python小例子-Python 常用小例子
作者原文
https://mp.weixin.qq.com/s/eFYDW20YPynjsW_jcp-QWw
内置函数(63个)
1 abs()
绝对值或复数的模
In [1]: abs(-6)
Out[1]: 6
2 all()
接受一个迭代器,如果迭代器的所有元素都为真,那么返回True,否则返回False
In [2]: all([1,0,3,6])
Out[2]: False
In [3]: all([1,2,3])
Out[3]: True
3 any()
接受一个迭代器,如果迭代器里有一个元素为真,那么返回True,否则返回False
In [4]: any([0,0,0,[]])
Out[4]: False
In [5]: any([0,0,1])
Out[5]: True
4 ascii()
调用对象的 repr () 方法,获得该方法的返回值
In [30]: class Student():
...: def __init__(self,id,name):
...: self.id = id
...: self.name = name
...: def __repr__(self):
...: return "id = "+self.id +", name = "+self.name
In [33]: print(xiaoming)
id = 001, name = xiaoming
In [34]: ascii(xiaoming)
Out[34]: "id = 001, name = xiaoming"
5 bin()
将十进制转换为二进制
In [35]: bin(10)
Out[35]: "0b1010"
6 oct()
将十进制转换为八进制
In [36]: oct(9)
Out[36]: "0o11"
7 hex()
将十进制转换为十六进制
In [37]: hex(15)
Out[37]: "0xf"
8 bool()
测试一个对象是True, 还是False.
In [38]: bool([0,0,0])
Out[38]: True
In [39]: bool([])
Out[39]: False
In [40]: bool([1,0,1])
Out[40]: True
9 bytes()
将一个字符串转换成字节类型
In [44]: s = "apple"
In [45]: bytes(s,encoding="utf-8")
Out[45]: b"apple"
10 str()
将 字符类型 、 数值类型 等转换为字符串类型
In [46]: integ = 100
In [47]: str(integ)
Out[47]: "100"
11 callable()
判断对象是否可以被调用,能被调用的对象就是一个callable 对象,比如函数 str, int 等都是可被调用的,但是例子4 中xiaoming这个实例是不可被调用的:
In [48]: callable(str)
Out[48]: True
In [49]: callable(int)
Out[49]: True
In [50]: xiaoming
Out[50]: id = 001, name = xiaoming
In [51]: callable(xiaoming)
Out[51]: False
12 chr()
查看十进制整数对应的ASCII字符
In [54]: chr(65)
Out[54]: "A"
13 ord()
查看某个ascii对应的十进制数
In [60]: ord("A")
Out[60]: 65
14 classmethod()
classmethod修饰符对应的函数不需要实例化,不需要 self 参数,但第一个参数需要是表示自身类的 cls 参数,可以来调用类的属性,类的方法,实例化对象等。
In [66]: class Student():
...: def __init__(self,id,name):
...: self.id = id
...: self.name = name
...: def __repr__(self):
...: return "id = "+self.id +", name = "+self.name
...: @classmethod
...: def f(cls):
...: print(cls)
15 complie()
将字符串编译成python 能识别或可以执行的代码,也可以将文字读成字符串再编译。
In [74]: s = "print("helloworld")"
In [75]: r = compile(s,"", "exec")
In [76]: r
Out[76]: at 0x0000000005DE75D0, file "", line 1>
In [77]: exec(r)
helloworld
16 complex()
创建一个复数
In [81]: complex(1,2)
Out[81]: (1+2j)
17 delattr()
删除对象的属性
In [87]: delattr(xiaoming,"id")
In [88]: hasattr(xiaoming,"id")
Out[88]: False
18 dict()
创建数据字典
In [92]: dict()
Out[92]: {}
In [93]: dict(a="a",b="b")
Out[93]: {"a": "a", "b": "b"}
In [94]: dict(zip(["a","b"],[1,2]))
Out[94]: {"a": 1, "b": 2}
In [95]: dict([("a",1),("b",2)])
Out[95]: {"a": 1, "b": 2}
19 dir()
不带参数时返回当前范围内的变量,方法和定义的类型列表;带参数时返回参数的属性,方法列表。
In [96]: dir(xiaoming)
Out[96]:
["__class__",
"__delattr__",
"__dict__",
"__dir__",
"__doc__",
"__eq__",
"__format__",
"__ge__",
"__getattribute__",
"__gt__",
"__hash__",
"__init__",
"__init_subclass__",
"__le__",
"__lt__",
"__module__",
"__ne__",
"__new__",
"__reduce__",
"__reduce_ex__",
"__repr__",
"__setattr__",
"__sizeof__",
"__str__",
"__subclasshook__",
"__weakref__",
"name"]
20 divmod()
分别取商和余数
In [97]: divmod(10,3)
Out[97]: (3, 1)
21 enumerate()
返回一个可以枚举的对象,该对象的next()方法将返回一个元组。
In [98]: s = ["a","b","c"]
...: for i ,v in enumerate(s,1):
...: print(i,v)
...:
1 a
