Python的30个编程技巧
1. 原地交换两个数字
Python 提供了一个直观的在一行代码中赋值与交换(变量值)的方法,请参见下面的示例:
x,y= 10,20 print(x,y) x,y= y,x print(x,y) #1 (10, 20) #2 (20, 10)
赋值的右侧形成了一个新的元组,左侧立即解析(unpack)那个(未被引用的)元组到变量 和 。
一旦赋值完成,新的元组变成了未被引用状态并且被标记为可被垃圾回收,最终也完成了变量的交换。
2. 链状比较操作符
比较操作符的聚合是另一个有时很方便的技巧:
n= 10 result= 1< n< 20 print(result) # True result= 1> n<= 9 print(result) # False
3. 使用三元操作符来进行条件赋值
三元操作符是 if-else 语句也就是条件操作符的一个快捷方式:
[表达式为真的返回值] if [表达式] else [表达式为假的返回值]
这里给出几个你可以用来使代码紧凑简洁的例子。下面的语句是说“如果 y 是 9,给 x 赋值 10,不然赋值为 20”。如果需要的话我们也可以延长这条操作链。
x = 10 if (y == 9) else 20
同样地,我们可以对类做这种操作:
x = (classA if y == 1 else classB)(param1, param2)
在上面的例子里 classA 与 classB 是两个类,其中一个类的构造函数会被调用。
下面是另一个多个条件表达式链接起来用以计算最小值的例子:
def small(a,b,c): returnaifa<= banda<= celse(bifb<= aandb<= celsec) print(small(1,0,1)) print(small(1,2,2)) print(small(2,2,3)) print(small(5,4,3)) #Output #0 #1 #2 #3
我们甚至可以在列表推导中使用三元运算符:
[m**2 if m > 10 else m**4 for m in range(50)] #=> [0, 1, 16, 81, 256, 625, 1296, 2401, 4096, 6561, 10000, 121, 144, 169, 196, 225, 256, 289, 324, 361, 400, 441, 484, 529, 576, 625, 676, 729, 784, 841, 900, 961, 1024, 1089, 1156, 1225, 1296, 1369, 1444, 1521, 1600, 1681, 1764, 1849, 1936, 2025, 2116, 2209, 2304, 2401]
4. 多行字符串
基本的方式是使用源于 C 语言的反斜杠:
multiStr= “select * from multi_row where row_id < 5” print(multiStr) # select * from multi_row where row_id < 5
另一个技巧是使用三引号:
multiStr= “””select * from multi_row where row_id < 5″”” print(multiStr) #select * from multi_row #where row_id < 5
上面方法共有的问题是缺少合适的缩进,如果我们尝试缩进会在字符串中插入空格。所以最后的解决方案是将字符串分为多行并且将整个字符串包含在括号中:
multiStr= (“select * from multi_row ” “where row_id < 5 ” “order by age”) print(multiStr) #select * from multi_row where row_id < 5 order by age
5. 存储列表元素到新的变量中
我们可以使用列表来初始化多个变量,在解析列表时,变量的数目不应该超过列表中的元素个数:【译者注:元素个数与列表长度应该严格相同,不然会报错】
testList= [1,2,3] x,y,z= testList print(x,y,z) #-> 1 2 3
6. 打印引入模块的文件路径
如果你想知道引用到代码中模块的绝对路径,可以使用下面的技巧:
import threading import socket print(threading) print(socket) #1- #2-
7. 交互环境下的 “_” 操作符
这是一个我们大多数人不知道的有用特性,在 Python 控制台,不论何时我们测试一个表达式或者调用一个方法,结果都会分配给一个临时变量: _(一个下划线)。
>>> 2+ 1 3 >>> _ 3 >>> print_ 3
“_” 是上一个执行的表达式的输出。
8. 字典/集合推导
与我们使用的列表推导相似,我们也可以使用字典/集合推导,它们使用起来简单且有效,下面是一个例子:
testDict= {i: i *iforiinxrange(10)} testSet= {i *2foriinxrange(10)} print(testSet) print(testDict) #set([0, 2, 4, 6, 8, 10, 12, 14, 16, 18]) #{0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}
注:两个语句中只有一个
9. 调试脚本
我们可以在
import pdb pdb.set_trace()
我们可以在脚本中任何位置指定
10. 开启文件分享
Python 允许运行一个 HTTP 服务器来从根路径共享文件,下面是开启服务器的命令:
# Python 2
python -m SimpleHTTPServer
# Python 3
python3 -m http.server
