
作者:豆豆
来源:Python 技术
众所周知,Python 以简洁著称,这个从我们写的第一行 Python 代码中就能看出来。今天派森酱就给大家整理了一些经典的一行代码操作,可能有些你还不知道,但对你未来的工作(装逼)肯定有大用处。
平时的编码过程中,进制转换是非常常用的一个功能,尤其是涉及到一些算法的时候更是频繁。事实上 Python 已经内置了各个进制转换的 Api,咱们直接调用即可。
In [1]: int('1100', 2) Out[1]: 12 In [2]: int('30', 8) Out[2]: 24 In [3]: int('ac9', 16) Out[3]: 2761
斐波纳契数列是一个很经典的数列,其通项公式为第一项和第二项都为 1,从第三项开始,每一项都等于前两项之和。
In [4]: fibonacci = lambda x: x if x <= 1 else fibonacci(x - 1) + fibonacci(x - 2) In [5]: fibonacci(15) Out[5]: 610
快速排序是初级工程师常考的一个算法题,整个算法写下来的话基本都需要八九行,来看看 Python 是如何一行代码搞定快速排序的。
In [6]: quick_sort = lambda l: l if len(l) <= 1 else quick_sort([x for x in l[1:] if x < l[0]]) + [l[0]] + quick_sort([x for x in l[1:] if x >= l[0]]) In [7]: quick_sort([18, 20, 12, 99, 200, 59, 66, 34, 22]) Out[7]: [12, 18, 20, 22, 34, 59, 66, 99, 200]
文件操作也是我们常用的操作之一,但你见过用 print 函数来写入文件的么。
print("Hello, Python!", file=open('file.txt', 'w'))
顾名思义,字母异位词就是通过交换单词中字母的顺序,两个单词最终是一样的。
In [9]: from collections import Counter
In [10]: s1, s2 = 'apple', 'orange' In [11]: 'anagram' if Counter(s1) == Counter(s2) else 'not an anagram' Out[11]: 'not an anagram'
对于数据分析工作者,经常会接触到矩阵,那么就需要熟悉对矩阵的各种操作。而矩阵转换就是常规操作之一。
In [12]: num_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [13]: result = list(list(x) for x in zip(*num_list)) In [14]: result Out[14]: [[1, 4, 7], [2, 5, 8], [3, 6, 9]]
虽然现在很多常用的算法都被封装成 Api 直接调用就好了,但并不意味着我们的工作就不需要写算法了。在写算法的过程中会用到一些常见的字典数,比如大写字母、小写字母、数字等。而这些 Python 都考虑到了,直接调用即可。
In [15]: import string In [16]: string.ascii_lowercase
Out[16]: 'abcdefghijklmnopqrstuvwxyz' In [17]: string.ascii_uppercase
Out[17]: 'ABCDEFGHIJKLMNOPQRSTUVWXYZ' In [18]: string.digits
Out[18]: '0123456789'
在对接外部接口或者数据处理时,嵌套列表是非常常见的数据结构,但显然整合成一个列表更容易处理。
In [19]: num_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [20]: result = [item for sublist in num_list for item in sublist] In [21]: result Out[21]: [1, 2, 3, 4, 5, 6, 7, 8, 9]
推导式是 Python 的精华所在,极大的方便了我们创建列表和字典。
In [22]: num_list = [num for num in range(0, 10)] In [23]: num_list Out[23]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] In [24]: num_set = {num for num in range(0, 10)} In [25]: num_set Out[25]: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} In [26]: num_dict = {x: x * x for x in range(1, 5)} In [27]: num_dict Out[27]: {1: 1, 2: 4, 3: 9, 4: 16}
今天派森酱带大家一起梳理了一些看起来比较有用(装逼)的一行代码操作,方便小伙伴们在以后的工作中提高工作效率,更愉快的摸鱼。
关于 Python 的简洁操作,你还有什么独家秘笈想和大家分享呢,可以在评论区多多交流哦~
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01