用这10个小技巧加速Python编程

上一篇 / 下一篇  2020-12-31 13:30:39

  编码很有趣,而Python编码更有趣,因为有很多不同的方法可以实现相同的功能。但是,大多数时候都有一些首选的实现方法,有些人将其称为Pythonic。这些Pythonic的共同特征是实现的代码简洁明了。
  用Python或任何编码语言进行编程不是像火箭一样的科学,而主要是关于技巧。如果有意尝试使用Pythonic编码,那么这些技术将很快成为我们工具包的一部分,并且我们会发现在项目中使用它们变得越来越自然。因此,让我们探索其中的一些简单技巧。
  1.负索引
  人们喜欢使用序列,因为当我们知道元素的顺序,我们就可以按顺序操作这些元素。在Python中,字符串、元组和列表是最常见的序列数据类型。我们可以使用索引访问单个项目。与其他主流编程语言一样,Python支持基于0的索引,在该索引中,我们在一对方括号内使用零访问第一个元素。此外,我们还可以使用切片对象来检索序列的特定元素,如下面的代码示例所示。
  >>> # Positive Indexing 
  ... numbers = [1, 2, 3, 4, 5, 6, 7, 8] 
  ... print("First Number:", numbers[0]) 
  ... print("First Four Numbers:", numbers[:4]) 
  ... print("Odd Numbers:", numbers[::2]) 
  ... 
  First Number: 1 
  First Four Numbers: [1, 2, 3, 4] 
  Odd Numbers: [1, 3, 5, 7] 
  但是,Python通过支持负索引而进一步走了一步。具体来说,我们可以使用-1来引用序列中的最后一个元素,并向后计数。例如,最后一个元素的索引为-2,依此类推。重要的是,负索引也可以与切片对象中的正索引一起使用。
  >>> # Negative Indexing 
  ... data_shape = (100, 50, 4) 
  ... names = ["John", "Aaron", "Mike", "Danny"] 
  ... hello = "Hello World!" 
  ... 
  ... print(data_shape[-1]) 
  ... print(names[-3:-1]) 
  ... print(hello[1:-1:2]) 
  ... 
  4 
  ['Aaron', 'Mike'] 
  el ol 
  2.检查容器是否为空
  容器是指可以存储其他数据的那些容器数据类型。一些经常使用的内置容器是元组,列表,字典和集合。在处理这些容器时,我们经常需要在执行其他操作之前检查它们是否包含任何元素。确实,我们可以检查这些容器的长度,该长度与已存储项目的数量相对应。当长度为零时,容器为空。下面显示了一个简单的示例。
  if len(some_list) > 0: 
      # do something here when the list is not empty 
  else: 
      # do something else when the list is empty 
  但是,这不是最好的Pythonic方式。相反,我们可以简单地检查容器本身,它将在容器True包含元素时进行评估。尽管以下代码向您展示了主要的容器数据类型,但这种用法也可以应用于字符串(即,任何非空字符串都是True)。
  >>> def check_container_empty(container): 
  ...     if container: 
  ...         print(f"{container} has elements.") 
  ...     else: 
  ...         print(f"{container} doesn't have elements.") 
  ... 
  ... check_container_empty([1, 2, 3]) 
  ... check_container_empty(set()) 
  ... check_container_empty({"zero": 0, "one": 1}) 
  ... check_container_empty(tuple()) 
  ... 
  [1, 2, 3] has elements. 
  set() doesn't have elements. 
  {'zero': 0, 'one': 1} has elements. 
  () doesn't have elements. 
  3.使用Split()创建字符串列表
  我们经常使用字符串作为特定对象的标识符。例如,我们可以使用字符串作为字典中的键。在数据科学项目中,字符串通常是数据的列名。选择多个列时,不可避免地需要创建一个字符串列表。确实,我们可以使用列表中的文字创建字符串。但是,我们必须编写成对的引号将每个字符串括起来,这对于“懒惰”的人来说有点繁琐。因此,我更喜欢利用字符串的split()方法来创建字符串列表,如下面的代码片段所示。
  >>> # List of strings 
  ... # The typical way 
  ... columns = ['name', 'age', 'gender', 'address', 'account_type'] 
  ... print("* Literals:", columns) 
  ... 
  ... # Do this instead 
