
来源:麦叔编程
作者:麦叔
今天分享13个Python代码技巧。
来,数一数你知道几个。最后大家比一比!
1,2,3,开始!
作为程序员,一定离不开两个字:性能。
工作中经常要去解决性能的问题:
用time模块可以计算代码执行时间:
import time startTime = time.time() # 要衡量的代码 for i in range(1000000): print('麦叔:大家早上好!') endTime = time.time() totalTime = endTime - startTime print("总时间= ", totalTime)
你会吗?如果会,给自己加1分!
假设有两个列表,你想获取列表中的不同元素。
可以使用set的symmetric_difference方法:
list1 = ['张三', '李四', '王五', '大美', '如花'] list2 = ['张三', '李四', '王五', '麦叔'] set1 = set(list1) set2 = set(list2) list3 = list(set1.symmetric_difference(set2)) print(list3) #打印:['大美', '如花', '麦叔']
你会吗?如果会,给自己加1分!
在程序的世界里,内存是绝对的稀缺资源。程序员绞尽脑汁的想办法提升内存使用效率,有的为此头发都秃了。
所以了解某些对象所使用的内存数量是常用操作。使用sys.getsizeof可以获得对象所占用的字节数:
import sys list1 = ['张三', '李四', '王五', '大美', '如花'] print("list1所用字节数 = ",sys.getsizeof(list1)) name = '麦叔' print("name的字节数 = ",sys.getsizeof(name))
注意:对于list等容器类对象,打印出的字节数只是容器本身占用的内存数,不包括它存放的内容所占用的内存。
了解Python的内存管理,请看我另一篇文章:
Python是如何管理内存的?
你会吗?如果会,给自己加1分!
第一个列表中存放了所有的迟到记录,里面有重复的名字。你上学迟到过吗?
我们要做的是去掉重复,获得一份没有重复的迟到人名单。
最简单的方法就是把list转成set,因为set是不允许重复的。
late_names = ['张三', '李四', '王五', '大美', '如花', '张三', '李四', '林志颖',
'大美'] print("迟到记录= ", late_names) unqiue_late_names = list(set(late_names)) print("迟到过的人= ", unqiue_late_names)
你会吗?如果会,给自己加1分!
可以判断第一个元素的个数是否和列表的长度相同:
list1 = [20, 20, 20, 20] print("list1中都相同吗?", list1.count(list1[0]) == len(list1)) list2 = [20, 20, 20, 50] print("list2中都相同吗?", list2.count(list2[0]) == len(list2))
你会吗?如果会,给自己加1分!
有两个列表,里面内容相同,但顺序不同。
我们想确定一下它们是否完全相同。
有两个办法:
from collections import Counter one = [33, 22, 11, 44, 55] two = [22, 11, 44, 55, 33]
print("相同吗?", Counter(one) == Counter(two)) print("相同吗?", sorted(one) == sorted(two))
你会吗?如果会,给自己加1分!
由于set不能重复的特性,经常在判断唯一或者去重的时候使用。
下面的isUnque方法,通过推导式生成一个由None或True组成的序列。如果里面有True就说明重复:
def isUnique(item): tempSet = set() return not any(i in tempSet or tempSet.add(i) for i in item) list1 = [123, 345, 456, 23, 567] print("list1都唯一吗? ", isUnique(list1)) list2 = [123, 345, 567, 23, 567] print("list2都唯一吗? ", isUnique(list2))
你会吗?如果会,给自己加1分!
有时候从网上接收到的数据是字节码,比如这样的:xe9xbaxa6xe5x8fx94
我们需要把字节码转成字符串,否则就是乱码。
在转码的过程中也要使用正确的编码规则,否则还是乱码。
byteVar = bytes("麦叔密码", 'utf-8') print(byteVar) #编码规则不对,乱码:楹﹀彅瀵嗙爜
str1 = str(byteVar.decode("gbk")) print("字符串是:" , str1 ) #编码规则正确,
不乱 str2 = str(byteVar.decode("utf-8")) print("字符串是:" , str2 )
你会吗?如果会,给自己加1分!
循环的时候经常要打印序号,使用enumerate::
listOne = [123, 345, 456, 23] for index, element in enumerate(listOne): print(index, element)
你会吗?如果会,给自己加1分!
使用**给字典先解包,再把它们合并起来。合并的过程中,如果后面的key和前面一样会覆盖前面的value。
names1 = {1: '张三', 2: "李四", 3:"王五"} names2 = {2: '麦叔', 4: "小强"} all_names = {**names1, **names2} print(all_names)
你会吗?如果会,给自己加1分!
使用zip先把两个列表合成由元组组成的列表,然后再转成字典:
ids = [1, 2, 3, 4, 5] names = ['张三', '李四', '王五', '大美', '如花'] name_dict = dict(zip(ids, names)) print(name_dict)
你会吗?如果会,给自己加1分!
浮点数的计算可能会产生很多位小数,假设我们要求只显示2位小数:
number= 88.234578965467 print('{0:.2f}'.format(number))
你会吗?如果会,给自己加1分!
Python函数可以返回多个值,用逗号隔开。
实际上是返回了一个元组,但Python会自动解包,所以调用者可以直接使用返回值:
def total_diff(num1, num2): total = num1 + num2 diff = num1 - num2 return total, diff total, diff = total_diff(99, 88) print("总和:", total, "差额:", diff)
这13个小技巧,你会几个呢?别的小伙伴会几个呢?投票查看:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12