
作者:豆豆
来源:Python 技术
Python 是一门语法非常简洁的语言,其可读性和表达性都非常的强,今天就给大家分享一下派森酱珍藏已久的一些小技巧,话不多说直接看
如何优雅的在 Python 中使用 emoji 表情,这个库兴许可以满足你的需求。
In [1]: import emoji In [2]: emoji.emojize('Python is :thumbs_up:') Out[2]: 'Python is '
当你想查看一个 Python 对象的属性时,dir 可以做到。
In [3]: dir(3)
Out[3]:
['__abs__', '__add__',
... 'real', 'to_bytes']
map 结合 lambda 函数可以完成一些意想不到的操作。
In [11]: x = [1, 2, 3, 4, 5] In [12]: y = map(lambda x : x ** 2 , x) In [13]: list(y) Out[13]: [1, 4, 9, 16, 25]
有没有想过在命令行玩转图表呢,快来试试 bashplotlib 吧。
In [15]: import numpy as np In [16]: from bashplotlib.histogram import plot_hist In [17]: arr = np.random.normal(size=1000, loc=0, scale=1) In [18]: plot_hist(arr, bincount=50) 58| o 55| o 52| o 49| oo 46| o oo o o o 43| o oooo o o 40| oooooooo o o 37| o oooooooooo o 34| o oooooooooo oo 31| ooooooooooooooooo 28| ooooooooooooooooooo 25| oooooooooooooooooooo 22| oooooooooooooooooooo 19| o ooooooooooooooooooooo 16| o oooooooooooooooooooooo o 13| ooooooooooooooooooooooooo oo 10| oooooooooooooooooooooooooooo o 7| oo ooooooooooooooooooooooooooooooo o 4| o ooooooooooooooooooooooooooooooooooooo o 1| o o oooo oooooooooooooooooooooooooooooooooooooooo --------------------------------------------------
当你输出一个复杂的对象时,Python 自带的 print 函数其输出可读性是不怎么好的,这时候 pprint 就显示出用处了,pprint 可以让复杂的对象以及其友好的形式展现出来。
In [33]: info = {'info': {'page': 1, 'results': 1, 'id': '1', 'version': '1.0'}, 'has_more': True, 'total': 100}
In [34]: pprint.pprint(info)
{'has_more': True, 'info': {'id': '1', 'page': 1, 'results': 1, 'version': '1.0'}, 'total': 100}
zip 函数可以让两个列表中的元素逐个映射到一个新的字典当中。
In [35]: keys = ['x', 'y', 'z']
In [36]: values = [1, 2, 3]
In [37]: dict(zip(keys, values))
Out[37]: {'x': 1, 'y': 2, 'z': 3}
我们可以像调用方法那样来调用系统的命令。
In [47]: import sh In [48]: sh.echo('Hello Python') Out[48]: Hello Python
最后一个技巧就是 Python 界的经典用法推导式了,可以非常快速的生成列表。
In [49]: num_list = [num for num in range(0, 10)] In [50]: num_list Out[50]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
人生苦短,我用 Python,希望这些小技巧可以让你的 Python 学习之路更加顺畅。
CDA数据分析师分享干货,欢迎转发
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15