  ... columns = 'name age gender address account_type'.split() 
  ... print("* Split with spaces:", columns) 
  ... 
  ... # If the strings contain spaces, you can use commas instead 
  ... columns = 'name, age, gender, address, account type'.split(', ') 
  ... print("* Split with commas:", columns) 
  ... 
  * Literals: ['name', 'age', 'gender', 'address', 'account_type'] 
  * Split with spaces: ['name', 'age', 'gender', 'address', 'account_type'] 
  * Split with commas: ['name', 'age', 'gender', 'address', 'account type'] 
  如上所示,split()默认情况下,该方法使用空格作为分隔符,并根据字符串创建字符串列表。值得注意的是,当您创建包含某些包含空格的元素的字符串列表时,可以选择使用其他类型的分隔符(例如,逗号)。
  这种用法受到一些内置功能的启发。例如,当你创建一个元组类,我们可以这样做:Student = namedtuple(“Student”, [“name”, “gender”, “age”])。字符串列表指定了元组的“属性”。但是,也可以通过以下方式定义该类来本地支持它:Student = namedtuple(“Student”, “name gender age”)。对于另一个实例,创建一个Enum类支持相同的替代解决方案。
  4.三元表达
  在许多用例中,我们需要根据条件定义具有特定值的变量,并且我们可以简单地使用if ... else语句来检查条件。但是,它需要几行代码。如果仅处理一个变量的赋值,则可能需要使用三元表达式,该表达式检查条件并仅用一行代码即可完成赋值。此外,它的格式更短,从而使代码更加简洁。考虑以下示例。
  # The typical way 
  if score > 90: 
      reward = "1000 dollars" 
  else: 
      reward = "500 dollars" 
  # Do this instead 
  reward = "1000 dollars" if score > 90 else "500 dollars" 
  有时,我们可以从已定义的函数中获取一些数据,并且可以利用这一点并编写三元表达式的简单操作,如下所示。
  # Another possible scenario 
  # You got a reward amount from somewhere else, but don't know if None/0 or not 
  reward = reward_known or "500 dollars" 
  # The above line of code is equivalent to below 
  reward = reward_known if reward_known else "500 dollars" 
  5.带文件对象的语句
  我们经常需要从文件读取数据并将数据写入文件。最常见的方法是使用内置open()函数简单地打开文件,该函数会创建一个我们可以操作的文件对象。
  >>> # Create a text file that has the text: Hello World! 
  ... 
  ... # Open the file and append some new data 
  ... text_file0 = open("hello_world.txt", "a") 
  ... text_file0.write("Hello Python!") 
  ... 
  ... # Open the file again for something else 
  ... text_file1 = open("hello_world.txt") 
  ... print(text_file1.read()) 
  ... 
  Hello World!
  在前面的代码片段中,我们从一个文本文件开始,该文件的文本为“ Hello World!”。然后,我们将一些新数据附加到文件中。但是,过了一会儿,我们想再次处理该文件。当我们读取文本文件时,它仍然具有旧数据。换句话说,附加的文本不包括在文本文件中。
  这是因为我们首先没有关闭文件对象。如果不关闭文件,则无法保存更改。确实,我们可以close()在文件对象上显式调用该方法。但是,我们可以使用“ with”语句执行此操作,该语句将自动为我们关闭文件对象,如下所示。完成对文件的操作后,我们可以通过访问文件对象的closed属性来验证文件已关闭。
  >>> with open("hello_world.txt", "a") as file: 
  ...     file.write("Hello Python!") 
  ... 
  ... with open("hello_world.txt") as file: 
  ...     print(file.read()) 
  ... 
  ... print("Is file close?", file.closed) 
  ... 
