全文共2330字，预计学习时长11分钟

图源：unsplash

本文将介绍8个简洁的Python技巧，若非经验十足的程序员，你肯定有些从未见过。向着更简洁更高效，出发吧！

1.通过多个键值将对象进行排序

假设要对以下字典列表进行排序：

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 },

]

不仅要按名字或年龄对其进行排序，还要将两个字段同时进行排序。在SQL中，会是这样的查询：

SELECT * FROM people ORDER by name, age

实际上，这个问题的解决方法可以非常简单，Python保证sort函数提供了稳定的排序顺序，这也意味着比较相似的项将保留其原始顺序。要实现按名字和年龄排序，可以这样做：

import operator

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

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

要注意如何反转顺序。首先按年龄分类，然后按名字分类，使用operator.itemgetter()从列表中的每个字典中获取年龄和名字字段，这样你就会得到想要的结果：

[

{'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}

]

名字是主要排序项，如果姓名相同，则以年龄排序。因此，所有John都按年龄分组在一起。

2.数据类别

自3.7版之后，Python开始能提供数据类别。比起常规类或其他替代方法(如返回多个值或字典)，它有着更多优点：

· 数据类需要很少的代码

· 可以比较数据类，因为 __eq__ 可以实现此功能

· 数据类需要类型提示，减少了发生错误的可能性

· 可以轻松打印数据类以进行调试，因为__repr__可以实现此功能

这是一个工作中的数据类示例：

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.列表推导

列表推导可以在列表填写里代替讨厌的循环，其基本语法为

[ expression for item in list if conditional ]

来看一个非常基本的示例，用数字序列填充列表：

mylist = [i for i inrange(10)]

print(mylist)

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

因为可以使用表达式，所以你还可以进行一些数学运算：

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

print(squares)

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

甚至能调用外部函数：

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函数来筛选列表。在这种情况下，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.检查对象的内存使用情况

使用sys.getsizeof()可以检查对象的内存使用情况：

import sys

mylist =range(0, 10000)

print(sys.getsizeof(mylist))

# 48

为什么这个庞大的列表只有48个字节？这是因为range函数返回的类表现为列表。与使用实际的数字列表相比，数序列的存储效率要高得多。我们可以通过列表推导来创建相同范围内的实际数字列表：

import sys

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

print(sys.getsizeof(myreallist))

# 87632

通过使用sys.getsizeof()，我们可以了解更多关于Python和内存使用情况的信息。

5.查找最频繁出现的值

要查找列表或字符串中最频繁出现的值：

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

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

# 4

· max()将返回列表中的最大值。key参数采用单个参数函数自定义排序顺序，在本例中为test.count，该函数适用于迭代器上的每个项目。

· test.count是list的内置功能。它接受一个参数，并计算该参数的出现次数。因此test.count(1)将返回2，而test.count(4)将返回4。

· set(test)返回test中的所有唯一值，所以{1、2、3、4}

那么在这一行代码将接受test的所有唯一值，即{1、2、3、4}。接下来，max将对其应用list.count 函数并返回最大值。

还有一种更有效的方法：

from collections import Counter

Counter(test).most_common(1)

# [4: 4]

6.属性包

图源：unsplash

你可以使用attrs代替数据类，选择attrs有两个原因：

· 使用的Python版本高于3.7

· 想要更多功能

Theattrs软件包支持所有主流Python版本，包括CPython 2.7和PyPy。一些attrs可以提供验证器和转换器这种超常规数据类。来看一些示例代码：

@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)

实际上，attrs的作者已经在使用引入数据类的PEP了。数据类被有意地保持得更简单、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+)

从Python 3.5开始，合并字典变得更加容易：

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

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

merged= { **dict1, **dict2 }

print (merged)

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

如果有重叠的键，第一个字典中的键将被覆盖。在Python 3.9中，合并字典变得更加简洁。上面Python 3.9中的合并可以重写为：

merged = dict1 | dict2

8.返回多个值

Python中的函数在没有字典，列表和类的情况下可以返回多个变量，它的工作方式如下：

defget_user(id):

# fetch user from database

# ....

return name, birthdate

name, birthdate =get_user(4)

这是有限的返回值，但任何超过3个值的内容都应放入一个(数据)类。

这8个小技巧足够你好好消化一阵儿啦！

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范