9个都要了解的单行Python代码

简介: 9个都要了解的单行Python代码

当我们开始学习 Python 时,我们通常会优先编写能够完成工作的代码,而不会关注代码的可读性以及代码的简洁性和效率。

确切来说,这是完全没有问题的,但是有一些方法可以在不忽略可读性的情况下缩短我们的 Python 代码。单行 Python 代码,只要我们能够正确的使用它们,那么我们将能够很好的兼顾简洁和可读性!

下面任何学习 Python 的同学都应该知道的 9 条单行代码,我们一起来看看吧~

1. If — Else 语句

if-else 语句是我们在 Python 中学习的第一批语句之一,它用于执行给定条件的真假部分。

我们经常使用这个语句,但是你知道它可以被简化为一行代码吗?在很多情况下,我们完全可以把 if 和 else 语句放在在同一行中

age = 18
valid = "You're an adult"
invalid = "You're NOT an adult"
print(valid) if age >= 18 else print(invalid)

2. 根据现有列表创建新列表

列表是一种常用的数据存储方式,但你知道只需一行代码即可基于现有列表创建新列表吗?

没错,它被称为列表推导,它提供了一种基于现有列表的值创建列表的简短语法,列表推导比用于制作列表的函数和循环更紧凑。

下面是语法

[expression for item in list]

我们来看个例子

words = ['united states', 'brazil', 'united kingdom']

capitalized = [word.title() for word in words]
>>> capitalized
['United States', 'Brazil', 'United Kingdom']

上面的代码确实看起来更好!但是要记住,我们应该保持代码对用户友好,因此不推荐在一行代码中编写很长的列表推导式。

3. 字典推导

与列表推导类似,Python 中也有字典推导。字典推导提供了一种简短的语法,可以在一行代码中创建字典。

下面是语法

{key: value for key, value in iterable}

来个栗子

dict_numbers = {x:x*x for x in range(1,6) }
>>> dict_numbers
{1: 1, 2: 4, 3: 9, 4: 16, 5:25}

4. 合并词典

有多种方法可以合并字典,我们可以使用 update() 方法、merge() 运算符,甚至是字典推导。

但是有一种更简单的方法可以在 Python 中合并字典,就是通过使用解包运算符 **。我们只需要在我们希望组合的每个字典前面添加 ** 并使用额外的字典来存储输出即可

dict_1 = {'a': 1, 'b': 2}
dict_2 = {'c': 3, 'd': 4}
merged_dict = {**dict_1, **dict_2}
>>> merged_dict
{'a': 1, 'b': 2, 'c': 3, 'd': 4}

在我们将 ** 运算符应用于字典后,两者都将扩展其内容并合并以创建一个新字典。

5.删除列表中的重复项

有时我们需要确保列表中没有任何重复值,尽管没有一种方法可以轻松进行处理,但我们可以使用set来消除重复项。

set是一种无序集合,其中每个元素都是唯一的。这意味着如果我们将列表变成一个集合,就可以快速删除重复项,。然后我们只需要将集合再次转换为列表即可。

让我们看一个基本的例子来掌握它

numbers = [1,1,1,2,2,3,4,5,6,7,7,8,9,9,9]

>>> list(set(numbers))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

6. 在一行中给多个变量赋值

每当我们需要分配多个变量时,可以在 Python 中将它们分配在一行中,而不是逐行分配(即使是来自不同类型的变量)。

a, b, c = 1, "abc",  True
>>> a
1
>>> b
'abc'
>>> c
True

很简洁吧,但是需要注意的是,我们分配的变量越多,将它们分配给错误值的机会就越大,双刃剑啊~

7. 从列表中过滤值

假设我们想从列表中过滤一些值,可以使用许多方法来做到这一点,但有一种简单的方法是使用 filter() 函数。

这是过滤器函数的语法:

filter(function, iterable)

如果我们在过滤器函数中添加一个 lambda 函数,效果会更好!

让我们通过从列表中过滤偶数来掌握它

#学习中遇到问题没人解答?小编创建了一个Python学习交流群:725638078
my_list = [10, 11, 12, 13, 14, 15]
>>> list(filter(lambda x: x%2 == 0, my_list ))
[10, 12, 14]

8. 按键排序字典

对字典进行排序并不像对列表进行排序那样简单——我们不能像使用列表那样使用 sort() 或 sorted() 对字典进行排序。

但是我们可以将字典推导与 sorted() 函数结合起来,通过键对字典进行排序。

在下面的示例中,我们将按产品名称对字典进行排序。

product_prices = {'Z': 9.99, 'Y': 9.99, 'X': 9.99}
>>{key:product_prices[key] for key in sorted(product_prices.keys())}
{'X': 9.99, 'Y': 9.99, 'Z': 9.99}

