Python3，掌握这20个小技巧，小菜鸡瞬间变成老码农~

转x33g5p2x  于2022-02-11 转载在 Python  
字(6.7k)|赞(0)|评价(0)|浏览(648)

1、引言

小屌丝：鱼哥，最近博文更新频率低了
小鱼：这是你的错觉
小屌丝：但是你都没有推送博文信息给我啊
小鱼：因为我最近在搞大事情
小屌丝：嗯？？？
小鱼：透露一点消息：准备另一个领域的专栏了。
小屌丝：此时小屌丝的心情，

小鱼：没错，因为最近在备战，所以，索性就把所有的姿势 知识重新整理成专栏，这样既方便我自己查阅，也方便大家涨知识。
小屌丝：那能不能透露是哪个领域的专栏呢？
小鱼：嗯~ 暂时不能说，但是，一定是纵向的，有深度的，有内涵的
小屌丝：还卖上关子了，这给你能耐的。
小鱼：总是要有期待嘛！ ！
小屌丝：强人所难不是我性格，既然这样，那给我分析一点提升我编码能力的知识点吧。
小鱼：唉~ ~ 就知道你会这样…幸好我早有准备

今天我们不去搞 "简单"的编码，
而是来搞点提升B~格的编码技巧。

2、常用工具

在实际的编码中，我们会常用到一些工具，例如 csv文件、计数器、等。
虽然基本的使用大家都没得说，但是，一些小技巧，还是要掌握的。

2.1 csv文件读写

代码展示 一：
读取csv文件

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import csv
  7. '''无header的读写''' 
  8. # newline=''，让Python不将换行统一处理
  9. with open(name, 'rt', encoding='utf-8', newline='') as f: 
  10.     for row in csv.reader(f):
  11.         # CSV读到的数据都是str类型
  12.         print(row[0], row[1]) 
  13.         
  14. with open(name, mode='wt') as f:
  15.     f_csv = csv.writer(f)
  16.     f_csv.writerow(['symbol', 'change'])
  18. '''无header的读写'''
  20. with open(name, mode='rt', newline='') as f:
  21.     for row in csv.DictReader(f):
  22.         print(row['symbol'], row['change'])
  23.         
  24. with open(name, mode='wt') as f:
  25.     header = ['symbol', 'change']
  26.     f_csv = csv.DictWriter(f, header)
  27.     f_csv.writeheader()
  28.     f_csv.writerow({'symbol': xxx, 'change': xxx})

代码展示 二：
修改csv文件内容最大上限

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import sys
  6. '''修改csv文件上限，防止因为csv文件过大导致读取失败'''
  7. csv.field_size_limit(sys.maxsize)

代码展示 三：
读取 \t 分割的数据

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import csv
  7. '''读取 \t 分割的数据'''
  8. f = csv.reader(f, delimiter='\t')

2.2 计数器

代码展示 一：
统计一个可迭代对象中每个元素出现的次数

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import collections
  7. #创建
  8. collections.Counter(iterable)
  10. #频次
  11. #key出现频次
  12. collections.Counter[key]                 
  13. #返回n个出现频次最高的元素和其对应出现频次，如果n为None，返回所有元素
  14. collections.Counter.most_common(n=None)
  16. #插入/更新
  17. collections.Counter.update(iterable)
  19. #counter加减
  20. counter1 + counter2; counter1 - counter2  
  22. #检查两个字符串的组成元素是否相同
  23. collections.Counter(list1) == collections.Counter(list2)

2.3 Dict

2.3.1 带默认值的 Dict

代码展示 一：
当访问不存在的 Key 时，defaultdict 会将其设置为某个默认值

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import collections
  7. #当第一次访问dict[key]时，会无参数调用type，给dict[key]提供一个初始值
  8. collections.defaultdict(type)

2.3.2 有序的 Dict

代码展示 一：
有序 Dict

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import collections
  7. #迭代时保留原始插入顺序
  8. collections.OrderedDict(items=None)