2 b
3 c
22 eval()
将字符串str 当成有效的表达式来求值并返回计算结果取出字符串中内容
In [99]: s = "1 + 3 +5"
...: eval(s)
...:
Out[99]: 9
23 exec()
执行字符串或complie方法编译过的字符串,没有返回值
In [74]: s = "print("helloworld")"
In [75]: r = compile(s,"", "exec")
In [76]: r
Out[76]: at 0x0000000005DE75D0, file "", line 1>
In [77]: exec(r)
helloworld
24 filter()
过滤器,构造一个序列,等价于
[ item for item in iterables if function(item)]
在函数中设定过滤条件,逐一循环迭代器中的元素,将返回值为True时的元素留下,形成一个filter类型数据。
In [101]: fil = filter(lambda x: x>10,[1,11,2,45,7,6,13])
In [102]: list(fil)
Out[102]: [11, 45, 13]
25 float()
将一个字符串或整数转换为浮点数
In [103]: float(3)
Out[103]: 3.0
26 format()
格式化输出字符串,format(value, format_spec)实质上是调用了value的 format (format_spec)方法。
In [104]: print("i am {0},age{1}".format("tom",18))
i am tom,age18
27 frozenset()
创建一个不可修改的集合。
In [105]: frozenset([1,1,3,2,3])
Out[105]: frozenset({1, 2, 3})
28 getattr()
获取对象的属性
In [106]: getattr(xiaoming,"name")
Out[106]: "xiaoming"
29 globals()
返回一个描述当前全局变量的字典
30 hasattr()
In [110]: hasattr(xiaoming,"name")
Out[110]: True
In [111]: hasattr(xiaoming,"id")
Out[111]: False
31 hash()
返回对象的哈希值
In [112]: hash(xiaoming)
Out[112]: 6139638
32 help()
返回对象的帮助文档
In [113]: help(xiaoming)
Help on Student in module __main__ object:
class Student(builtins.object)
| Methods defined here:
|
| __init__(self, id, name)
|
| __repr__(self)
|
| ----------------------------------------------------------------------
| Data descriptors defined here:
|
| __dict__
| dictionary for instance variables (if defined)
|
| __weakref__
| list of weak references to the object (if defined)
33 id()
返回对象的内存地址
In [115]: id(xiaoming)
Out[115]: 98234208
34 input()
获取用户输入内容
In [116]: input()
aa
Out[116]: "aa"
35 int()
int(x, base =10) , x可能为字符串或数值,将x 转换为一个普通整数。如果参数是字符串,那么它可能包含符号和小数点。如果超出了普通整数的表示范围,一个长整数被返回。
In [120]: int("12",16)
Out[120]: 18
36 isinstance( object , classinfo )
判断 object 是否为类 classinfo 的实例,是返回true
In [20]: class Student():
...: ...: def __init__(self,id,name):
...: ...: self.id = id
...: ...: self.name = name
...: ...: def __repr__(self):
...: ...: return "id = "+self.id +", name = "+self.name
...:
In [21]: xiaoming = Student("001","xiaoming")
In [22]: isinstance(xiaoming,Student)
Out[22]: True
37 issubclass( class , classinfo )
如果class是classinfo类的子类,返回True:
In [27]: class undergraduate(Student):
...: def studyClass(self):
...: pass
...: def attendActivity(self):
...: pass
...:
In [28]: issubclass(undergraduate,Student)
Out[28]: True
In [29]: issubclass(object,Student)
Out[29]: False
In [30]: issubclass(Student,object)
Out[30]: True
如果class是classinfo元组中某个元素的子类,也会返回True
In [26]: issubclass(int,(int,float))
Out[26]: True
38 iter(object, sentinel)
返回一个可迭代对象, sentinel可省略
In [72]: lst = [1,3,5]
In [73]: for i in iter(lst):
...: print(i)
...:
1
3
5
sentinel 理解为迭代对象的哨兵,一旦迭代到此元素,立即终止:
In [81]: class TestIter(object):
...: def __init__(self):
...: self.l=[1,3,2,3,4,5]
...: self.i=iter(self.l)
...: def __call__(self): #定义了__call__方法的类的实例是可调用的
...: item = next(self.i)
...: print ("__call__ is called,which would return",item)
...: return item
...: def __iter__(self): #支持迭代协议(即定义有__iter__()函数)
...: print ("__iter__ is called!!")