  Hello World!Hello Python!Hello Python! 
  Is file close? True 
  用更笼统的术语来说,with语句是在Python中使用上下文管理器的语法。上一个示例涉及文件操作,因为这些文件是共享资源,我们负责释放这些资源。上下文管理器可以帮助我们完成工作。如前所示,文件操作结束后,将使用with语句自动关闭文件。
  6.评估多个条件
  通常,我们需要评估多个条件。有几种可能的方案。对于数值,我们可以对同一变量进行多次比较。在这种情况下,我们可以链接这些比较。
  # Multiple Comparisons 
  # The typical way 
  if a < 4 and a > 1: 
      # do something here# Do this instead 
  if 1 < a < 4: 
      # do somerthing here 
  在其他一些情况下,我们可以进行多个相等比较,并且可以使用以下in关键字进行成员测试
  # The typical way 
  if b == "Mon" or b == "Wed" or b == "Fri" or b == "Sun": 
      # do something here# Do this instead, you can also specify a tuple ("Mon", "Wed", "Fri", "Sun") 
  if b in "Mon Wed Fri Sun".split(): 
      # do something here 
  另一种技术是使用内置的all()和any()函数用于评估多个条件的功能。具体而言,该all()函数将评估何时迭代中的元素全部为True,因此该函数适合于替换一系列AND逻辑比较。另一方面,该any()函数的计算结果为True当迭代中的任何元素为True,因此适合替换一系列OR逻辑运算。相关示例如下所示。
  # The typical ways 
  if a < 10 and b > 5 and c == 4: 
      # do somethingif a < 10 or b > 5 or c == 4: 
      # do something# Do these instead 
  if all([a < 10, b > 5, c == 4]): 
      # do somethingif any([a < 10, b > 5, c == 4]): 
      # do something 
  7.在函数声明中使用默认值
  在几乎所有的Python项目中,大多数代码都涉及创建和调用函数。换句话说,我们不断处理函数声明和重构。在许多情况下,我们需要多次调用一个函数。根据不同的参数集,该功能将略有不同。但是,有时一组参数可能比其他一组更常用,在这种情况下,我们在声明函数时应考虑设置默认值。考虑下面的简单示例。
  # The original form: 
  def generate_plot(data, image_name): 
      """This function creates a scatter plot for the data""" 
      # create the plot based on the data 
      ... 
      if image_name: 
          # save the image 
          ...# In many cases, we don't need to save the image 
  generate_plot(data, None)# The one with a default value 
  def generate_plot(data, image_name=None): 
      pass# Now, we can omit the second parameter 
  generate_plot(data) 
  要注意的一件事是,如果在设置默认值时要处理可变数据类型(例如列表,集合),请确保使用None而不是构造函数(例如arg_name = [])。由于Python在定义的位置创建函数对象,因此提供的空白列表将被函数对象“卡住”。换句话说,调用函数对象时不会立即创建它。相反,我们将在内存中处理相同的函数对象,包括其最初创建的默认可变对象,这可能会导致意外行为。
  8.使用计数器进行元素计数
  当我们在列表、元组或字符串中有多个项目时(例如,多个字符),我们经常想计算每项中有多少个元素。为此,可以为此功能编写一些乏味的代码。
  >>> words = ['an', 'boy', 'girl', 'an', 'boy', 'dog', 'cat', 'Dog', 'CAT', 'an','GIRL', 'AN', 'dog', 'cat', 'cat', 'bag', 'BAG', 'BOY', 'boy', 'an'] 
  ... unique_words = {x.lower() for x in set(words)} 
  ... for word in unique_words: 
  ...     print(f"* Count of {word}: {words.count(word)}") 
  ... 
  * Count of cat: 3 
  * Count of bag: 1 
  * Count of boy: 3 
  * Count of dog: 2 
  * Count of an: 5 
  * Count of girl: 1 