上面的命令会在默认端口也就是 8000 开启一个服务器,你可以将一个自定义的端口号以最后一个参数的方式传递到上面的命令中。
11. 检查 Python 中的对象
我们可以通过调用 dir() 方法来检查 Python 中的对象,下面是一个简单的例子:
test= [1,3,5,7] print(dir(test))
[‘__add__’, ‘__class__’, ‘__contains__’, ‘__delattr__’, ‘__delitem__’, ‘__delslice__’, ‘__doc__’, ‘__eq__’, ‘__format__’, ‘__ge__’, ‘__getattribute__’, ‘__getitem__’, ‘__getslice__’, ‘__gt__’, ‘__hash__’, ‘__iadd__’, ‘__imul__’, ‘__init__’, ‘__iter__’, ‘__le__’, ‘__len__’, ‘__lt__’, ‘__mul__’, ‘__ne__’, ‘__new__’, ‘__reduce__’, ‘__reduce_ex__’, ‘__repr__’, ‘__reversed__’, ‘__rmul__’, ‘__setattr__’, ‘__setitem__’, ‘__setslice__’, ‘__sizeof__’, ‘__str__’, ‘__subclasshook__’, ‘append’, ‘count’, ‘extend’, ‘index’, ‘insert’, ‘pop’, ‘remove’, ‘reverse’, ‘sort’]
12. 简化 if 语句
我们可以使用下面的方式来验证多个值:
if m in [1,3,5,7]:
而不是:
if m==1 or m==3 or m==5 or m==7:
或者,对于 in 操作符我们也可以使用 ‘{1,3,5,7}’ 而不是 ‘[1,3,5,7]’,因为 set 中取元素是 O(1) 操作。
13. 运行时检测 Python 版本
21. 一行代码计算任何数的阶乘
Python 2.x.
result= (lambdak: reduce(int.__mul__,range(1,k+1),1))(3) print(result) #-> 6
Python 3.x.
import functools result= (lambdak: functools.reduce(int.__mul__,range(1,k+1),1))(3) print(result) #-> 6
22. 找到列表中出现最频繁的数
test= [1,2,3,4,2,2,3,1,4,4,4] print(max(set(test),key=test.count)) #-> 4
23. 重置递归限制
Python 限制递归次数到 1000,我们可以重置这个值:
import sys x=1001 print(sys.getrecursionlimit()) sys.setrecursionlimit(x) print(sys.getrecursionlimit()) #1-> 1000 #2-> 1001
请只在必要的时候采用上面的技巧。
24. 检查一个对象的内存使用
在 Python 2.7 中,一个 32 比特的整数占用 24 字节,在 Python 3.5 中利用 28 字节。为确定内存使用,我们可以调用 getsizeof 方法:
在 Python 2.7 中
import sys x=1 print(sys.getsizeof(x)) #-> 24
在 Python 3.5 中
import sys x=1 print(sys.getsizeof(x)) #-> 28
25. 使用 __slots__ 来减少内存开支
你是否注意到你的 Python 应用占用许多资源特别是内存?有一个技巧是使用 __slots__ 类变量来在一定程度上减少内存开支。
import sys classFileSystem(object): def __init__(self,files,folders,devices): self.files= files self.folders= folders self.devices= devices print(sys.getsizeof(FileSystem)) classFileSystem1(object): __slots__= [‘files’,’folders’,’devices’] def __init__(self,files,folders,devices): self.files= files self.folders= folders self.devices= devices print(sys.getsizeof(FileSystem1)) #In Python 3.5 #1-> 1016 #2-> 888
很明显,你可以从结果中看到确实有内存使用上的节省,但是你只应该在一个类的内存开销不必要得大时才使用 __slots__。只在对应用进行性能分析后才使用它,不然地话,你只是使得代码难以改变而没有真正的益处。
【译者注:在我的 win10 python2.7 中上面的结果是:
#In Python 2.7 win10 #1-> 896 #2-> 1016
所以,这种比较方式是不那么让人信服的,使用 __slots__ 主要是用以限定对象的属性信息,另外,当生成对象很多时花销可能会小一些,具体可以参见 python 官方文档:
The slots declaration takes a sequence of instance variables and reserves just enough space in each instance to hold a value for each variable. Space is saved because dict is not created for each instance. 】
