掌握这9个单行代码技巧!你也能写出『高端』Python代码 ⛵

简介: 单行代码(one-liner)是一种编程技巧,指将大段代码写成非常简短的形式,更加紧凑,也更加高级!本文总结了 Python 中常用的 9 个 one-linear 技巧:单行 if-else 语句、列表推导式、字典推导式、合并词典、删除列表重复元素、单行多变量赋值、列表元素筛选、字典排序(按key/按value)

💡 作者: 韩信子@ ShowMeAI
📘 Python3◉技能提升系列https://www.showmeai.tech/tutorials/56
📘 本文地址https://www.showmeai.tech/article-detail/303
📢 声明:版权所有,转载请联系平台与作者并注明出处
📢 收藏 ShowMeAI查看更多精彩内容

Python 是一个简单易上手可读性强且功能强大的编程语言,它有一些独特的技巧和写法,可以在不影响可读性的情况下大大缩短我们的 Python 代码,让它看起来更加紧凑和高级。

在本篇内容中ShowMeAI 给大家总结最常用的『单行代码(one-liner )』技巧,让你的代码加分更加『高级』!

推荐入门的小伙伴阅读 ShowMeAI图解Python编程:从入门到精通系列教程 系列教程,学习全套 Python 知识!

以下所有的代码都可以在 在线 Python 编译器 中运行,快试起来!

💡 1.单行 if - else 语句

if-else 语句是我们在 Python 中学习的基础逻辑判断语法之一。 我们通常会以分支的形式来书写这个语句,但 Python 其实能支持 if 和 else 语句在同一行,简单快捷完成判断。

如下为代码示例:

age = 18

valid = "你是成年人"
invalid = "你是未成年人"
# 单行代码
print(valid) if age >= 18 else print(invalid)

💡 2.列表推导式

列表推导式是 Python 独有且非常强大的语法,它提供了一种简短的语法来根据现有列表的值创建列表。 相比函数和循环更紧凑,甚至还可以加入条件判断。

列表推导式的基本语法如下:

[expression for item in list]

以下是一个代码应用示例:

countries = ['united states', 'brazil', 'united kingdom', 'japan']
# 带条件判断的列表推导式
capitalized = [country.title() for country in countries if country.startswith('u')]

print(capitalized)
['United States', 'United Kingdom']

列表推导式非常简洁,但是大家注意,不要把过于复杂的功能嵌套于列表推导式中,我们还是要注意保持代码的可读性哦!

💡 3.字典推导式

与列表推导式类似,Python 中也有字典推导式,字典推导式提供了一种简短的语法,在一行代码中创建字典。 语法如下:

{key: value for key, value in iterable}

下面是一个简单的代码示例:

dict_numbers = {x:x*x for x in range(1,6) }

print(dict_numbers)
{1: 1, 2: 4, 3: 9, 4: 16, 5:25}

💡 4.合并词典

我们如果需要合并字典,有多种方法,可以使用 update()方法, merge()运算符,包括上面提到的字典推导式。

一种非常简单的方法,是通过使用解包运算符 **,我们添加 **在每个字典前面,组合为一个新的字典来存储输出。如下示例:

dict_1 = {'a': 1, 'b': 2}
dict_2 = {'c': 3, 'd': 4}
# 合并字典
merged_dict = {**dict_1, **dict_2}

print(merged_dict)
{'a': 1, 'b': 2, 'c': 3, 'd': 4}

💡 5.删除列表重复元素

一个非常高频的处理是对列表元素虑重。这时一个最快捷的方式是利用 Python 中的集合set,集合是元素的无序集合。 我们只需要将列表转为集合再转回为列表即可。

示例如下:

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

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

💡 6.单行多变量赋值

如果我们需要为多个变量赋值,我们可以一行中完成这个过程,如下示例:

# 单行赋值多变量
a, b, c = 1, "abc",  True

print(a, b, c)
1 'abc' True

💡 7.列表元素筛选

另外一个非常常见的场景是,对列表元素进行筛选过滤,保留其中满足某些条件的元素结果为新的列表。这个功能的实现方法也很多,一个简单的方法是使用 filter()函数。

基本语法如下:

filter(function, iterable)

我们甚至可以借助lambda匿名函数来定义过滤条件,配合filter,可以在一行中快速完成列表元素筛选的功能。比如下例我们筛选出列表中的所有偶数:

my_list = [10, 11, 12, 13, 14, 15]
# 选出所有偶数
print(list(filter(lambda x: x%2 == 0, my_list )))
[10, 12, 14]

💡 8.字典排序:按照 key

对于复杂一点点的结构,比如 Python 中的字典,如果我们要依据key进行排序,没办法直接sort,但是我们可以借助sorted函数完成这个任务,比如下例中我们根据商品的名称排序:

product_prices = {'Z': 9.99, 'Y': 9.99, 'X': 9.99}

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

💡 9.字典排序:按照 value

有时候我们会需要对字典基于value排序,这个任务同样可以基于sorted()函数完成,我们先看看所有sorted()函数的参数,如下。

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

要对字典按照value进行排序,我们需要使用 key 参数,这个参数接受一个函数,函数的返回值作为排序的依据。 这里配合lambda函数可以很方便地完成任务。

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}

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

我们发现返回的结果是一个列表,我们可以利用前面提到的字典推导式,对其进行简单处理,如下:

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

print({k:v for k, v in sorted(population.items(), key=lambda x:x[1])})
{'UK': 67.2, 'Brazil': 212.6, 'USA': 329.5}

参考资料

目录
相关文章
|
2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。
20 11
|
17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。 ###
|
20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。
|
16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!
22 1
|
21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。
|
17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。
|
21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。
28 5
|
19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。
40 2
|
21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。
53 4
|
21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。
30 2