2.4 迭代器工具

代码展示 一：
itertools 中子序列工具

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import itertools
  7. '''有限序列迭代器'''
  9. #对迭代器进行切片
  10. itertools.islice(iterable, start=None, stop, step=None)
  11. # islice('ABCDEFG', 2, None) -> C, D, E, F ,G
  13. # 过滤掉predicate为False的元素
  14. itertools.filterfalse(predicate, iterable)         
  15. # filterfalse(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6
  17. # 当predicate为False时停止迭代
  18. itertools.takewhile(predicate, iterable)           
  19. # takewhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 1, 4
  21. # 当predicate为False时开始迭代
  22. itertools.dropwhile(predicate, iterable)           
  23. # dropwhile(lambda x: x < 5, [1, 4, 6, 4, 1]) -> 6, 4, 1
  25. # 根据selectors每个元素是True或False进行选择
  26. itertools.compress(iterable, selectors)            
  27. # compress('ABCDEF', [1, 0, 1, 0, 1, 1]) -> A, C, E, F

代码展示 二：
序列排序

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import itertools
  7. sorted(iterable, key=None, reverse=False)
  9.  # 按值分组，iterable需要先被排序
  10. itertools.groupby(iterable, key=None)             
  11. # groupby(sorted([1, 4, 6, 4, 1])) -> (1, iter1), (4, iter4), (6, iter6)
  13. # 排列，返回值是Tuple
  14. itertools.permutations(iterable, r=None)           
  15. # permutations('ABCD', 2) -> AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC
  17. # 组合，返回值是Tuple
  18. itertools.combinations(iterable, r=None)           
  19. itertools.combinations_with_replacement(...)
  20. # combinations('ABCD', 2) -> AB, AC, AD, BC, BD, CD

代码展示 三：
序列合并

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import itertools
  6. import heapq
  8. # 多个序列直接拼接
  9. itertools.chain(*iterables)                        
  10. # chain('ABC', 'DEF') -> A, B, C, D, E, F
  12. # 多个序列按顺序拼接
  13. heapq.merge(*iterables, key=None, reverse=False)   
  14. # merge('ABF', 'CDE') -> A, B, C, D, E, F
  16. # 当最短的序列耗尽时停止，结果只能被消耗一次
  17. zip(*iterables)            
  19. # 当最长的序列耗尽时停止，结果只能被消耗一次                        
  20. itertools.zip_longest(*iterables, fillvalue=None)

3、易混淆操作

3.1 随机采样

代码展示 一：
有放回随机采样

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import random
  7. # 长度为k的list，有放回采样
  8. random.choices(seq, k=1)

代码展示 二：
无放回随机采样

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import random
  7.  # 长度为k的list，无放回采样 
  8. random.sample(seq, k)

3.2 lambda 函数

代码展示 一：

lambda 函数的参数

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. # x的值在函数运行时被绑定
  6. func = lambda y: x + y      
  8. # x的值在函数定义时被绑定      
  9. func = lambda y, x=x: x + y

3.3 浅拷贝与深拷贝

代码展示 一：
copy 与deepcopy

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import copy
  7. # 只复制最顶层
  8. y = copy.copy(x) 
  10. # 复制所有嵌套部分       
  11. y = copy.deepcopy(x)

代码展示 二：
复制和变量别名结合在一起时，易混淆

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import copy
  7. a = [1, 2, [3, 4]]
  9. # Alias.
  10. b_alias = a  
  11. assert b_alias == a and b_alias is a
  13. # Shallow copy.
  14. b_shallow_copy = a[:]  
  15. assert b_shallow_copy == a and b_shallow_copy is not a and b_shallow_copy[2] is a[2]
  17. # Deep copy.
  18. b_deep_copy = copy.deepcopy(a)  
  19. assert b_deep_copy == a and b_deep_copy is not a and b_deep_copy[2] is not a[2]

注：

对别名的修改会影响原变量，浅拷贝中的元素是原列表中元素的别名；
而深层拷贝是递归的进行复制，对深层拷贝的修改不影响原变量。

3.4 == 和 is

代码展示 一：

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. # 两引用对象是否有相同值
  6. x == y  
  8. # 两引用是否指向同一对象
  9. x is y

3.5 判断类型

代码展示 一：

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. # 忽略面向对象设计中的多态特征
  6. type(a) == int      
  8. # 考虑了面向对象设计中的多态特征 
  9. isinstance(a, int)

3.6 字符串搜索

代码展示 一：

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. # 如果找不到返回-1
  6. str.find(sub, start=None, end=None); str.rfind(...)    
  8.  # 如果找不到抛出ValueError异常
  9. str.index(sub, start=None, end=None); str.rindex(...)

