10个技巧，这些技巧将个性化并改善您的Python代码
> (Python logo src = http://python.org/)
尽管从表面上看，Python似乎是任何人都可以学习的一种简单语言，但确实如此，许多人可能惊讶地知道一个人可以熟练掌握该语言。 Python是其中的一门很容易学习的东西，但可能很难掌握。 在Python中，通常有多种处理方法，但是很容易做错事情，或者重新发明标准库并浪费时间，这仅仅是因为您不知道模块的存在。
不幸的是，Python标准库是一个巨大的野兽，此外，其生态系统绝对是巨大的。 尽管可能有200万千兆字节的Python模块，但是您可以使用通常与Python中的科学计算相关的标准库和软件包学习一些有用的技巧。
尽管看似基本，但使用char循环反转字符串可能非常繁琐且令人讨厌。 幸运的是，Python包含一个简单的内置操作来精确地执行此任务。 为此，我们只需访问字符串上的索引::-1。
a = '!dlrow olleH'
backward = a[::-1]
在大多数语言中，为了将数组放入一组变量中，我们需要迭代遍历值或按位置访问暗点，如下所示：
firstdim = array[1]
但是，在Python中，有一种更酷的方法。 为了将值列表更改为变量，我们可以简单地将变量名设置为等于数组，且数组长度相同：
array = [5, 10, 15, 20]
five, ten, fift, twent = array
如果您打算花任何时间在Python上花费任何时间，那么您肯定会想要熟悉itertools。 Itertools是标准库中的一个模块，可让您不断解决迭代问题。 它不仅使编写复杂的循环变得容易得多，而且使您的代码更快，更简洁。 这只是Itertools用法的一个示例，但有数百个：
c = [[1, 2], [3, 4], [5, 6]]
# Let's convert this matrix to a 1 dimensional list.import itertools as
itnewlist = list(it.chain.from_iterable(c))
迭代地解压缩值可能会非常耗时且费力。 幸运的是，Python有几种很酷的方式可以解压缩列表！ 一个例子是*，它将填充未分配的值并将它们添加到变量名下的新列表中。
a, *b, c = [1, 2, 3, 4, 5]
如果您不了解枚举，则可能应该熟悉它。 枚举将允许您获取列表中某些值的索引。 当使用数组而不是数据框架时，这在数据科学中特别有用。
for i,w in enumerate(array):
print(i,w)
在Python中拆分列表非常简单！ 可以使用各种各样的出色工具，但是肯定有价值的一个功能是可以命名列表的片段。 这对于Python中的线性代数特别有用。
a = [0, 1, 2, 3, 4, 5]
LASTTHREE = slice(-3, None)
slice(-3, None, None)
print(a[LASTTHREE])
当然可以在for循环中相当容易地对相邻循环进行分组，特别是通过使用zip（），但这当然不是最好的处理方式。 为了使事情变得更加轻松和快捷，我们可以使用zip编写一个lambda表达式，该表达式将对我们的相邻列表进行分组，如下所示：
a = [1, 2, 3, 4, 5, 6]
group_adjacent = lambda a, k: zip(*([iter(a)] * k))
group_adjacent(a, 3)
[(1, 2, 3), (4, 5, 6)]
group_adjacent(a, 2)
[(1, 2), (3, 4), (5, 6)]
group_adjacent(a, 1)
在编程的大多数正常情况下，我们可以使用一个计数器来访问一个索引并获取我们的仓位号，该计数器将只是添加到以下值的值：
array1 = [5, 10, 15, 20]
array2 = (x ** 2 for x in range(10))
counter = 0for i in array1:
# This code wouldn't work because 'i' is not in array2.
# i = array2[i]
i = array2[counter]
# ^^^ This code would because we are accessing the position of i
但是，我们可以使用next（）代替它。 Next使用一个迭代器，该迭代器将当前位置存储在内存中，并在后台遍历列表。
g = (x ** 2 for x in range(10))
print(next(g))
print(next(g))
标准库中另一个很棒的模块是集合，我今天想向您介绍的是集合中的计数器。 使用Counter，我们可以轻松获得列表的计数。 这对于获取数据中的值总数，获取数据的空计数以及查看数据的唯一值很有用。 我知道你在想什么
'为什么不只使用Pandas？'
这当然是正确的观点。 但是，使用Pandas进行自动化无疑会更加困难，并且只是在部署算法时需要将其添加到虚拟环境中的另一个依赖项。 此外，Python中的计数器类型具有Pandas系列所没有的许多功能，这使其在某些情况下更加有用。
A = collections.Counter([1, 1, 2, 2, 3, 3, 3, 3, 4, 5, 6, 7])
A
Counter({3: 4, 1: 2, 2: 2, 4: 1, 5: 1, 6: 1, 7: 1})
A.most_common(1)
[(3, 4)]
A.most_common(3)
[(3, 4), (1, 2), (2, 2)]
收集模块中另一个很棒的事情是出队。 看看我们可以用这种类型做的所有整洁的事情！
import collections
Q = collections.deque()
Q.append(1)
Q.appendleft(2)
Q.extend([3, 4])
Q.extendleft([5, 6])
Q.pop()
Q.popleft()
Q.rotate(3)
Q.rotate(-3)
print(Q)
(本文翻译自Emmett Boudreau的文章《10 Smooth Python Tricks For Python Gods》，参考：https://towardsdatascience.com/10-smooth-python-tricks-for-python-gods-2e4f6180e5e3)
联系客服
