震惊了!每30秒学会一个Python小技巧,Github星数4600+
点击上方“Python数据科学”,星标公众号
重磅干货,第一时间送达
作者:xiaoyu,数据爱好者
Python数据科学出品
https://github.com/30-seconds/30-seconds-of-python
功能实现:检验一个列表中的所有元素是否都一样。
解读:使用[1:]
和 [:-1]
来比较给定列表的所有元素。
return lst[1:] == lst[:-1]
举例:
all_equal([1, 1, 1, 1]) # True
功能实现:如果列表所有值都是唯一的,返回 True
,否则 False
解读:在给定列表上使用集合set()去重,比较它和原列表的长度。
return len(lst) == len(set(lst))
举例:
x = [1,2,3,4,5,6]y = [1,2,2,3,4,5]
all_unique(x) # True
all_unique(y) # False
3. List:bifurcate
功能实现:将列表值分组。如果在filter的元素是True,那么对应的元素属于第一个组;否则属于第二个组。
解读:使用列表推导式和enumerate()基于filter元素到各组。
return [
[x for i,x in enumerate(lst) if filter[i] == True],
[x for i,x in enumerate(lst) if filter[i] == False]
]
举例:
bifurcate(['beep', 'boop', 'foo', 'bar'], [True, True, False, True])
# [ ['beep', 'boop', 'bar'], ['foo'] ]
4. List:difference
功能实现:返回两个iterables间的差异。
解读:创建b的集合,使用a的列表推导式保留不在_b中的元素。
_b = set(b)
return [item for item in a if item not in _b]
举例:
5. List:flatten
功能实现:一次性的整合列表。
解读:使用嵌套的列表提取子列表的每个值。
def flatten(lst):return [x for y in lst for x in y]
举例:
flatten([[1,2,3,4],[5,6,7,8]]) # [1, 2, 3, 4, 5, 6, 7, 8]6. Math:digitize
功能实现:将一个数分解转换为个位数字。
解读:将n字符化后使用map()函数结合int完成转化
def digitize(n):return list(map(int, str(n)))
举例:
digitize(123) # [1, 2, 3]7. List:shuffle
功能实现:将列表元素顺序随机打乱。
解读:使用Fisher-Yates算法重新排序列表元素。
from copy import deepcopyfrom random import randint
def shuffle(lst):
temp_lst = deepcopy(lst)
m = len(temp_lst)
while (m):
m -= 1
i = randint(0, m)
temp_lst[m], temp_lst[i] = temp_lst[i], temp_lst[m]
return temp_lst
举例:
shuffle(foo) # [2,3,1] , foo = [1,2,3]
8. Math:clamp_number
功能实现:将数字num钳在由a和b边界值规定的范围中。
解读:如果num落尽范围内,返回num;否则,返回范围内最接近的数字。
return max(min(num, max(a,b)),min(a,b))
举例:
clamp_number(1, -1, -5) # -1
功能实现:返回字符串的字节数。
解读:使用string.encode('utf-8')解码给定字符串,返回长度。
return len(string.encode('utf-8'))
举例:
byte_size('😀') # 4byte_size('Hello World') # 11
10. Math:gcd
功能实现:计算几个数的最大公因数。
解读:使用reduce()和math.gcd在给定列表上实现。
import math
def gcd(numbers):
return reduce(math.gcd, numbers)
举例:
gcd([8,36,28]) # 4以上就是30秒学python的各种小技巧。怎么样,对于一些常见操作是不是有了一些新的启发,除此之外,还有很多其它技巧可以慢慢学习,希望对各位读者有所帮助。
https://github.com/30-seconds/30-seconds-of-python
最后,如果喜欢本篇文章,欢迎转发、点赞。关注订阅号「Python数据科学」,回复「进群」即可进入无广告技术交流。
推荐阅读
5、80页笔记看遍机器学习基本概念、算法、模型,帮新手少走弯路
👆推荐关注“数据挖掘工程师”
喜欢文章,点个在看