3.7 List 反向索引

代码展示 一：

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. #向前索引，下标从0开始
  6. print(a[-1], a[-2], a[-3])
  8. #反向索引，下标也要从0开始
  9. print(a[~0], a[~1], a[~2])

4、高性能编码于调试

4.1 输出错误和警告信息

4.1.1 向标准错误输出信息

代码展示 一：

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import sys
  7. #向标准错误输出信息
  8. sys.stderr.write('')

4.1.2 输出警告信息

代码展示 一：

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. import warnings
  7. #输出警告信息
  8. warnings.warn(message, category=UserWarning)

4.1.3 控制警告消息的输出

代码展示 一：

  1. # 输出所有警告，等同于设置warnings.simplefilter('always')
  2. >>python -W all     
  4. # 忽略所有警告，等同于设置warnings.simplefilter('ignore')
  5. >>python -W ignore  
  6. >

4.2 代码中测试

代码展示 一：

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. '''
  6. 为了调试，我们想在代码中加一些代码，通常是一些 print 语句
  7. '''
  9. # 在代码中的debug部分
  10. if __debug__:
  11.     pass

调试结束，在执行命令中输入 -0，忽略此部分代码

  1. >> python -0 main.py

4.3 代码风格检查

代码展示 一：
使用pylint进行代码风格和语法检查，能在运行之前发现一些错误信息

  1. >> pylint main.py

4.4 代码耗时

代码展示 一：
测试耗时

  1. >> python -m cProfile main.py

代码展示 二：
测试某块代码耗时

  1. # -*- coding: utf-8 -*-
  2. # @ auth : carl_DJ
  3. # @ time : 2022-01-11
  5. # 代码块耗时定义
  6. from contextlib import contextmanager
  7. from time import perf_counter
  9. @contextmanager
  10. def timeblock(label):
  11.     tic = perf_counter()
  12.     try:
  13.         yield
  14.     finally:
  15.         toc = perf_counter()
  16.         print('%s : %s' % (label, toc - tic))
  18. # 代码块耗时测试
  19. with timeblock('counting'):
  20.     pass

代码耗时优化的原则，如下：

  • 专注于优化产生性能瓶颈的地方，而不是全部代码。
  • 避免使用全局变量。局部变量的查找比全局变量更快，将全局变量的代码定义在函数中运行通常会快 15%-30%。
  • 避免使用.访问属性。使用 from module import name 会更快，将频繁访问的类的成员变量 self.member 放入到一个局部变量中。
  • 尽量使用内置数据结构。str, list, set, dict 等使用 C 实现，运行起来很快。
  • 避免创建没有必要的中间变量，和 copy.deepcopy()。
  • 字符串拼接，例如 a + ‘:’ + b + ‘:’ + c 会创造大量无用的中间变量，’:’,join([a, b, c]) 效率会高不少。另外需要考虑字符串拼接是否必要，例如 print(’:’.join([a, b, c])) 效率比 print(a, b, c, sep=’:’) 低。

5、其他小技巧

5.1 argmin 和 argmax

代码展示 一：

  1. items = [2, 1, 3, 4]
  2. #计算 ‘arg’ 最小值 ‘val’ 价值
  3. argmin = min(range(len(items)), key=items.__getitem__)
  5. #计算 ‘arg’ 最大值 ‘val’ 价值
  6. argmax = max(range(len(items)), key=items.__getitem__)

5.2 转置二维列表

代码展示 一：

  1. A = [['a11', 'a12'], ['a21', 'a22'], ['a31', 'a32']]
  3. #数组
  4. A_transpose = list(zip(*A)) 
  6. #列表
  7. A_transpose = list(list(col) for col in zip(*A))

5.3 一维列表展开为二维列表

代码展示 一：

  1. A = [1, 2, 3, 4, 5, 6]
  3. list(zip(*[iter(A)] * 2))

版权说明 : 本文为转载文章, 版权归原作者所有 版权申明

原文链接 : https://blog.csdn.net/wuyoudeyuer/article/details/122443233

内容来源于网络，如有侵权，请联系作者删除！

python后端

相关文章

    查看更多

    热门标签

    更多
    JavaquerypythonNode开发语言requestUtil数据库Table后端算法LoggerMessageElementParser

    最新文章

    更多
    • 蜀ICP备13028337号-1 大数据知识库 https://www.saoniuhuo.com © All rights reserved
    • 本站内容来源互联网,如果侵犯您的权益请联系我们删除, 联系方式：448109455@qq.com