20个Python使用小技巧
1. 易混淆操作
本节对一些 Python 易混淆的操作进行对比。
1.1 有放回随机采样和无放回随机采样
import random
random.choices(seq, k=1)# 长度为k的list，有放回采样
random.sample(seq, k) # 长度为k的list，无放回采样
1.2 lambda 函数的参数
func = lambda y: x + y # x的值在函数运行时被绑定
func = lambda y, x=x: x + y # x的值在函数定义时被绑定
1.3 copy 和 deepcopy
import copy
y = copy.copy(x) # 只复制最顶层
y = copy.deepcopy(x)# 复制所有嵌套部分
复制和变量别名结合在一起时，容易混淆：
a = ]
# Alias.
b_alias = a
assert b_alias == a and b_alias is a
# Shallow copy.
b_shallow_copy = a[:]
assert b_shallow_copy == a and b_shallow_copy is not a and b_shallow_copy is a
# Deep copy.
import copy
b_deep_copy = copy.deepcopy(a)
assert b_deep_copy == a and b_deep_copy is not a and b_deep_copy is not a
对别名的修改会影响原变量，（浅）复制中的元素是原列表中元素的别名，而深层复制是递归的进行复制，对深层复制的修改不影响原变量。
1.4 == 和 is
x == y# 两引用对象是否有相同值
x is y# 两引用是否指向同一对象
1.5 判断类型
type(a) == int # 忽略面向对象设计中的多态特征
isinstance(a, int)# 考虑了面向对象设计中的多态特征
1.6 字符串搜索
str.find(sub, start=None, end=None); str.rfind(...) # 如果找不到返回-1
str.index(sub, start=None, end=None); str.rindex(...) # 如果找不到抛出ValueError异常
1.7 List 后向索引
print(a[-1], a[-2], a[-3])
print(a[~0], a[~1], a[~2])
这个只是习惯问题，前向索引时下标从0开始，如果反向索引也想从0开始可以使用~。
2. 常用工具
2.1 读写 CSV 文件
import csv
# 无header的读写
with open(name, 'rt', encoding='utf-8', newline='') as f:# newline=''让Python不将换行统一处理
for row in csv.reader(f):
print(row, row)# CSV读到的数据都是str类型
with open(name, mode='wt') as f:
f_csv = csv.writer(f)
f_csv.writerow(['symbol', 'change'])
# 有header的读写
with open(name, mode='rt', newline='') as f:
for row in csv.DictReader(f):
print(row['symbol'], row['change'])
with open(name, mode='wt') as f:
header = ['symbol', 'change']
f_csv = csv.DictWriter(f, header)
f_csv.writeheader()
f_csv.writerow({'symbol': xx, 'change': xx})
注意，当 CSV 文件过大时会报错：_csv.Error： field larger than field limit （131072），通过修改上限解决
import sys
csv.field_size_limit(sys.maxsize)
csv 还可以读以 \t 分割的数据
f = csv.reader(f, delimiter='\t')
2.2 迭代器工具
itertools 中定义了很多迭代器工具，例如子序列工具：
import itertools
itertools.islice(iterable, start=None, stop, step=None)
# islice('ABCDEF', 2, None) -> C, D, E, F
itertools.filterfalse(predicate, iterable) # 过滤掉predicate为False的元素
# filterfalse(lambda x: x < 5, ) -> 6
itertools.takewhile(predicate, iterable) # 当predicate为False时停止迭代
# takewhile(lambda x: x < 5, ) -> 1, 4
itertools.dropwhile(predicate, iterable) # 当predicate为False时开始迭代
# dropwhile(lambda x: x < 5, ) -> 6, 4, 1
itertools.compress(iterable, selectors) # 根据selectors每个元素是True或False进行选择
# compress('ABCDEF', ) -> A, C, E, F
序列排序：
sorted(iterable, key=None, reverse=False)
itertools.groupby(iterable, key=None) # 按值分组，iterable需要先被排序
# groupby(sorted()) -> (1, iter1), (4, iter4), (6, iter6)
itertools.permutations(iterable, r=None) # 排列，返回值是Tuple
# permutations('ABCD', 2) -> AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC
itertools.combinations(iterable, r=None) # 组合，返回值是Tuple
itertools.combinations_with_replacement(...)
# combinations('ABCD', 2) -> AB, AC, AD, BC, BD, CD
多个序列合并：
itertools.chain(*iterables) # 多个序列直接拼接
# chain('ABC', 'DEF') -> A, B, C, D, E, F
import heapq
heapq.merge(*iterables, key=None, reverse=False) # 多个序列按顺序拼接
# merge('ABF', 'CDE') -> A, B, C, D, E, F
zip(*iterables) # 当最短的序列耗尽时停止，结果只能被消耗一次
itertools.zip_longest(*iterables, fillvalue=None)# 当最长的序列耗尽时停止，结果只能被消耗一次
2.3 计数器
计数器可以统计一个可迭代对象中每个元素出现的次数。
import collections
# 创建
collections.Counter(iterable)
# 频次
collections.Counter # key出现频次
# 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
collections.Counter.most_common(n=None)
# 插入/更新
collections.Counter.update(iterable)
counter1 + counter2; counter1 - counter2# counter加减
# 检查两个字符串的组成元素是否相同
collections.Counter(list1) == collections.Counter(list2)
2.4 带默认值的 Dict
当访问不存在的 Key 时，defaultdict 会将其设置为某个默认值。
import collections
collections.defaultdict(type)# 当第一次访问dict时，会无参数调用type，给dict提供一个初始值
2.5 有序 Dict
import collections
collections.OrderedDict(items=None)# 迭代时保留原始插入顺序
学习了
页:
[1]