30 段 Python 非常实用的代码

简介: 30 段 Python 非常实用的代码

1.检查重复元素
下面的方法可以检查给定列表中是否有重复的元素。它使用了 set() 属性,该属性将会从列表中删除重复的元素。
def all_unique(lst): return len(lst) == len(set(lst)) x = [1,1,2,2,3,2,3,4,5,6] y = [1,2,3,4,5] all_unique(x) # False all_unique(y) # True
2.变位词
检测两个字符串是否互为变位词(即互相颠倒字符顺序)
from collections import Counter def anagram(first, second): return Counter(first) == Counter(second) anagram("abcd3", "3acdb") # True
3.检查内存使用情况
以下代码段可用来检查对象的内存使用情况。
import sys variable = 30 print(sys.getsizeof(variable)) # 24
4.字节大小计算
以下方法将以字节为单位返回字符串长度。
def byte_size(string): return(len(string.encode( utf-8 ))) byte_size( ) # 4 byte_size( Hello World ) # 11
5.重复打印字符串 N 次
以下代码不需要使用循环即可打印某个字符串 n 次
n = 2; s ="Programming"; print(s * n); # ProgrammingProgramming

6.首字母大写
以下代码段使用 title() 方法将字符串内的每个词进行首字母大写。
s = "programming is awesome" print(s.title()) # Programming Is Awesome

7.分块
以下方法使用 range() 将列表分块为指定大小的较小列表。
from math import ceil def chunk(lst, size): return list( map(lambda x: lst[x size:x size + size], list(range(0, ceil(len(lst) / size))))) chunk([1,2,3,4,5],2) # [[1,2],[3,4],5]
8.压缩
以下方法使用 fliter() 删除列表中的错误值(如:False, None, 0 和“”)
def compact(lst): return list(filter(bool, lst)) compact([0, 1, False, 2, , 3, a , s , 34]) # [ 1, 2, 3, a , s , 34 ]
9.间隔数
以下代码段可以用来转换一个二维数组。
array = [[ a , b ], [ c , d ], [ e , f ]] transposed = zip(*array) print(transposed) # [( a , c , e ), ( b , d , f )]

10.链式比较
以下代码可以在一行中用各种操作符进行多次比较。
a = 3 print( 2 < a < 8) # True print(1 == a < 2) # False
11.逗号分隔
以下代码段可将字符串列表转换为单个字符串,列表中的每个元素用逗号分隔。
hobbies = ["basketball", "football", "swimming"]print("My hobbies are: " + ", ".join(hobbies)) # My hobbies are: basketball, football, swimming
12.计算元音字母数
以下方法可计算字符串中元音字母(‘a’, ‘e’, ‘i’, ‘o’, ‘u’)的数目。
import re def count_vowels(str): return len(len(re.findall(r [aeiou] , str, re.IGNORECASE))) count_vowels( foobar ) # 3 count_vowels( gym ) # 0
13.首字母恢复小写
以下方法可用于将给定字符串的第一个字母转换为小写。
def decapitalize(string): return str[:1].lower() + str[1:] decapitalize( FooBar ) # fooBar decapitalize( FooBar ) # fooBar
14.平面化
以下方法使用递归来展开潜在的深度列表。
def spread(arg): ret = [] for i in arg: if isinstance(i, list): ret.extend(i) else: ret.append(i) return retdef deep_flatten(lst): result = [] result.extend( spread(list(map(lambda x: deep_flatten(x) if type(x) == list else x, lst)))) return resultdeep_flatten([1, [2], [[3], 4], 5]) # [1,2,3,4,5]
15.差异
该方法只保留第一个迭代器中的值,从而发现两个迭代器之间的差异。
def difference(a, b): set_a = set(a) set_b = set(b) comparison = set_a.difference(set_b) return list(comparison)difference([1,2,3], [1,2,4]) # [3]
16.寻找差异
下面的方法在将给定的函数应用于两个列表的每个元素后,返回两个列表之间的差值。
def difference_by(a, b, fn): b = set(map(fn, b)) return [item for item in a if fn(item) not in b]from math import floordifference_by([2.1, 1.2], [2.3, 3.4],floor) # [1.2]difference_by([{ x : 2 }, { x : 1 }], [{ x : 1 }], lambda v : v[ x ]) # [ { x: 2 } ]
17.链式函数调用
以下方法可在一行中调用多个函数。
def add(a, b): return a + bdef subtract(a, b): return a - ba, b = 4, 5print((subtract if a > b else add)(a, b)) # 9