...: return iter(self.l)
...:
In [82]: t = TestIter()
...: t1 = iter(t, 3)
...: for i in t1:
...: print(i)
...:
__call__ is called,which would return 1
1
__call__ is called,which would return 3
39 len( s )
返回对象的长度(元素个数)
In [83]: dic = {"a":1,"b":3}
In [84]: len(dic)
Out[84]: 2
40 list([ iterable ])
返回可变序列类型
In [85]: list(map(lambda x: x%2==1, [1,3,2,4,1]))
Out[85]: [True, True, False, False, True]
41 map( function , iterable , … )
返回一个将 function 应用于 iterable 中每一项并输出其结果的迭代器:
In [85]: list(map(lambda x: x%2==1, [1,3,2,4,1]))
Out[85]: [True, True, False, False, True]
可以传入多个 iterable 对象,输出长度等于最短序列的长度:
In [88]: list(map(lambda x,y: x%2==1 and y%2==0, [1,3,2,4,1],[3,2,1,2]))
Out[88]: [False, True, False, False]
42 max( iterable ,*[, key , default ])
返回最大值:
In [99]: max(3,1,4,2,1)
Out[99]: 4
In [100]: max((),default=0)
Out[100]: 0
In [89]: di = {"a":3,"b1":1,"c":4}
In [90]: max(di)
Out[90]: "c"
In [102]: a = [{"name":"xiaoming","age":18,"gender":"male"},{"name":"
...: xiaohong","age":20,"gender":"female"}]
In [104]: max(a,key=lambda x: x["age"])
Out[104]: {"name": "xiaohong", "age": 20, "gender": "female"}
43 min( iterable ,*[, key , default ])
返回最小值
44 memoryview( obj )
返回由给定实参创建的“内存视图”对象, Python 代码访问一个对象的内部数据,只要该对象支持 缓冲区协议 而无需进行拷贝
45 next( iterator ,[, default ])
返回可迭代对象的下一个元素
In [129]: it = iter([5,3,4,1])
In [130]: next(it)
Out[130]: 5
In [131]: next(it)
Out[131]: 3
In [132]: next(it)
Out[132]: 4
In [133]: next(it)
Out[133]: 1
In [134]: next(it,0) #迭代到头,默认返回值为0
Out[134]: 0
In [135]: next(it)
----------------------------------------------------------------------
StopIteration Traceback (most recent call last)
in
----> 1 next(it)
StopIteration:
46 object()
返回一个没有特征的新对象。object 是所有类的基类。
In [137]: o = object()
In [138]: type(o)
Out[138]: object
47 open( file )
返回文件对象
In [146]: fo = open("D:/a.txt",mode="r", encoding="utf-8")
In [147]: fo.read()
Out[147]: "life is not so long, I use Python to play."
mode取值表:
字符意义
"r"
读取(默认)
"w"
写入,并先截断文件
"x"
排它性创建,如果文件已存在则失败
"a"
写入,如果文件存在则在末尾追加
"b"
二进制模式
"t"
文本模式(默认)
"+"
打开用于更新(读取与写入)
48 pow( base , exp [, mod ])
base为底的exp次幂,如果mod给出,取余
In [149]: pow(3, 2, 4)
Out[149]: 1
49 print(objects)
打印对象,此函数不解释
50 class property( fget=None , fset=None , fdel=None , doc=None )
返回 property 属性,典型的用法:
class C:
def __init__(self):
self._x = None
def getx(self):
return self._x
def setx(self, value):
self._x = value
def delx(self):
del self._x
# 使用property类创建 property 属性
x = property(getx, setx, delx, "I"m the "x" property.")
使用python装饰器,实现与上完全一样的效果代码:
class C:
def __init__(self):
self._x = None
@property
def x(self):
return self._x
@x.setter
def x(self, value):
self._x = value
@x.deleter
def x(self):
del self._x
51 range(stop)
range(start, stop[,step])
生成一个不可变序列:
In [153]: range(11)
Out[153]: range(0, 11)
In [154]: range(0,11,1)
Out[154]: range(0, 11)
52 reversed( seq )
返回一个反向的 iterator:
In [155]: rev = reversed([1,4,2,3,1])
In [156]: for i in rev:
...: print(i)
...:
1
3
2
4
1
53 round( number [, ndigits ])
四舍五入,ndigits代表小数点后保留几位:
In [157]: round(10.0222222, 3)
Out[157]: 10.022
54 class set([ iterable ])
返回一个set对象,可实现去重:
In [159]: a = [1,4,2,3,1]
In [160]: set(a)
Out[160]: {1, 2, 3, 4}
55 class slice( stop )
class slice( start , stop [, step ])
返回一个表示由 range(start, stop, step) 所指定索引集的 slice对象
