京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26