從我開始學習Python時我就決定維護一個經常使用的「竅門」清單。不論何時當我看到一段讓我覺得「酷,這樣也行!」的程式碼(在一個例子中、在StackOverflow、在開源軟體中,等等),我會嘗試它直到理解它,然後把它加到列表中。這篇文章是清理過清單的一部分。如果你是個有經驗的Python程式設計師,儘管你可能已經知道一些,但你仍能發現一些你不知道的。如果你是一個正在學習Python的C、C++或Java程式設計師,或是剛開始學習編程,那麼你會像我一樣發現它們中的許多非常有用。
每個訣竅或語言特性只能透過實例來驗證,無需過多解釋。雖然我已盡力使例子清晰,但它們中的一些仍會看起來有些複雜,這取決於你的熟悉程度。所以如果看過例子後還不清楚的話,標題能夠提供足夠的資訊讓你透過Google獲取詳細的內容。
列表依難度排序,常用的語言特徵和技巧放在前面。
1.30 最大最小元素(heapq.nlargest和heapq.nsmallest)
>>> a = [random.randint(0, 100) for __ in xrange(100)]
> a)
[3, 3, 5, 6, 8]
>>> heapq.nlargest(5, a)
[100, 100, 99, 98, 98] . product)
>>> for p in itertools.product([1, 2, 3], [4, 5]):
(1, 4)
(1, 5)
( (2, 5) (3, 4) (3, 5) >>> for p in itertools.product([0, 1], printeat= ): ''.join(str(x) for x in p) ... 0000 0001 0010 001110110
0111
1000
1001
1010
1011
1100
1101
1110
1111
1110
1111
. _replacement)>>> for c in itertools.combinations([1, 2 , 3, 4, 5], 3): ... print ''.join(str(x) for x in c) ...135 145 234 235 245 345 >>> for 345 >>> for 345 >>> forp.
... print ''.join( str(x) for x in c)
...
11
12
13
22
s)>>> for p in itertools .permutations([1, 2, 3, 4]): ... print ''.join(str(x) for x in p) ... 1234 ... 1234 ... 1342 1423 1432 2134 2143 2314 3124 3142 3214 3241 3412 34213412
342143135
4213 4231 4312 4321 1.34 連結的迭代(itertools.chain)1.34 連結的迭代(itertools.chain)> for
> itertools.chain( itertools.combinations(a, 2), itertools.combinations(a, 3)): ... print p ... (1, 2).... 4)
(2, 3)
(2, 4)
(3, 4)
(1, 2, 3)
(1, 3, 3, 3)
(2, 3, 4)
>>> for subset in itertools.chain.from_iterable(itertools.combinations(a, n) for n in range(len(a) + 1)) Check subset
...
()
(1,)
(2,)
(3,)
(4,)
(1, 4)
(2, 3)
(2, 4)
(3, 4)
(1, 2, 3)
(1
(1, 2, 3) ( , 4) (2, 3, 4) (1, 2, 3, 4) 1.35 按給定值分組行(itertools.groupby)1.35 依給定值分組資料> > import itertools
>>> with open('contactlenses.csv', 'r') as infile:
... data = [line.strip().split(',') for line in in infile]
... >>> data = data[1:] >>> def print_data(rows): ... print 'n'.join('t'.join({t'. }'.format(s) for s in row) for row in rows) ... >>> print_data(data)年輕 沒有 近視 無 近視 是 近視 是 正常 不 減少 柔軟
年輕 減 無
年輕遠視 是 正常 硬
老花前 近視 否 減少 沒有
近視前 沒有 正常 軟
前老花眼 近視 是 減少 無
前老花眼 近視 是 正常 硬
前老花眼 遠視 無 減少 無
前老花眼 遠視眼無 正常 軟
前老花眼 遠視眼 ye 減少 無
前老花眼 是 正常 無
老花眼 近視 沒有 減少 無
老花眼 近視 沒有 正常 沒有
老花眼 近視 是 減少 無
老花眼 近視 正常 硬
老花 遠視 否 減少 無
老花眼 遠視眼 無 正常 軟
老花眼 遠視眼 是 減少 無
老花眼 遠視 是 正常 無
>>>數據。 sort(key=itemgetter(-1))
>>> 取得值,在itertools.groupby(data, lambda r: r[-1]):
... print '------- - ---'
... print '組:' + 值
... print_data(group)
...
-----------
... ----------- 組:很難組
年輕 近視 是 正常 硬 年輕 遠視 正常 硬 前老花眼 是 正常 硬 老花眼 近視 是 正常 硬 ------------ 分組:無年輕近視 沒有減少 無 年輕 無 沒有 年輕 遠視 沒有 年輕 遠視 是 否 減中 是 減損 無
前老花眼 是 減少 正常 無
老花眼 減少 無
老花眼 正常 無
老花眼 矯正眼睛 無
老花眼 遠視 記憶 沒有
老花眼 遠視眼 是降低無
presbyopic hypermetrope是正常無
----------------------------------- young Myope no正常正常 軟
老花眼 遠視眼睛 軟

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

如何在10小時內教計算機小白編程基礎?如果你只有10個小時來教計算機小白一些編程知識,你會選擇教些什麼�...

使用FiddlerEverywhere進行中間人讀取時如何避免被檢測到當你使用FiddlerEverywhere...

Python3.6環境下加載Pickle文件報錯:ModuleNotFoundError:Nomodulenamed...

如何解決jieba分詞在景區評論分析中的問題?當我們在進行景區評論分析時,往往會使用jieba分詞工具來處理文�...

如何使用正則表達式匹配到第一個閉合標籤就停止?在處理HTML或其他標記語言時,常常需要使用正則表達式來�...


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

禪工作室 13.0.1
強大的PHP整合開發環境

Atom編輯器mac版下載
最受歡迎的的開源編輯器

Dreamweaver CS6
視覺化網頁開發工具

ZendStudio 13.5.1 Mac
強大的PHP整合開發環境

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能