In [170]: a = [1,4,2,3,1]
In [171]: a[slice(0,5,2)] #等价于a[0:5:2]
Out[171]: [1, 2, 1]
56 sorted( iterable , *, key=None , reverse=False )
排序:
In [174]: a = [1,4,2,3,1]
In [175]: sorted(a,reverse=True)
Out[175]: [4, 3, 2, 1, 1]
In [178]: a = [{"name":"xiaoming","age":18,"gender":"male"},{"name":"
...: xiaohong","age":20,"gender":"female"}]
In [180]: sorted(a,key=lambda x: x["age"],reverse=False)
Out[180]:
[{"name": "xiaoming", "age": 18, "gender": "male"},
{"name": "xiaohong", "age": 20, "gender": "female"}]
57 @ staticmethod
将方法转换为静态方法,不做解释
58 vars()
返回模块、类、实例或任何其它具有 __dict__ 属性的对象的 __dict__ 属性
In [2]: vars()
Out[2]:
{"__name__": "__main__",
"__doc__": "Automatically created module for IPython interactive environment",
"__package__": None,
"__loader__": None,
"__spec__": None,
"__builtin__": ,
"__builtins__": ,
"_ih": ["", "vars([1,2,3])", "vars()"],
"_oh": {},
"_dh": ["C:\Windows\system32"],
"In": ["", "vars([1,2,3])", "vars()"],
"Out": {},
"get_ipython": >,
"exit": ,
"quit": ,
"_": "",
"__": "",
"___": "",
"_i": "vars([1,2,3])",
"_ii": "",
"_iii": "",
"_i1": "vars([1,2,3])",
"_i2": "vars()"}
59 sum( iterable , / , start=0 )
求和:
In [181]: a = [1,4,2,3,1]
In [182]: sum(a)
Out[182]: 11
In [185]: sum(a,10) #求和的初始值为10
Out[185]: 21
60 super([ type [, object-or-type ]])
返回一个代理对象,它会将方法调用委托给 type 的父类或兄弟类
61 tuple([ iterable ])
虽然被称为函数,但 tuple 实际上是一个不可变的序列类型
62 class type ( object )
class type ( name , bases , dict )
传入一个参数时,返回 object 的类型:
In [186]: type(xiaoming)
Out[186]: __main__.Student
In [187]: type(tuple())
Out[187]: tuple
63 zip (* iterables )
创建一个聚合了来自每个可迭代对象中的元素的迭代器:
In [188]: x = [3,2,1]
In [189]: y = [4,5,6]
In [190]: list(zip(y,x))
Out[190]: [(4, 3), (5, 2), (6, 1)]
In [191]: a = range(5)
In [192]: b = list("abcde")
In [193]: b
Out[193]: ["a", "b", "c", "d", "e"]
In [194]: [str(y) + str(x) for x,y in zip(a,b)]
Out[194]: ["a0", "b1", "c2", "d3", "e4"]
3 列表生成式
python里面[] 表示一个列表,对容器类型的数据进行运算和操作,生成新的列表最高效、快速的办法,就是列表生成式。它优雅、简洁,值得大家多多使用!今天盘点列表生成式在工作中的主要使用场景。
3.1 入门例子
1
range快速生成连续列表
In [1]: a = range(11)
In [2]: a
Out[2]: range(0, 11)
In [3]: list(a)
Out[3]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
2
对列表里面的数据进行运算后重新生成一个新的列表:
In [5]: a = range(0,11)
In [6]: b = [x**2 for x in a]
In [7]: b
Out[7]: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
3
对一个列表里面的数据筛选,只计算[0,11) 中偶数的平方:
In [10]: a = range(11)
In [11]: c = [x**2 for x in a if x%2==0]
In [12]: c
Out[12]: [0, 4, 16, 36, 64, 100]
4
前面列表生成式都只传一个参数x,带有两个参数的运算:
In [13]: a = range(5)
In [14]: b = ["a","b","c","d","e"]
In [20]: c = [str(y) + str(x) for x, y in zip(a,b)]
In [21]: c
Out[21]: ["a0", "b1", "c2", "d3", "e4"]
3.2 中级例子
5
结合字典,打印键值对:
In [22]: a = {"a":1,"b":2,"c":3}
In [23]: b = [k+ "=" + v for k, v in a.items()]
In [24]: b = [k+ "=" + str(v) for k, v in a.items()]
In [25]: b
Out[25]: ["a=1", "b=2", "c=3"]
6
输出某个目录下的所有文件和文件夹的名称:
In [33]: [d for d in os.listdir("d:/summary")]
Out[33]: ["a.txt.txt", "python-100"]
7
列表中所有单词都转化为小写:
In [34]: a = ["Hello", "World", "2019Python"]
In [35]: [w.lower() for w in a]
Out[35]: ["hello", "world", "2019python"]
3.3 高级例子
8
将值分组:
In [36]: def bifurcate(lst, filter):
...: return [
...: [x for i,x in enumerate(lst) if filter[i] == True],
