.Error: field larger than field limit (131072),通过修改上限解决 import sys csv.field_size_limit(sys.maxsize)
csv 还可以读以 分割的数据 f = csv.reader(f, delimiter=" ")3.2 迭代器工具
itertools 中定义了很多迭代器工具,例如子序列工具: import itertools itertools.islice(iterable, start=None, stop, step=None) # islice("ABCDEF", 2, None) -> C, D, E, F itertools.filterfalse(predicate, iterable) # 过滤掉predicate为False的元素 # filterfalse(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6 itertools.takewhile(predicate, iterable) # 当predicate为False时停止迭代 # takewhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 1, 4 itertools.dropwhile(predicate, iterable) # 当predicate为False时开始迭代 # dropwhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6, 4, 1 itertools.compress(iterable, selectors) # 根据selectors每个元素是True或False进行选择 # compress("ABCDEF", [1, 0, 1, 0, 1, 1]) -> A, C, E, F
序列排序: sorted(iterable, key=None, reverse=False) itertools.groupby(iterable, key=None) # 按值分组,iterable需要先被排序 # groupby(sorted([1, 4, 6, 4, 1])) -> (1, iter1), (4, iter4), (6, iter6) itertools.permutations(iterable, r=None) # 排列,返回值是Tuple # permutations("ABCD", 2) -> AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC itertools.combinations(iterable, r=None) # 组合,返回值是Tuple itertools.combinations_with_replacement(...) # combinations("ABCD", 2) -> AB, AC, AD, BC, BD, CD
多个序列合并: itertools.chain(*iterables) # 多个序列直接拼接 # chain("ABC", "DEF") -> A, B, C, D, E, F import heapq heapq.merge(*iterables, key=None, reverse=False) # 多个序列按顺序拼接 # merge("ABF", "CDE") -> A, B, C, D, E, F zip(*iterables) # 当最短的序列耗尽时停止,结果只能被消耗一次 itertools.zip_longest(*iterables, fillvalue=None) # 当最长的序列耗尽时停止,结果只能被消耗一次3.3 计数器
计数器可以统计一个可迭代对象中每个元素出现的次数。 import collections # 创建 collections.Counter(iterable) # 频次 collections.Counter[key] # key出现频次 # 返回n个出现频次最高的元素和其对应出现频次,如果n为None,返回所有元素 collections.Counter.most_common(n=None) # 插入/更新 collections.Counter.update(iterable) counter1 + counter2; counter1 - counter2 # counter加减 # 检查两个字符串的组成元素是否相同 collections.Counter(list1) == collections.Counter(list2)3.4 带默认值的 Dict
当访问不存在的 Key 时,defaultdict 会将其设置为某个默认值。 import collections collections.defaultdict(type) # 当第一次访问dict[key]时,会无参数调用type,给dict[key]提供一个初始值3.5 有序 Dictimport collections collections.OrderedDict(items=None) # 迭代时保留原始插入顺序4. 高性能编程和调试4.1 输出错误和警告信息
向标准错误输出信息 import sys sys.stderr.write("")
输出警告信息 import warnings warnings.warn(message, category=UserWarning) # category的取值有DeprecationWarning, SyntaxWarning, RuntimeWarning, ResourceWarning, FutureWarning
控制警告消息的输出 $ python -W all # 输出所有警告,等同于设置warnings.simplefilter("always") $ python -W ignore # 忽略所有警告,等同于设置warnings.simplefilter("ignore") $ python -W error # 将所有警告转换为异常,等同于设置warnings.simplefilter("error")4.2 代码中测试
