干货：一些Python有用的小技巧，离精通更进一步

Python看起来似乎是一种任何人都可以学习的简单语言，但实际上，学会不等于精通，Python的“后劲儿”超乎我们的想象，它容易入门却很难掌握。在Python中，一个通常有多种处理方法，但很容易出错的地方很多；或者仅仅因为不知道模块的存在，你就得重新创建标准库，这很浪费时间。

Python标准库是一个巨大的野兽，它的生态系统绝对是庞大的。虽然Python模块可能有200万千兆字节，好在有一些使用技巧存在，我们可以用Python中与科学计算相关的标准库和包来学习。

1.反转字符串

虽然看似是很基础的操作，但是用char循环来反转字符串可能会非常繁琐麻烦。幸运的是，Python包含了一个简单的内置操作来准确地执行这个任务，我们只需访问字符串上的索引：：-1。

a = “！dlrow olleH”

backward = a［：：-1］

2.Dims作为变量

在大多数语言中，为了将数组放入一组变量中需迭代循环值，或按位置访问暗点，如下所示：

firstdim = array［1］

然而，在Python中有一种更好更快的方法。为了将一列值改为变量，可以简单地将变量名设置为与数组长度相同的数组：

array = ［5， 10， 15， 20］

five， ten， fift， twent = array

3.生成器的next（）迭代

在编程中的大多数正常情况下，可以访问一个索引，并使用计数器获取位置数字，计数器将只是一个值，添加到：

array1 = ［5， 10， 15， 20］

array2 = （x ** 2 for x in range（10））

counter = 0for i in array1：# This code wouldn‘t work because ’i‘ is not in array2.

# i = array2［i］

i = array2［counter］

# ^^^ This code would because we areaccessing the position of i

我们也可以用next（）代替它。Next使用一个迭代器，该迭代器将当前位置存储在内存中，并在后台迭代列表：

g = （x ** 2 for x in range（10））

print（next（g））

print（next（g））

4.智能拆包

迭代地解压值可能会非常耗费时力，Python中有几种不错的方法可以用来解压列表的方法。其中一个是*，它将填充未分配的值并将它们添加到变量名下的新列表中。

a， *b， c = ［1， 2， 3， 4， 5］

5.列举

不了解列举那可不太行。列举可以获取列表中某些值的索引，在数据科学中使用数组而不是数据帧时，这就特别有用：

for i，w in enumerate（array）：

print（i，w）

6.命名切片

Python中，分割列表非常简单，各式各样优秀工具都能做到。特别好的一点是，它还能够给列表命名，这对于Python中的线性代数特别有用：

a = ［0， 1， 2， 3， 4， 5］

LASTTHREE = slice（-3， None）

slice（-3， None， None）

print（a［LASTTHREE］）

7.Itertools

如果深入学习Python，那你肯定要熟悉itertools。itertools是标准库中的一个模块，它可以不断地解决迭代问题。它不仅使编写复杂循环大幅度变容易，而且还使代码更简洁快速。有数百种Itertools的使用示例，来看看其中一个：

c = ［［1， 2］， ［3， 4］， ［5， 6］］

# Let’s convert this matrix to a 1 dimensional list.

import itertools as it

newlist = list（it.chain.from_iterable（c））

8.分组相邻列表

在for循环中，对相邻循环进行分组当然很容易，特别是使用zip（），但这肯定不是最好的方法。为了更轻松便捷地实现这一点，可以用zip编写一个lambda表达式，该表达式将对相邻列表进行分组，如下所示：

a = ［1， 2， 3， 4， 5， 6］

group_adjacent = lambda a， k： zip（*（［iter（a）］ * k））

group_adjacent（a， 3） ［（1， 2， 3）， （4， 5， 6）］

group_adjacent（a， 2） ［（1， 2）， （3， 4）， （5， 6）］

group_adjacent（a， 1）

9.计数器

集合也是模块中很好的标准库，这里向大家介绍的是集合中的计数器。使用计数器，可以轻松获得一个列表的计数。这对于获取数据中的值总数、数据的空计数，以及查看数据的唯一值非常有用。

“为什么不直接使用Pandas呢？”使用Pandas来实现这一点无疑会困难得多，而且这只是在部署算法时需要添加到虚拟环境中的另一个依赖项。另外，Python中的计数器类型有很多Pandas系列没有的特性，这使其在某些情况下更有用。

A = collections.Counter（［1， 1， 2，2， 3， 3， 3， 3， 4， 5， 6， 7］）

A Counter（{3： 4， 1： 2， 2： 2， 4： 1， 5： 1， 6： 1， 7： 1}）

A.most_common（1） ［（3， 4）］

A.most_common（3） ［（3， 4）， （1， 2）， （2， 2）］

10.出队

如下所示，出队能让代码非常整洁：

import collections

Q = collections.deque（）

Q.append（1）

Q.appendleft（2）

Q.extend（［3， 4］）

Q.extendleft（［5， 6］）

Q.pop（）

Q.popleft（）

Q.rotate（3）

Q.rotate（-3）

print（Q）

这些是笔者一直爱用的Python技巧，都非常通用和实用，实践中总有机会能用到。Python的标准库函数工具箱变得越来越多样，还有很多笔者也没听说过的工具。学无止境，这多么令人兴奋！