  如上所示,我们首先必须创建一个仅包含唯一单词的集合。然后,我们迭代单词集,并使用该count()方法找出每个单词的出现情况。但是,有一种更好的方法可以使用Counter类来完成此计数任务。
  >>> from collections import Counter 
  ... 
  ... word_counter = Counter(x.lower() for x in words) 
  ... print("Word Counts:", word_counter) 
  ... 
  Word Counts: Counter({'an': 5, 'boy': 4, 'cat': 4, 'dog': 3, 'girl': 2, 'bag': 2}) 
  该计数器类是在collections模块中可用的。要使用该类,我们只需创建一个generator:,x.lower() for x in words每个项目都将被计数。如我们所见,Counter对象是类似dict的映射对象,每个键对应于单词列表的唯一项,而值是这些项的计数。
  此外,如果我们有兴趣找出单词列表中最频繁出现的项目,我们可以利用Counter对象的most_common()方法。以下代码展示了这种用法。我们只需要指定一个整数(N),即可从列表中找出最频繁的N个项目。附带说明,该对象还将与其他序列数据一起使用,例如字符串和元组。
  >>> # Find out the most common item 
  ... print("Most Frequent:", word_counter.most_common(1)) 
  Most Frequent: [('an', 5)] 
  >>> # Find out the most common 2 items 
  ... print("Most Frequent:", word_counter.most_common(2)) 
  Most Frequent: [('an', 5), ('boy', 4)] 
  9.按不同的订单要求排序
  在许多项目中,对列表中的项目进行排序是一项普遍的任务。最基本的排序基于数字或字母顺序,我们可以使用内置sorted()函数。默认情况下,该sorted()函数将按升序对列表进行排序(实际上,它可以是可迭代的)。如果将reverse参数指定为True,则可以按降序获得项目。一些简单的用法如下所示。
  >>> # A list of numbers and strings 
  ... numbers = [1, 3, 7, 2, 5, 4] 
  ... words = ['yay', 'bill', 'zen', 'del'] 
  ... # Sort them 
  ... print(sorted(numbers)) 
  ... print(sorted(words)) 
  ... 
  [1, 2, 3, 4, 5, 7] 
  ['bill', 'del', 'yay', 'zen'] 
  >>> # Sort them in descending order 
  ... print(sorted(numbers, reverse=True)) 
  ... print(sorted(words, reverse=True)) 
  ... 
  [7, 5, 4, 3, 2, 1] 
  ['zen', 'yay', 'del', 'bill'] 
  除了这些基本用法外,我们还可以指定key参数,以便可以对复杂项进行排序,例如元组列表。考虑这种情况的以下示例。
  >>> # Create a list of tuples 
  ... grades = [('John', 95), ('Aaron', 99), ('Zack', 97), ('Don', 92), ('Jennifer', 100), ('Abby', 94), ('Zoe', 99), ('Dee', 93)] 
  >>> # Sort by the grades, descending 
  ... sorted(grades, key=lambda x: x[1], reverse=True) 
  [('Jennifer', 100), ('Aaron', 99), ('Zoe', 99), ('Zack', 97), ('John', 95), ('Abby', 94), ('Dee', 93), ('Don', 92)] 
  >>> # Sort by the name's initial letter, ascending 
  ... sorted(grades, key=lambda x: x[0][0]) 
  [('Aaron', 99), ('Abby', 94), ('Don', 92), ('Dee', 93), ('John', 95), ('Jennifer', 100), ('Zack', 97), ('Zoe', 99)]
  上面的代码通过利用传递给key参数的lambda函数,向我们展示了两个高级排序的示例。第一个使用降序对项目进行排序,第二个使用默认的升序对项目进行排序。我们要结合这两个要求,如果考虑使用该reverse参数,则可能会得到一个错误的排序树,因为如果尝试按多个条件进行排序,则反向参数将适用于所有参数。请参见下面的代码段。
  >>> # Requirement: sort by name initial ascending, and by grades, descending 
  ... # Both won't work 
  ... sorted(grades, key=lambda x: (x[0][0], x[1]), reverse=True) 