26. 使用 lambda 来模仿输出方法
import sys lprint=lambda *args:sys.stdout.write(” “.join(map(str,args))) lprint(“python”,”tips”,1000,1001) #-> python tips 1000 1001
27. 从两个相关的序列构建一个字典
t1= (1,2,3) t2= (10,20,30) print(dict(zip(t1,t2))) #-> {1: 10, 2: 20, 3: 30}
28. 一行代码搜索字符串的多个前后缀
print(“http://www.google.com”.startswith((“http://”,”https://”))) print(“http://www.google.co.uk”.endswith((“.com”,”.co.uk”))) #1-> True #2-> True
29. 不使用循环构造一个列表
import itertools test= [[-1,-2],[30,40],[25,35]] print(list(itertools.chain.from_iterable(test))) #-> [-1, -2, 30, 40, 25, 35]
30. 在 Python 中实现一个真正的 switch-case 语句
下面的代码使用一个字典来模拟构造一个 switch-case。
def xswitch(x): returnxswitch._system_dict.get(x,None) xswitch._system_dict= {‘files’: 10,’folders’: 5,’devices’: 2} print(xswitch(‘default’)) print(xswitch(‘devices’)) #1-> None #2-> 2
本文地址https://mp.weixin.qq.com/s?__biz=MzUxMjUxMzIwNA==&mid=2247483670&idx=1&sn=ab499ae6b797cfe06b81468b5005f937&chksm=f96204cdce158ddbd56c9be714ce7f3dbf52ba8e56f6bbcc1afc48c776ba6690426859bf14c2&scene=21#wechat_redirect
Python可以这样学(第二季tkinter精彩编程) http://www.roncoo.com/course/view/82b3a098750545f1b80fe789a72d5a81
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
深入理解分布式事务
1、什么是分布式事务 分布式事务就是指事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于不同的分布式系统的不同节点之上。以上是百度百科的解释,简单的说,就是一次大的操作由不同的小操作组成,这些小的操作分布在不同的服务器上,且属于不同的应用,分布式事务需要保证这些小操作要么全部成功,要么全部失败。本质上来说,分布式事务就是为了保证不同数据库的数据一致性。 2、分布式事务的产生的原因 2.1、数据库分库分表 当数据库单表一年产生的数据超过1000W,那么就要考虑分库分表,具体分库分表的原理在此不做解释,以后有空详细说,简单的说就是原来的一个数据库变成了多个数据库。这时候,如果一个操作既访问01库,又访问02库,而且要保证数据的一致性,那么就要用到分布式事务。 2.2、应用SOA化 所谓的SOA化,就是业务的服务化。比如原来单机支撑了整个电商网站,现在对整个网站进行拆解,分离出了订单中心、用户中心、库存中心。对于订单中心,有专门的数据库存储订单信息,用户中心也有专门的数据库存储用户信息,库存中心也会有专门的数据库存储库存信息。这时候如果要同时对订单和库存进行操作,那么就会涉及到...
- 下一篇
Mysql数据库主从心得整理
Mysql数据库主从心得整理 这里有套教材 管理mysql主从有2年多了,管理过200多组mysql主从,几乎涉及到各个版本的主从,本博文属于总结性的,有一部分是摘自网络,大部分是根据自己管理的心得和经验所写,整理了一下,分享给各位同行,希望对大家有帮助,互相交流。 一、mysql主从的原理 1、Replication 线程 Mysql的 Replication 是一个异步的复制过程(mysql5.1.7以上版本分为异步复制和半同步两种模式),从一个 Mysql instace(我们称之为 Master)复制到另一个 Mysql instance(我们称之 Slave)。在 Master 与 Slave 之间的实现整个复制过程主要由三个线程来完成,其中两个线程(Sql线程和IO线程)在 Slave 端,另外一个线程(IO线程)在 Master 端。 要实现 MySQL 的 Replication ,首先必须打开 Master 端的Binary Log(mysql-bin.xxxxxx)功能,否则无法实现。因为整个复制过程实际上就是Slave从Master端获取该日志然后再在自己身上完全...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS6,CentOS7官方镜像安装Oracle11G
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- CentOS8编译安装MySQL8.0.19
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- Windows10,CentOS7,CentOS8安装Nodejs环境
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7