其他
8个超好用的Python内置函数,提升效率必备!
The following article is from Python大数据分析 Author 朱卫军
print
那么广为人知,但它们却异常的强大,用好了可以大大提高代码效率。1、set()
set()
函数就派上用场了。print(set(obj))
# 输出:{'b', 'c', 'a'}
set([iterable])
用于创建一个集合,集合里的元素是无序且不重复的。B = set('world')
A.union(B) # 并集,输出:{'d', 'e', 'h', 'l', 'o', 'r', 'w'}
A.intersection(B) # 交集,输出:{'l', 'o'}
A.difference(B) # 差集,输出:{'d', 'r', 'w'}
2、eval()
eval()
来做就很简单:eval(str_expression)
作用是将字符串转换成表达式,并且执行。print(type(a))
# 输出:<class 'list'>
b = eval('max([2,4,5])')
print(b)
# 输出:5
3、sorted()
sorted()
,它可以对任何可迭代对象进行排序,并返回列表。print(a)
# 输出:[1, 2, 3, 4, 7, 9]
print(a)
# 输出:[9, 6, 4, 1]
a = sorted(chars,key=lambda x:len(x))
print(a)
# 输出:['pear', 'apple', 'banana', 'watermelon']
# key=lambda x: x[1]中可以任意选定x中可选的位置进行排序
a = sorted(tuple_list, key=lambda x: x[1])
print(a)
# 输出:[('A', 1, 5), ('C', 2, 6), ('B', 3, 2)]
4、reversed()
reversed()
函数能帮到你。reversed()
接受一个序列,将序列里的元素反转,并最终返回迭代器。print(list(a))
# 输出:['e', 'd', 'c', 'b', 'a']
b = reversed([2,3,4,5])
print(list(b))
# 输出:[5, 4, 3, 2]
5、map()
map()
函数。a = map(lambda x:x.upper(),chars)
print(list(a))
# 输出:['APPLE', 'WATERMELON', 'PEAR', 'BANANA']
map()
会根据提供的函数,对指定的序列做映射,最终返回迭代器。map()
函数会把序列里的每一个元素用指定的方法加工一遍,最终返回给你加工好的序列。a = map(lambda x:x*x,nums)
print(list(a))
# 输出:[1, 4, 9, 16]
6、reduce()
map()
函数。reduce()
函数。nums = [1,2,3,4]
a = reduce(lambda x,y:x*y,nums)
print(a)
# 输出:24
reduce()
会对参数序列中元素进行累积。chars = ['a','p','p','l','e']
a = reduce(lambda x,y:x+y,chars)
print(a)
# 输出:apple
reduce()
函数在python3里已经不再是内置函数,而是迁移到了functools
模块中。reduce()
函数拎出来讲,是因为它太重要了。7、filter()
a = filter(lambda x:x%2!=0,nums)
print(list(a))
# 输出:[1,3,5]
filter()
函数轻松完成了任务,它用于过滤序列,过滤掉不符合条件的元素,返回一个迭代器对象。filter()
函数和map()
、reduce()
函数类似,都是将序列里的每个元素映射到函数,最终返回结果。w
的单词。a = filter(lambda x:'w' in x,chars)
print(list(a))
# 输出:['watermelon']
8、enumerate()
enumerate()
函数做做看。for i,j in enumerate(chars):
print(i,j)
'''
输出:
0 apple
1 watermelon
2 pear
3 banana
'''
enumerate
翻译过来是枚举、列举的意思,所以说enumerate()
函数用于对序列里的元素进行顺序标注,返回(元素、索引)组成的迭代器。print(list(a))
# 输出:[(0, 'a'), (1, 'b'), (2, 'c'), (3, 'd')]
近期精选
往期干货
呕心沥血总结的14张思维导图,教你构建 Python核心知识体系(附高清下载)
100G数据分析、机器学习资料免费领取
1、扫描下方二维码,添加 Python数据科学 作者微信
2、可申请入群,并获得数据分析、机器学习资料
3、一定要备注:入群 + 地点 + 学校/公司。例如:入群+北京+清华。
长按扫码,申请入群
(添加人数较多,请耐心等待)