...: [x for i,x in enumerate(lst) if filter[i] == False]
...: ]
...:
In [37]: bifurcate(["beep", "boop", "foo", "bar"], [True, True, False, True])
Out[37]: [["beep", "boop", "bar"], ["foo"]]
9
进一步抽象例子8,根据指定函数fn 对lst 分组:
In [38]: def bifurcate_by(lst, fn):
...: return [
...: [x for x in lst if fn(x)],
...: [x for x in lst if not fn(x)]
...: ]
...:
In [39]: bifurcate_by(["beep", "boop", "foo", "bar"], lambda x: x[0] == "b")
Out[39]: [["beep", "boop", "bar"], ["foo"]]
10
返回可迭代对象的差集,注意首先 都把a, b 用set 包装
In [53]: def difference(a, b):
...: _a, _b =set(a),set(b)
...: return [item for item in _a if item not in _b]
...:
...:
In [54]: difference([1,1,2,3,3], [1, 2, 4])
Out[54]: [3]
11
进一步抽象10,根据函数fn 映射后选取差集,如下列表元素分别为单个元素和字典的例子:
In [61]: def difference_by(a, b, fn):
...: ...: _b = set(map(fn, b))
...: ...: return [item for item in a if fn(item) not in _b]
...: ...:
...:
In [62]: from math import floor
...: difference_by([2.1, 1.2], [2.3, 3.4],floor)
Out[62]: [1.2]
In [63]: difference_by([{ "x": 2 }, { "x": 1 }], [{ "x": 1 }], lambda v : v["x"])
Out[63]: [{"x": 2}]
12
过滤非重复值,结合list 的count( 统计出元素在列表中出现次数):
In [64]: def filter_non_unique(lst):
...: return [item for item in lst if lst.count(item) == 1]
In [65]: filter_non_unique([1, 2, 2, 3, 4, 4, 5])
Out[65]: [1, 3, 5]
4 Collections
Python有许多很好的库(libraries),实现这些功能只需要几行代码。今天介绍一个库: collections . 这个模块提供容器相关的更高性能的数据类型,它们提供比通用容器 dict , list , set 和 tuple 更强大的功能。
今天介绍其中三种数据类型,最后你可能会惊讶它们怎么这么好用。
4.1 NamedTuple
对于数据分析或机器学习领域,用好namedtuples 会写出可读性强、易于维护的代码。大家回忆这种熟悉的场景,你正在做特征工程,因为你尤其喜爱list, 所以把一堆特征放到一个list 中,然后喂到机器学习模型中。很快,你将会意识到数百个特征位于此list 中,这就是事情变得糟糕的开始。
In [10]: feature = ["age","height","name"]
In [11]: data = [[10,1,"xiaoming"],[12,1,5,"xiaohong"]]
In [12]: data[0][0] #只能靠整数索引到某个特征,0对应age
Out[12]: 10
某天,你想使用某个特征,这时比较棘手,你不知道它的index!更糟糕的是,当你准备离职要交接工作时,他们看到一个一个的数字型索引,完全对不上哪个和哪个,他们懵逼,你也尴尬。
如果我们使用NamedTuples去处理以上数据,乱为一团的事情将会迅速变得井然有序:
In [4]: Person = namedtuple("Person",["age","height","name"])
In [15]: data2 = [Person(10,1.4,"xiaoming"),Person(12,1.5,"xiaohong")]
In [16]: data2[0].age
Out[16]: 10
仅仅几行代码,我们将会很容易索引到第0行数据的age属性取值,这在实际中真是太好用。你告别indexes访问你的数据集中的特征值,而是使用更加人性化,可读性强的names索引。
NamedTuples会使得代码易读、更易维护。
4.2 Counter
Counter正如名字那样,它的主要功能就是计数。这听起来简单,但是我们在分析数据时,基本都会涉及计数,真的家常便饭。
习惯使用list 的看过来,有一些数值已经放在一个list中:
skuPurchaseCount = [3, 8, 3, 10, 3, 3, 1, 3, 7, 6, 1, 2, 7, 0, 7, 9, 1, 5, 1, 0]
In [33]: for i in skuPurchaseCount:
...: if countdict.get(i) is None:
...: countdict[i]=1
...: else:
...: countdict[i]+=1
In [34]: countdict
Out[34]: {3: 5, 8: 1, 10: 1, 1: 4, 7: 3, 6: 1, 2: 1, 0: 2, 9: 1, 5: 1}
如果使用Counter,我们可以写出更简化的代码:
In [35]: from collections import Counter
In [42]: Counter(skuPurchaseCount).most_common()
Out[42]:
[(3, 5),(1, 4),(7, 3),(0, 2),(8, 1),(10, 1),(6, 1),(2, 1),(9, 1),(5, 1)]
仅仅一行代码,我们便输出统计计数结果,并且是一个按照次数统计出来的由大到小排序好的tuples列表,因此我们很快就会看到,购买3次是出现最多的,一共5次。
购买为1次的占多数,属于长尾。
4.3 DefaultDict
DefaultDict是一个被初始化的字典,也就是每个键都已经被访问一次:
In [53]: d = defaultdict(int)
In [54]: for k in "collections":
...: d[k] += 1
In [55]: d
Out[55]:
defaultdict(int,
{"c": 2, "o": 2, "l": 2, "e": 1, "t": 1, "i": 1, "n": 1, "s": 1})
一般地,当你尝试访问一个不在字典中的值时,将会抛出一个异常。但是defaultdict可以帮助我们初始化,它的参数作为default_factory. 在上面例子中,将生成 int 对象,意思是默认值为int 型,并 设定初始值为0 ,所以我们可以很容易地统计每个字符出现的次数。
Simple and clean!
