行业报告 AI展会 数据标注 标注供求
数据标注数据集
主页 > 数据挖掘 正文

这 5 个 Python 特性,后悔没早知道

作者:Eden Au 译者:刘雅梦

作为近 10 年才崛起的编程语言,Python 已被证明是一种非常强大的语言。从交互式映射到区块链,我用 Python 构建过很多应用程序。

对初学者而言,Python 中有很多特性很难一开始就掌握。

即使你是从其他语言转换过来的程序员,用 Python 进行更高级别的抽象编码绝对是另一种体验。有些 Python 特性,我希望自己能早点知道。本文将介绍其 5 个最重要的特性。

1. 列表推导式:代码更紧凑

很多人认为,lambda、map和filter是初学者应该最先掌握的 Python“技巧”。虽然我也认为应关注这些功能,但由于它们缺乏灵活性。

实际上,它们在大多数情况下并不是非常有用!

Lambda是一种在 1 行中编写一个一次性使用的函数的方法。一旦函数被多次调用,性能将受到影响。

另一方面,map 可以将一个函数应用于列表中的所有元素,而 filter 能获取集合中满足用户自定义条件的元素子集。

复制代码add_func = lambda z: z ** 2is_odd = lambda z: z%2 == 1multiply = lambda x,y: x*yaList = list(range(10))print(aList)# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

列表推导式是一个简洁而灵活的方法,它使用灵活的表达式和条件通过其他列表来创建新列表。

它用方括号来构造,带有一个表达式或函数,只有当列表中的元素满足某个条件时,该表达式或函数才作用于列表中的每个元素。

并且,它还能用嵌套来处理嵌套列表,并且这会比使用 map 和 filter 更灵活。

下载地址: python-list-comprehension.py

2、列表操作:实现列表的双向操作

Python 允许使用反向索引,其中aList[-1] == aList[len(aList)-1] 。所以,我们可以通过调用aList[-2] 来获取列表的倒数第二个元素。

我们还能使用 aList[start:end:step] 语法来对列表进行切片,其中起始元素包含在内,终止元素不包含在内(即 [start,end) 步长为 step 的前闭后开区间)。

因此,调用 aList[2:5] 会得到 [2, 3, 4]。我们也能通过调用 aList[::-1] 来反转列表,这种技术非常优雅。

此外,也可以将列表拆分成单独的元素,或者使用星号将列表拆分成单个元素和子列表的混合形式。

下载地址: python-unpacking.py

3、 压缩和枚举:for 循环更方便

Zip 函数会创建一个迭代器,且该迭代器可以对来自多个列表的元素进行聚合。用它可以在 for 循环中对列表进行并行遍历和排序。

用星号对其进行解压。

下载地址: python-zip-1.py

下载地址: python-zip-2.py

开始时, Enumerate 看起来有点吓人,但在很多情况下使用它确实能方便很多。

它是一个自动计数器,通常会在 for 循环中使用它,这样就不需要再用 counter = 0 和 counter += 1 来创建和初始化计数器了。枚举和压缩是两个构造 for 循环的最强工具。

.

下载地址: python-enumerate.py

4、生成器:内存更高效

当我们想要对一个大的结果集进行计算,但又不想为所有结果数据同时分配内存时,我们就可以使用生成器(Generator)了。

换句话说,它会动态地生成值,并且不会将先前的值存储在内存中,因此我们只能对它们进行一次迭代操作。

当读取大文件或使用关键字 yield 生成无穷数列时,通常会用它。我发现在我的大多数数据科学项目中,它都能发挥很大作用。

下载地址: python-generator.py

5、虚拟环境:实现隔离

如果在本文介绍的 5 个特性中只选一个,那么就是虚拟环境的使用。

Python 应用程序通常会用各种不同的包,这些包可能是由具有复杂依赖关系的不同开发人员开发的。每个应用程序都会用特定的库设置,使用其他库的版本无法实现对某个应用程序安装包的复制。

所以,不存在满足所有应用要求的单个安装包。

为每个应用程序创建独立的、自洽的虚拟环境 venv 非常重要,这可以通过使用 pip 或 conda来实现。

原文链接:

https://towardsdatascience.com/5-python-features-i-wish-i-had-known-earlier-bc16e4a13bf4

微信公众号

声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
SEM推广服务

Copyright©2005-2028 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注

扫码入群
扫码关注

微信公众号

返回顶部