有时为了调试,我们想在代码中加一些代码,通常是一些 print 语句,可以写为: # 在代码中的debug部分 if __debug__: pass
一旦调试结束,通过在命令行执行 -O 选项,会忽略这部分代码: $ python -0 main.py4.3 代码风格检查
使用 pylint 可以进行不少的代码风格和语法检查,能在运行之前发现一些错误 pylint main.py4.4 代码耗时
耗时测试 $ python -m cProfile main.py
测试某代码块耗时 # 代码块耗时定义 from contextlib import contextmanager from time import perf_counter @contextmanager def timeblock(label): tic = perf_counter() try: yield finally: toc = perf_counter() print("%s : %s" % (label, toc - tic)) # 代码块耗时测试 with timeblock("counting"): pass
代码耗时优化的一些原则 专注于优化产生性能瓶颈的地方,而不是全部代码。 避免使用全局变量。局部变量的查找比全局变量更快,将全局变量的代码定义在函数中运行通常会快 15%-30%。 避免使用.访问属性。使用 from module import name 会更快,将频繁访问的类的成员变量 self.member 放入到一个局部变量中。 尽量使用内置数据结构。str, list, set, dict 等使用 C 实现,运行起来很快。 避免创建没有必要的中间变量,和 copy.deepcopy()。 字符串拼接,例如 a + ‘:’ + b + ‘:’ + c 会创造大量无用的中间变量,’:’,join([a, b, c]) 效率会高不少。另外需要考虑字符串拼接是否必要,例如 print(’:’.join([a, b, c])) 效率比 print(a, b, c, sep=’:’) 低。 5. Python 其他技巧5.1 argmin 和 argmaxitems = [2, 1, 3, 4] argmin = min(range(len(items)), key=items.__getitem__)
argmax同理。 5.2 转置二维列表A = [["a11", "a12"], ["a21", "a22"], ["a31", "a32"]] A_transpose = list(zip(*A)) # list of tuple A_transpose = list(list(col) for col in zip(*A)) # list of list5.3 一维列表展开为二维列表A = [1, 2, 3, 4, 5, 6] # Preferred. list(zip(*[iter(A)] * 2))
小米注册小爱老师商标,或将开发一款AI健身机?i企服APP相关数据显示,近日,小米科技有限公司注册小爱老师商标,且国际类别分类为健身器材,商标显示目前正在申请中小爱老师是小米发布的一款辅助学习英语的AI学习机。2019年6月1
辉强跨境学院之亚马逊账号关联(重点)今天我们来讲解一下亚马逊账号关联一什么是关联指亚马逊通过技术手段或者各种交易数据的检测和核对,匹配关联因素后,发现一个卖家主体拥有2个以上的同站点亚马逊账号,就会被判定为关联。亚马
不单有颜值,还具备烹饪实力,大宇微波炉开箱体验这次入手新款微波炉是因为家里的老款微波炉罢工了,当初几百元入手使用了7年多的时间也算值回了票价,一般这类家电在是在初初买的时候才会去关注功能价格什么的,平常还真没怎么深入了解过,这
推荐几款专业的游戏手机,有你喜欢的一款吗?推荐几款专业的游戏手机,有你喜欢的一款吗?第一款华硕ROG5幻影版ROG游戏手机5幻影版搭载骁龙888处理器配备LPDDR5内存和UFS3。1闪存18GB512GB存储空间采用矩阵
为何很多人都劝退人工智能,人工智能专业目前是否能够选择首先,当前人工智能确实存在一定的瓶颈,不论在理论知识体系方面,还是在落地应用方面,都存在一定的障碍,但是从大的技术发展趋势和产业发展趋势来看,人工智能未来依然有广阔的发展空间,甚至
妹妹上大学计算机专业,想买个笔记本电脑,还请专业人士推荐一下?配置CPU最少i5,运行内存最少32g,固态硬盘1T,显卡必须是英伟达独立显卡,计算机专业跑程序如果笔记本配置太低的话根本就用不了,买了最少能用两三年的话就买高配的。当让价格也不菲
小米华为三星旗舰机大乱斗,这才是最真实的评测锋蜜儿有没有想过,你真的了解你手上的主力机么?甚至能仅凭画面,音质,拍照这些方面,就能从众多的手机中找到它么?这次,我们又来玩真的。我们找到了5位富二代编辑,拿着他们自掏腰包的手机
黑莓复古键盘新机曝光,全键盘设计,或搭载骁龙888Plus说到黑莓,相信这个品牌是许多条友记忆中的神机,全键盘这一元素是黑莓手机的鲜明特征。但是在智能机时代,黑莓渐渐淡出了大家的视线。近日知名外媒LETSGODIGITAL就曝光了一款复刻
华为有没有能力研究光刻机,给华为一台光刻机,华为也不会使用华为现在的处境确实是非常的艰难,但是这依旧不会难倒英雄的华为,华为现在主要做的就是通信行业的一些业务,还有就是涉及到智能手机业务方面,华为虽然说现在的能力要处于国产手机领头羊的程度
一毕业就能进阿里的人有多厉害以下内容取自朋友自述20届,拿到过bat腾讯阿里等大厂offer,最后去了微信搬砖了。说实话,如果你是211985或者电子计算机类强校,比如北邮杭电南邮西电这些,好好复习(背背八股
快递产品创新洞察中国蓬勃的电商行业所培养起来的快递业务,正经历多重竞争和发展受阻的境况。主要快递上市企业2021年一季财报显示,多家企业业绩不乐观,单票收入下降利润下滑明显。那从系统创新的角度,快