  [('Zoe', 99), ('Zack', 97), ('Jennifer', 100), ('John', 95), ('Dee', 93), ('Don', 92), ('Aaron', 99), ('Abby', 94)] 
  >>> sorted(grades, key=lambda x: (x[0][0], x[1]), reverse=False) 
  [('Abby', 94), ('Aaron', 99), ('Don', 92), ('Dee', 93), ('John', 95), ('Jennifer', 100), ('Zack', 97), ('Zoe', 99)] 
  >>> # This will do the trick 
  ... sorted(grades, key=lambda x: (x[0][0], -x[1])) 
  [('Aaron', 99), ('Abby', 94), ('Dee', 93), ('Don', 92), ('Jennifer', 100), ('John', 95), ('Zoe', 99), ('Zack', 97)] 
  如您所见,通过将reverse参数设置为True或False,都无效。取而代之的是,技巧是取反分数,因此,当您按默认的升序排序时,由于这些值的取反,分数将反向排序。但是,此方法有一个警告,因为取反只能用于数字值,而不能用于字符串。
  10.不要忘记defaultdict
  字典是一种有效的数据类型,它使我们能够以键值对的形式存储数据。它要求所有键都是可哈希的,存储这些数据可能涉及哈希表的使用。这种方法允许以O(1)效率实现数据检索和插入。但是,应注意,除了内置的dict类型外,我们还有其他可用的字典。其中,我想讨论defaultdict类型。与内置dict类型不同,defaultdict允许我们设置默认工厂函数,该工厂函数在键不存在时创建元素。
  >>> student = {'name': "John", 'age': 18} 
  ... student['gender'] 
  ... 
  Traceback (most recent call last): 
    File "<input>", line 2, in <module> 
  KeyError: 'gender'
  假设我们正在处理单词,并且想要将与列表相同的字符分组,并且这些列表与作为键的字符相关联。这是使用内置dict类型的幼稚实现。值得注意的是,检查dict对象是否具有letter键是至关重要的,因为如果键不存在,则调用该append()方法会引发KeyError异常。
  >>> letters = ["a", "a", "c", "d", "d", "c", "a", "b"] 
  ... final_dict = {} 
  ... for letter in letters: 
  ...     if letter not in final_dict: 
  ...         final_dict[letter] = [] 
  ...     final_dict[letter].append(letter) 
  ... 
  ... print("Final Dict:", final_dict) 
  ... 
  Final Dict: {'a': ['a', 'a', 'a'], 'c': ['c', 'c'], 'd': ['d', 'd'], 'b': ['b']} 
  让我们看看如何使用defaultdict编写更简洁的代码。尽管该示例很简单,但是它只是为我们提供了有关defaultdict类的一些想法,这使我们不必处理字典对象中不存在的键。
  >>> from collections import defaultdict 
  ... 
  ... final_defaultdict = defaultdict(list) 
  ... for letter in letters: 
  ...     final_defaultdict[letter].append(letter) 
  ... 
  ... print("Final Default Dict:", final_defaultdict) 
  ... 
  Final Default Dict: defaultdict(<class 'list'>, {'a': ['a', 'a', 'a'], 'c': ['c', 'c'], 'd': ['d', 'd'], 'b': ['b']}) 
  结论
  在阅读本文之前,我们可能已经了解了一些技巧,但是希望仍然对这些技巧有所了解。在项目中实践这些惯用用法将使您的Python代码更具可读性和性能。

参与调查问卷,赢取测试好礼!
识别下方二维码或点击链接
成功提交后免费获得资料和课程
更有抽奖好礼等着你


TAG: 软件开发 Python

 

评分:0

我来说两句

显示全部

:loveliness: :handshake :victory: :funk: :time: :kiss: :call: :hug: :lol :'( :Q :L ;P :$ :P :o :@ :D :( :)

日历

« 2021-01-17  
     12
3456789
10111213141516
17181920212223
24252627282930
31      

数据统计

  • 访问量: 12556
  • 日志数: 99
  • 建立时间: 2020-08-11
  • 更新时间: 2021-01-15

RSS订阅

Open Toolbar