更有用的一个使用场景,我们有很多种商品,在每秒内下单次数的统计数据如下:
In [56]: data = [("iphone11",103), ("华为macbook-SKU1232",210),("iphone11",21),("
...: 华为macbook-SKU1232",100)]
In [57]: d = defaultdict(list)
In [58]: for ele in data:
...: d[ele[0]].append(ele[1])
In [59]: d
Out[59]: defaultdict(list, {"iphone11": [103, 21], "华为macbook-SKU1232": [210, 100]})
上面例子default_dict取值为list, 因此,我们可以立即append一个元素到list中,更简洁。
总结
至此,你已经了解collections库中的三个类型,它们确实太好用,大家可以操练起来了!
5 itertools: 高效节省内存的方法
Python循环这样写,高效节省内存100倍
5.0 前言
说到处理循环,我们习惯使用for, while等,比如依次打印每个列表中的字符:
lis = ["I", "love", "python"]
for i in lis:
print(i)
I
love
python
在打印内容字节数较小时,全部载入内存后,再打印,没有问题。可是,如果现在有成千上百万条车辆行驶轨迹,叫你分析出其中每个客户的出行规律,堵车情况等,假如是在单机上处理这件事。
你可能首先要面临,也可能被你忽视,最后代码都写好后,才可能暴露出的一个问题: outofmemory , 这在实际项目中经常遇到。
这个问题提醒我们,处理数据时,如何写出高效利用内存的程序,就显得很重要。今天,我们就来探讨如何高效利用内存,节省内存同时还能把事情办好。
其实,Python已经准备好一个模块专门用来处理这件事,它就是 itertools 模块,这里面几个函数的功能其实很好理解。
我不打算笼统的介绍它们所能实现的功能,而是想分析这些功能背后的实现代码,它们如何做到高效节省内存的,Python内核的贡献者们又是如何写出一手漂亮的代码的,这很有趣,不是吗?
OK,let"s go. Hope you enjoy the journey!
5.1 拼接元素
itertools 中的chain 函数实现元素拼接,原型如下,参数*表示个数可变的参数
chain ( iterables )
应用如下:
In [33]: list(chain(["I","love"],["python"],["very", "much"]))
Out[33]: ["I", "love", "python", "very", "much"]
哇,不能再好用了,它有点join的味道,但是比join强,它的重点在于参数都是可迭代的实例。
那么,chain如何实现高效节省内存的呢?chain大概的实现代码如下:
def chain(*iterables):
for it in iterables:
for element in it:
yield element
以上代码不难理解, chain本质返回一个生成器,所以它实际上是一次读入一个元素到内存,所以做到最高效地节省内存 。
5.2 逐个累积
返回列表的累积汇总值,原型:
accumulate ( iterable [, func , *, initial=None ])
应用如下:
In [36]: list(accumulate([1,2,3,4,5,6],lambda x,y: x*y))
Out[36]: [1, 2, 6, 24, 120, 720]
accumulate大概的实现代码如下:
def accumulate(iterable, func=operator.add, *, initial=None):
it = iter(iterable)
total = initial
if initial is None:
try:
total = next(it)
except StopIteration:
return
yield total
for element in it:
total = func(total, element)
yield total
以上代码,你还好吗?与chain简单的yield不同,此处稍微复杂一点,yield有点像return,所以 yield total 那行直接就返回一个元素,也就是iterable的第一个元素,因为任何时候这个函数返回的第一个元素就是它的第一个。又因为yield返回的是一个generator对象,比如名字gen,所以next(gen)时,代码将会执行到 for element in it: 这行,而此时的迭代器it 已经指到iterable的第二个元素,OK,相信你懂了!