9. 按值排序字典

类似于按键对字典进行排序,我们需要使用 sorted() 函数和列表推导来按值对字典进行排序,但是我们还需要添加一个 lambda 函数。

首先让我们看看 sorted() 函数的所有参数

sorted(iterable, key=None, reverse=False)

要按值对字典进行排序,我们需要使用 key 参数。此参数接受一个函数,该函数用作排序比较的键。在这里,我们可以使用 lambda 函数使事情变得更简单。

假设我们有一个包含人口值的字典,我们想按值对其进行排序

population = {'USA':329.5, 'Brazil': 212.6, 'UK': 67.2}

>>> sorted(population.items(), key=lambda x:x[1])
[('UK', 67.2), ('Brazil', 212.6), ('USA', 329.5)]

现在唯一剩下的就是添加字典推导了

population = {'USA':329.5, 'Brazil': 212.6, 'UK': 67.2}

>>> {k:v for k, v in sorted(population.items(), key=lambda x:x[1])}
{'UK': 67.2, 'Brazil': 212.6, 'USA': 329.5}
相关文章
|
9天前
|
测试技术 Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界中,装饰器是那些能够为我们的代码增添魔力的小精灵。它们不仅让代码看起来更加优雅,还能在不改变原有函数定义的情况下,增加额外的功能。本文将通过生动的例子和易于理解的语言,带你领略装饰器的奥秘,从基础概念到实际应用,一起开启Python装饰器的奇妙旅程。
28 11
|
24天前
|
缓存 监控 测试技术
Python中的装饰器:功能扩展与代码复用的利器###
本文深入探讨了Python中装饰器的概念、实现机制及其在实际开发中的应用价值。通过生动的实例和详尽的解释,文章展示了装饰器如何增强函数功能、提升代码可读性和维护性,并鼓励读者在项目中灵活运用这一强大的语言特性。 ###
|
27天前
|
缓存 开发者 Python
探索Python中的装饰器:简化代码,增强功能
【10月更文挑战第35天】装饰器在Python中是一种强大的工具,它允许开发者在不修改原有函数代码的情况下增加额外的功能。本文旨在通过简明的语言和实际的编码示例,带领读者理解装饰器的概念、用法及其在实际编程场景中的应用,从而提升代码的可读性和复用性。
|
28天前
|
设计模式 缓存 监控
Python中的装饰器:代码的魔法增强剂
在Python编程中,装饰器是一种强大而灵活的工具,它允许程序员在不修改函数或方法源代码的情况下增加额外的功能。本文将探讨装饰器的定义、工作原理以及如何通过自定义和标准库中的装饰器来优化代码结构和提高开发效率。通过实例演示,我们将深入了解装饰器的应用,包括日志记录、性能测量、事务处理等常见场景。此外,我们还将讨论装饰器的高级用法,如带参数的装饰器和类装饰器,为读者提供全面的装饰器使用指南。
|
23天前
|
Python
探索Python中的装饰器:简化代码,提升效率
【10月更文挑战第39天】在编程的世界中,我们总是在寻找使代码更简洁、更高效的方法。Python的装饰器提供了一种强大的工具,能够让我们做到这一点。本文将深入探讨装饰器的基本概念,展示如何通过它们来增强函数的功能,同时保持代码的整洁性。我们将从基础开始,逐步深入到装饰器的高级用法,让你了解如何利用这一特性来优化你的Python代码。准备好让你的代码变得更加优雅和强大了吗?让我们开始吧!
23 1
|
24天前
|
存储 缓存 监控
掌握Python装饰器:提升代码复用性与可读性的利器
在本文中,我们将深入探讨Python装饰器的概念、工作原理以及如何有效地应用它们来增强代码的可读性和复用性。不同于传统的函数调用,装饰器提供了一种优雅的方式来修改或扩展函数的行为,而无需直接修改原始函数代码。通过实际示例和应用场景分析,本文旨在帮助读者理解装饰器的实用性,并鼓励在日常编程实践中灵活运用这一强大特性。
|
28天前
|
存储 算法 搜索推荐
Python高手必备!揭秘图(Graph)的N种风骚表示法,让你的代码瞬间高大上
在Python中,图作为重要的数据结构,广泛应用于社交网络分析、路径查找等领域。本文介绍四种图的表示方法:邻接矩阵、邻接表、边列表和邻接集。每种方法都有其特点和适用场景,掌握它们能提升代码效率和可读性,让你在项目中脱颖而出。
34 5
|
26天前
|
机器学习/深度学习 数据采集 人工智能
探索机器学习:从理论到Python代码实践
【10月更文挑战第36天】本文将深入浅出地介绍机器学习的基本概念、主要算法及其在Python中的实现。我们将通过实际案例,展示如何使用scikit-learn库进行数据预处理、模型选择和参数调优。无论你是初学者还是有一定基础的开发者,都能从中获得启发和实践指导。
41 2
|
28天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
58 4
|
28天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
33 2