經驗豐富程序員才知道的8種高級Python技巧
本文轉載自公眾號“讀芯術”(ID：AI_Discovery)
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?；镜氖纠脭底中蛄刑畛淞斜恚?/p>
- 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
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+)
- 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!
