全文共2330字，預計學習時長11分鐘

圖源：unsplash

本文將介紹8個簡潔的Python技巧，若非經驗十足的程序員，你肯定有些從未見過。向著更簡潔更高效，出發吧！

1.通過多個鍵值將對象進行排序

假設要對以下字典列表進行排序：

people = [

{ 'name': 'John', "age": 64 },

{ 'name': 'Janet', "age": 34 },

{ 'name': 'Ed', "age": 24 },

{ 'name': 'Sara', "age": 64 },

{ 'name': 'John', "age": 32 },

{ 'name': 'Jane', "age": 34 },

{ 'name': 'John', "age": 99 },

]

不僅要按名字或年齡對其進行排序，還要將兩個字段同時進行排序。在SQL中，會是這樣的查詢：

SELECT * FROM people ORDER by name, age

實際上，這個問題的解決方法可以非常簡單，Python保證sort函數提供了穩定的排序順序，這也意味著比較相似的項將保留其原始順序。要實現按名字和年齡排序，可以這樣做：

import operator

people.sort(key=operator.itemgetter('age'))

people.sort(key=operator.itemgetter('name'))

要注意如何反轉順序。首先按年齡分類，然后按名字分類，使用operator.itemgetter()從列表中的每個字典中獲取年齡和名字字段，這樣你就會得到想要的結果：

[

{'name': 'Ed', 'age': 24},

{'name': 'Jane', 'age': 34},

{'name': 'Janet','age': 34},

{'name': 'John', 'age': 32},

{'name': 'John', 'age': 64},

{'name': 'John', 'age': 99},

{'name': 'Sara', 'age': 64}

]

名字是主要排序項，如果姓名相同，則以年齡排序。因此，所有John都按年齡分組在一起。

2.數據類別

自3.7版之后，Python開始能提供數據類別。比起常規類或其他替代方法(如返回多個值或字典)，它有著更多優點：

· 數據類需要很少的代碼

· 可以比較數據類，因為 __eq__ 可以實現此功能

· 數據類需要類型提示，減少了發生錯誤的可能性

· 可以輕松打印數據類以進行調試，因為__repr__可以實現此功能

這是一個工作中的數據類示例：

from dataclasses import dataclass

@dataclass

classCard:

rank: str

suit: str

card=Card("Q", "hearts")

print(card == card)

# True

print(card.rank)

# 'Q'

print(card)

Card(rank='Q', suit='hearts')

3.列表推導

列表推導可以在列表填寫里代替討厭的循環，其基本語法為

[ expression for item in list if conditional ]

來看一個非常基本的示例，用數字序列填充列表：

mylist = [i for i inrange(10)]

print(mylist)

# [0, 1, 2, 3,4, 5, 6, 7, 8, 9]

因為可以使用表達式，所以你還可以進行一些數學運算：

squares = [x**2for x inrange(10)]

print(squares)

# [0, 1, 4, 9,16, 25, 36, 49, 64, 81]

甚至能調用外部函數：

defsome_function(a):

return (a +5) /2

my_formula= [some_function(i) for i inrange(10)]

print(my_formula)

# [2.5, 3.0,3.5, 4.0, 4.5, 5.0, 5.5, 6.0, 6.5, 7.0]

最后，可以使用if函數來篩選列表。在這種情況下，只保留可被2除的值：

filtered = [i for i inrange(20) if i%2==0]

print(filtered)

# [0, 2, 4, 6,8, 10, 12, 14, 16, 18]

4.檢查對象的內存使用情況

使用sys.getsizeof()可以檢查對象的內存使用情況：

import sys

mylist =range(0, 10000)

print(sys.getsizeof(mylist))

# 48

為什么這個龐大的列表只有48個字節？這是因為range函數返回的類表現為列表。與使用實際的數字列表相比，數序列的存儲效率要高得多。我們可以通過列表推導來創建相同范圍內的實際數字列表：

import sys

myreallist = [x for x inrange(0, 10000)]

print(sys.getsizeof(myreallist))

# 87632

通過使用sys.getsizeof()，我們可以了解更多關于Python和內存使用情況的信息。

5.查找最頻繁出現的值

要查找列表或字符串中最頻繁出現的值：

test = [1, 2, 3, 4, 2, 2, 3, 1, 4, 4, 4]

print(max(set(test), key = test.count))

# 4

· max()將返回列表中的最大值。key參數采用單個參數函數自定義排序順序，在本例中為test.count，該函數適用于迭代器上的每個項目。

· test.count是list的內置功能。它接受一個參數，并計算該參數的出現次數。因此test.count(1)將返回2，而test.count(4)將返回4。

· set(test)返回test中的所有唯一值，所以{1、2、3、4}

那么在這一行代碼將接受test的所有唯一值，即{1、2、3、4}。接下來，max將對其應用list.count 函數并返回最大值。

還有一種更有效的方法：

from collections import Counter

Counter(test).most_common(1)

# [4: 4]

6.屬性包

圖源：unsplash

你可以使用attrs代替數據類，選擇attrs有兩個原因：

· 使用的Python版本高于3.7

· 想要更多功能

Theattrs軟件包支持所有主流Python版本，包括CPython 2.7和PyPy。一些attrs可以提供驗證器和轉換器這種超常規數據類。來看一些示例代碼：

@attrs

classPerson(object):

name =attrib(default='John')

surname =attrib(default='Doe')

age =attrib(init=False)

p =Person()

print(p)

p=Person('Bill', 'Gates')

p.age=60

print(p)

# Output:

# Person(name='John', surname='Doe',age=NOTHING)

# Person(name='Bill', surname='Gates', age=60)

實際上，attrs的作者已經在使用引入數據類的PEP了。數據類被有意地保持得更簡單、更容易理解，而attrs 提供了可能需要的所有特性。

7.合并字典(Python3.5+)

從Python 3.5開始，合并字典變得更加容易：

dict1 = { 'a': 1, 'b': 2 }

dict2= { 'b': 3, 'c': 4 }

merged= { **dict1, **dict2 }

print (merged)

# {'a': 1, 'b':3, 'c': 4}

如果有重疊的鍵，第一個字典中的鍵將被覆蓋。在Python 3.9中，合并字典變得更加簡潔。上面Python 3.9中的合并可以重寫為：

merged = dict1 | dict2

8.返回多個值

Python中的函數在沒有字典，列表和類的情況下可以返回多個變量，它的工作方式如下：

defget_user(id):

# fetch user from database

# ....

return name, birthdate

name, birthdate =get_user(4)

這是有限的返回值，但任何超過3個值的內容都應放入一個(數據)類。

這8個小技巧足夠你好好消化一陣兒啦！

留言點贊關注

我們一起分享AI學習與發展的干貨

如轉載，請后臺留言，遵守轉載規范

總結

以上是生活随笔為你收集整理的python大型项目经验_经验丰富程序员才知道的8种高级Python技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。