5.3 漏斗筛选
它是compress 函数,功能类似于漏斗功能,所以我称它为漏斗筛选,原型:
compress ( data , selectors )
In [38]: list(compress("abcdefg",[1,1,0,1]))
Out[38]: ["a", "b", "d"]
容易看出,compress返回的元素个数等于两个参数中较短的列表长度。
它的大概实现代码:
def compress(data, selectors):
return (d for d, s in zip(data, selectors) if s)
这个函数非常好用
5.4 段位筛选
扫描列表,不满足条件处开始往后保留,原型如下:
dropwhile ( predicate , iterable )
应用例子:
In [39]: list(dropwhile(lambda x: x<3,[1,0,2,4,1,1,3,5,-5]))
Out[39]: [4, 1, 1, 3, 5, -5]
实现它的大概代码如下:
def dropwhile(predicate, iterable):
iterable = iter(iterable)
for x in iterable:
if not predicate(x):
yield x
break
for x in iterable:
yield x
5.5 段位筛选2
扫描列表,只要满足条件就从可迭代对象中返回元素,直到不满足条件为止,原型如下:
takewhile ( predicate , iterable )
应用例子:
In [43]: list(takewhile(lambda x: x<5, [1,4,6,4,1]))
Out[43]: [1, 4]
实现它的大概代码如下:
def takewhile(predicate, iterable):
for x in iterable:
if predicate(x):
yield x
else:
break #立即返回
5.6 次品筛选
扫描列表,只要不满足条件都保留,原型如下:
dropwhile ( predicate , iterable )
应用例子:
In [40]: list(filterfalse(lambda x: x%2==0, [1,2,3,4,5,6]))
Out[40]: [1, 3, 5]
实现它的大概代码如下:
def dropwhile(predicate, iterable):
iterable = iter(iterable)
for x in iterable:
if not predicate(x):
yield x
break
for x in iterable:
yield x
5.7 切片筛选
Python中的普通切片操作,比如:
lis = [1,3,2,1]
lis[:1]
它们的缺陷还是lis 必须全部载入内存,所以更节省内存的操作islice,原型如下:
islice ( iterable , start , stop [, step ])
应用例子:
In [41]: list(islice("abcdefg",1,4,2))
Out[41]: ["b", "d"]
实现它的大概代码如下:
def islice(iterable, *args):
s = slice(*args)
start, stop, step = s.start or 0, s.stop or sys.maxsize, s.step or 1
it = iter(range(start, stop, step))
try:
nexti = next(it)
except StopIteration:
for i, element in zip(range(start), iterable):
pass
return
try:
for i, element in enumerate(iterable):
if i == nexti:
yield element
nexti = next(it)
except StopIteration:
for i, element in zip(range(i + 1, stop), iterable):
pass
巧妙利用生成器迭代结束时会抛出异常 StopIteration ,做一些边界处理的事情。
5.8 细胞分裂
tee函数类似于我们熟知的细胞分裂,它能复制原迭代器n个,原型如下:
tee ( iterable , n=2 )
应用如下,可以看出复制出的两个迭代器是独立的
a = tee([1,4,6,4,1],2)
In [51]: next(a[0])
Out[51]: 1
In [52]: next(a[1])
Out[52]: 1
实现它的代码大概如下:
def tee(iterable, n=2):
it = iter(iterable)
deques = [collections.deque() for i in range(n)]
def gen(mydeque):
while True:
if not mydeque:
try:
newval = next(it)
except StopIteration:
return
for d in deques:
d.append(newval)
yield mydeque.popleft()
return tuple(gen(d) for d in deques)
tee 实现内部使用一个队列类型deques,起初生成空队列,向复制出来的每个队列中添加元素newval, 同时yield 当前被调用的mydeque中的最左元素。
5.9 map变体
starmap可以看做是map的变体,它能更加节省内存,同时iterable的元素必须也为可迭代对象,原型如下:
starmap ( function , iterable )
应用它:
In [63]: list(starmap(lambda x,y: str(x)+"-"+str(y), [("a",1),("b",2),("c",3)]))
Out[63]: ["a-1", "b-2", "c-3"]
starmap的实现细节如下:
def starmap(function, iterable):
for args in iterable:
yield function(*args)
5.10 复制元素
repeat实现复制元素n次,原型如下:
repeat ( object [, times ])
应用如下:
In [66]: list(repeat(6,3))
Out[66]: [6, 6, 6]
In [67]: list(repeat([1,2,3],2))
Out[67]: [[1, 2, 3], [1, 2, 3]]
它的实现细节大概如下:
def repeat(object, times=None):
if times is None:# 如果times不设置,将一直repeat下去
while True:
yield object
else:
for i in range(times):
yield object
5.11 笛卡尔积
笛卡尔积实现的效果同下:
((x,y) for x in A for y in B)
所以,笛卡尔积的实现效果如下:
In [68]: list(product("ABCD", "xy"))
Out[68]:
[("A", "x"),
("A", "y"),
("B", "x"),
("B", "y"),
("C", "x"),
("C", "y"),
("D", "x"),
("D", "y")]
它的实现细节:
def product(*args, repeat=1):
pools = [tuple(pool) for pool in args] * repeat
result = [[]]
for pool in pools:
result = [x+[y] for x in result for y in pool]
for prod in result:
yield tuple(prod)
5.12 加强版zip
组合值。若可迭代对象的长度未对齐,将根据 fillvalue 填充缺失值,注意: 迭代持续到耗光最长的可迭代对象 ,效果如下:
In [69]: list(zip_longest("ABCD", "xy", fillvalue="-"))
Out[69]: [("A", "x"), ("B", "y"), ("C", "-"), ("D", "-")]
它的实现细节:
def zip_longest(*args, fillvalue=None):
iterators = [iter(it) for it in args]
num_active = len(iterators)
if not num_active:
return
while True:
values = []
for i, it in enumerate(iterators):
try:
value = next(it)
except StopIteration:
num_active -= 1
if not num_active:
return
iterators[i] = repeat(fillvalue)
value = fillvalue
values.append(value)
yield tuple(values)
它里面使用repeat,也就是在可迭代对象的长度未对齐时,根据 fillvalue 填充缺失值。理解上面代码的关键是迭代器对象(iter),next方法的特殊性:
In [74]: for i, it in enumerate([iter([1,2,3]),iter(["x","y"])]):
...: print(next(it))
#输出:
1
x
结合这个提示再理解上面代码,就不会吃力。
5.13 总结
Python的itertools模块提供的节省内存的高效迭代器,里面实现基本都借助于生成器,所以一方面了解这12个函数所实现的基本功能,同时也能加深对生成器(generator)的理解,为我们写出更加高效、简洁、漂亮的代码打下坚实基础。
python小例子-Python 常用小例子相关推荐
- python工作技巧_Python常用小技巧汇总
作者:Zarten 简介: 互联网一线工作者,尊重原创并欢迎评论留言指出不足之处,也希望多些关注和点赞是给作者最好的鼓励 ! 概述 在做python开发中,可能经常会用到一些小的技巧,但有时会忘记,不 ...
