python常用的一些方法

简介: python常用的一些方法

列表分组


根据每个列表的最大数进行分组,返回多个列
def list_of_groups(init_list,childern_list_len):
    list_of_groups = zip(*(iter(init_list),)* childern_list_len)
    end_list = [list(i)for our here_of_groups] 
    count = len(init_list)%childern_list_len 
    end_list.append(ini​​ t_list [-count:])if count!= 0 else end_list 
    return end_list 
list_of_groups(列表,10)

生成时间列表

import datetime,time
##生成时间列表
def create_assist_date(self, datestart=None, dateend=None):
    # 创建日期辅助表
    if dateend is None:
        dateend = datetime.datetime.now().strftime('%Y%m%d')
    # 转为日期格式`
    datestart = datetime.datetime.strptime(datestart, '%Y%m%d')
    dateend = datetime.datetime.strptime(dateend, '%Y%m%d')
    date_list = []
    date_list.append(datestart.strftime('%Y%m%d'))
    while datestart < dateend:
        # 日期叠加一天
        datestart += datetime.timedelta(days=+1)
        # 日期转字符串存入列表
        date_list.append(datestart.strftime('%Y%m%d'))
    return date_list
##时间转换  + -
datestart = datetime.datetime.strptime('20170715', '%Y%m%d')
datestart += datetime.timedelta(days=-36)
start = datestart.strftime('%Y%m%d')
date_list = create_assist_date(start, '20170715')

###获取列表的值的索引

知道列表的元素但不知道索引,可以用索引方法来进行查取,不过最好先设定一下,避免列表里有重复数据

list.index( ‘想要查索引的元素’)


获取当前机器的cpu和内存使用率

import psutil
memory_now = psutil.virtual_memory().percent
cpu_now = psutil.cpu_percent(interval=1)


###获取当前的Python脚本运行的PID和机器IP

import platform
import socket
pids = os.getpid()
addrs = socket.getaddrinfo(socket.gethostname(), None)
ip = [item[4][0] for item in addrs if ':' not in item[4][0]][0]
pid = re.findall("\d+", str(pids))[0]

列表排序

按照a倒叙排列, 当a相同时, 按b倒叙排列
all_list = [{"a": 10, "b": 22}, {"a": 11, "b": 23}, {"a": 11, "b": 12}]
all_list.sort(key=lambda x: (-x["a"], -x["b"]))


目录
相关文章
|
4月前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
415 1
|
5月前
|
机器学习/深度学习 数据采集 数据挖掘
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
194 2
|
5月前
|
调度 Python
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
164 0
|
5月前
|
传感器 大数据 API
Python数字限制在指定范围内:方法与实践
在Python编程中,限制数字范围是常见需求,如游戏属性控制、金融计算和数据过滤等场景。本文介绍了五种主流方法:基础条件判断、数学运算、装饰器模式、类封装及NumPy数组处理,分别适用于不同复杂度和性能要求的场景。每种方法均有示例代码和适用情况说明,帮助开发者根据实际需求选择最优方案。
260 0
|
5月前
|
Python
Python字符串center()方法详解 - 实现字符串居中对齐的完整指南
Python的`center()`方法用于将字符串居中,并通过指定宽度和填充字符美化输出格式,常用于文本对齐、标题及表格设计。
|
4月前
|
人工智能 数据安全/隐私保护 异构计算
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
527 8
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
|
6月前
|
安全 Python
Python语言中常用的文件操作方法探讨
通过上述方法的结合使用,我们可以构筑出强大并且可靠的文件操作逻辑,切实解决日常编程中遇到的文件处理问题。
275 72
|
5月前
|
机器学习/深度学习 数据采集 算法
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
320 4
|
4月前
|
算法 调度 决策智能
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
126 0
|
7月前
|
存储 机器学习/深度学习 人工智能
稀疏矩阵存储模型比较与在Python中的实现方法探讨
本文探讨了稀疏矩阵的压缩存储模型及其在Python中的实现方法,涵盖COO、CSR、CSC等常见格式。通过`scipy.sparse`等工具,分析了稀疏矩阵在高效运算中的应用,如矩阵乘法和图结构分析。文章还结合实际场景(推荐系统、自然语言处理等),提供了优化建议及性能评估,并展望了稀疏计算与AI硬件协同的未来趋势。掌握稀疏矩阵技术,可显著提升大规模数据处理效率,为工程实践带来重要价值。
348 58

推荐镜像

更多