18.检查重复值
以下方法使用 set() 方法仅包含唯一元素的事实来检查列表是否具有重复值。
def has_duplicates(lst): return len(lst) != len(set(lst))x = [1,2,3,4,5,5]y = [1,2,3,4,5]has_duplicates(x) # Truehas_duplicates(y) # False
19.合并两个词典
以下方法可用于合并两个词典。
def merge_two_dicts(a, b): c = a.copy() # make a copy of a c.update(b) # modify keys and values of a with the ones from b return ca = { x : 1, y : 2}b = { y : 3, z : 4}print(merge_two_dicts(a, b)) # { y : 3, x : 1, z : 4}
在Python 3.5及更高版本中,你还可以执行以下操作:
def merge_dictionaries(a, b) return {a, b}a = { x : 1, y : 2}b = { y : 3, z : 4}print(merge_dictionaries(a, b)) # { y : 3, x : 1, z : 4}
20.将两个列表转换成一个词典
以下方法可将两个列表转换成一个词典。
def to_dictionary(keys, values): return dict(zip(keys, values))keys = ["a", "b", "c"] values = [2, 3, 4]print(to_dictionary(keys, values)) # { a : 2, c : 4, b : 3}
21.使用枚举
以下方法将字典作为输入,然后仅返回该字典中的键。
list = ["a", "b", "c", "d"]for index, element in enumerate(list): print("Value", element, "Index ", index, )# ( Value , a , Index , 0)# ( Value , b , Index , 1)#( Value , c , Index , 2)# ( Value , d , Index , 3)
22.计算所需时间
以下代码段可用于计算执行特定代码所需的时间。
import timestart_time = time.time()a = 1b = 2c = a + bprint(c) #3end_time = time.time()total_time = end_time - start_timeprint("Time: ", total_time)# ( Time: , 1.1205673217773438e-05)
23.Try else 指令
你可以将 else 子句作为 try/except 块的一部分,如果没有抛出异常,则执行该子句。
try: 2*3except TypeError: print("An exception was raised")else: print("Thank God, no exceptions were raised.")#Thank God, no exceptions were raised.
24.查找最常见元素
以下方法返回列表中出现的最常见元素。
def most_frequent(list): return max(set(list), key = list.count)list = [1,2,1,2,3,2,1,4,2]most_frequent(list)

25.回文
以下方法可检查给定的字符串是否为回文结构。该方法首先将字符串转换为小写,然后从中删除非字母数字字符。最后,它会将新的字符串与反转版本进行比较。
def palindrome(string): from re import sub s = sub( [W_] , , string.lower()) return s == s[::-1]palindrome( taco cat ) # True
26.没有 if-else 语句的简单计算器
以下代码段将展示如何编写一个不使用 if-else 条件的简单计算器。
import operatoraction = { "+": operator.add, "-": operator.sub, "/": operator.truediv, "": operator.mul, "*": pow}print(action - ) # 25
27.元素顺序打乱
以下算法通过实现 Fisher-Yates算法 在新列表中进行排序来将列表中的元素顺序随机打乱。
from copy import deepcopyfrom random import randintdef shuffle(lst): temp_lst = deepcopy(lst) m = len(temp_lst) while (m): m -= 1 i = randint(0, m) temp_lst[m], temp_lst[i] = temp_lst[i], temp_lst[m] return temp_lstfoo = [1,2,3]shuffle(foo) # [2,3,1] , foo = [1,2,3]
28.列表扁平化
以下方法可使列表扁平化,类似于JavaScript中的[].concat(…arr)。
def spread(arg): ret = [] for i in arg: if isinstance(i, list): ret.extend(i) else: ret.append(i) return retspread([1,2,3,[4,5,6],[7],8,9]) # [1,2,3,4,5,6,7,8,9]
29.变量交换
以下是交换两个变量的快速方法,而且无需使用额外的变量。
def swap(a, b): return b, aa, b = -1, 14swap(a, b) # (14, -1)
30.获取缺失键的默认值
以下代码段显示了如何在字典中没有包含要查找的键的情况下获得默认值。
d = { a : 1, b : 2}print(d.get( c , 3)) # 3

相关文章
|
6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。 ###
|
9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。
|
5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!
13 1
|
10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。
|
6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。
|
10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。
24 5
|
8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。
19 2
|
10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。
29 4
|
12天前
|
缓存 开发者 Python
探索Python中的装饰器:简化和增强你的代码
【10月更文挑战第32天】 在编程的世界中,简洁和效率是永恒的追求。Python提供了一种强大工具——装饰器,它允许我们以声明式的方式修改函数的行为。本文将深入探讨装饰器的概念、用法及其在实际应用中的优势。通过实际代码示例,我们不仅理解装饰器的工作方式,还能学会如何自定义装饰器来满足特定需求。无论你是初学者还是有经验的开发者,这篇文章都将为你揭示装饰器的神秘面纱,并展示如何利用它们简化和增强你的代码库。
|
10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。
22 2