- matlab实用小程序,matlab100常用小程序
matlab编程实例100例_计算机软件及应用_IT/计算机_专业资料.1-32 是:图形应用篇 33-66 是:界面设计篇 67-84 是:图形处理篇 85-100 是:数值分析篇 实例 1.... ...
- php趣味小程序,php常用小程序
*********************php实现打印金字塔********************* $n=20; for($i=1;$i<=$n;$i++){ for($k=1;$k< ...
- 小波降噪与重构例子 python
原理讲解 傅里叶变换 关于傅里叶变换的基本概念在此我们就不再赘述了, 下面我们主要将傅里叶变换的不足.即我们知道傅里叶变化可以分析信号的频谱,那么为什么还要提出小波变换?答案"对非平稳过程, ...
- python有趣的例子和故事_Python几个有趣和特别的小故事|python基础教程|python入门|python教程...
https://www.xin3721.com/eschool/pythonxin3721/ 前言 当一门编程语言是开源的时候,往往会有产生一些搞笑和有趣的东西.通常,这意味着社区的贡献者会为该语言添 ...
- 【Python基础】Python处理文件的几个常用小知识
作者:来自读者投稿 来源:Python数据之道 Python处理文件的几个常用小知识 Python 这门语言有个很大的用途就是使用它来进行文件处理,学会处理文件和保存数据可以让你的程序使用起来更加容易 ...
- pythonencoding etf-8_etf iopv python 代码30个Python常用小技巧
1.原地交换两个数字x, y =10, 20 print(x, y) y, x = x, y print(x, y) 10 20 20 10 2.链状比较操作符n = 10 print(1 print ...
- Python常用小技巧(五)——批量读取json文件
Python常用小技巧(五)--批量读取json文件 前言:其实Python能够批量读取很多文件,这里,本人以json文件为例(json是标注图片时生成的文件,记录有标注的坐标和标签,友情推荐标注图片 ...
- python常用小技巧(四)——批量图片改名
python常用小技巧(四)--批量图片改名 前言:在日常使用中我们需要批量修改图片名字,使用Python的话就可以很快地完成这个目标 一.材料准备 - os 二.程序编写 # -*- coding: ...
- Python常用小技巧(二)——打开图片
Python常用小技巧(二)--打开图片 前言:对于大量图片的文件夹,你很难手工去检查每张图片是否损坏,这时候就要用程序去检查每张图片是否能打开了 一.材料准备 - os - PIL 二.程序编写 i ...
最新文章
- 天猫全球狂欢夜,我竟然被这个“不是人”的家伙给圈了粉!
- 【转】如何理解c和c++的复杂类型声明
- 流量复制_详解Linux系统流量复制--gor、tcpcopy、nginx模块流量复制等
- 零元学Expression Blend 4 - Chapter 7 什麽?影片不再是印象中的方框框!!!看Blend 4如何把影片镶入字里...
- 用php mui ajax注册登录页面,ajax实现简单登录页面
- 第四:Pytest框架之命令行参数(二)
- java过滤html相关标签
- Spring中自动装配
- excel教程自学网_5个口碑爆棚的自学网站,不花一分钱直接看教程
- 版本名称SNAPSHOT、alpha、beta、release、GA含义
- 计算机英语四六级考试时间2015,2015年四级考试时间安排(官方版)
- 没基础,也可一文看懂 python 中的 csv 模块
- 计算机学霸小黄是谁,人人网惊现“小黄鸡”火成一片 大学生调侃“你是学霸派来的么?”...
- Node.js升级或降低版本
- SaaS行业验尸报告:他们死于资本狂欢前夜
- Hello hello ~
- 用C语言编写一个电话簿管理系统
- Maya获取材质ShadingEngine信息
- 批量将MP3或者m4a转为wav格式
- 使用Angular和API服务器显示相关表中的数据