前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者： Python与算法社区 ，zhenguo
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef
告别枯燥，60秒学会一个Python小例子。奔着此出发点，我在过去1个月，将平时经常使用的代码段换为小例子，分享出来后受到大家的喜欢。
一、基本操作
1 链式比较
|
1 |
i = 3print(1 < i < 3) # Falseprint(1 < i <= 3) # True |
2 不用else和if实现计算器
|
1 |
from operator import *def calculator(a, b, k): return { '+': add, '-': sub, '*': mul, '/': truediv, '**': pow }[k](a, b)calculator(1, 2, '+') # 3calculator(3, 4, '**') # 81 |
3 函数链
|
1 |
from operator import (add, sub)def add_or_sub(a, b, oper): return (add if oper == '+' else sub)(a, b)add_or_sub(1, 2, '-') # -1 |
4 求字符串的字节长度
|
1 |
def str_byte_len(mystr): return (len(mystr.encode('utf-8')))str_byte_len('i love python') # 13(个字节)str_byte_len('字符') # 6(个字节) |
5 寻找第n次出现位置
|
1 |
def search_n(s, c, n): size = 0 for i, x in enumerate(s): if x == c: size += 1 if size == n: return i return -1print(search_n("fdasadfadf", "a", 3))# 结果为7，正确print(search_n("fdasadfadf", "a", 30))# 结果为-1，正确 |
6 去掉最高最低求平均
|
1 |
def score_mean(lst): lst.sort() lst2=lst[1:(len(lst)-1)] return round((sum(lst2)/len(lst2)),2)score_mean([9.1, 9.0,8.1, 9.7, 19,8.2, 8.6,9.8]) # 9.07 |
7 交换元素
|
1 |
def swap(a, b): return b, aswap(1, 0) # (0,1) |
二、基础算法
1 二分搜索
|
1 |
def binarySearch(arr, left, right, x): while left <= right: mid = int(left + (right - left) / 2); # 找到中间位置。求中点写成(left+right)/2更容易溢出，所以不建议这样写 # 检查x是否出现在位置mid if arr[mid] == x: print('found %d 在索引位置%d 处' %(x,mid)) return mid # 假如x更大，则不可能出现在左半部分 elif arr[mid] < x: left = mid + 1 #搜索区间变为[mid+1,right] print('区间缩小为[%d,%d]' %(mid+1,right)) elif x<arr[mid]: right = mid - 1 #搜索区间变为[left,mid-1] print('区间缩小为[%d,%d]' %(left,mid-1)) return -1 |
2 距离矩阵
|
1 |
x,y = mgrid[0:5,0:5]list(map(lambda xe,ye: [(ex,ey) for ex, ey in zip(xe, ye)], x,y))[[(0, 0), (0, 1), (0, 2), (0, 3), (0, 4)], [(1, 0), (1, 1), (1, 2), (1, 3), (1, 4)], [(2, 0), (2, 1), (2, 2), (2, 3), (2, 4)], [(3, 0), (3, 1), (3, 2), (3, 3), (3, 4)], [(4, 0), (4, 1), (4, 2), (4, 3), (4, 4)]] |
三、列表
1 打印乘法表
|
1 |
for i in range(1,10): for j in range(1,i+1): print('{0}*{1}={2}'.format(j,i,j*i),end="\t") print() |
结果：
|
1 |
1*1=11*2=2 2*2=41*3=3 2*3=6 3*3=91*4=4 2*4=8 3*4=12 4*4=161*5=5 2*5=10 3*5=15 4*5=20 5*5=251*6=6 2*6=12 3*6=18 4*6=24 5*6=30 6*6=361*7=7 2*7=14 3*7=21 4*7=28 5*7=35 6*7=42 7*7=491*8=8 2*8=16 3*8=24 4*8=32 5*8=40 6*8=48 7*8=56 8*8=641*9=9 2*9=18 3*9=27 4*9=36 5*9=45 6*9=54 7*9=63 8*9=72 9*9=81 |
2 嵌套数组完全展开
|
1 |
from collections.abc import *def flatten(input_arr, output_arr=None): if output_arr is None: output_arr = [] for ele in input_arr: if isinstance(ele, Iterable): # 判断ele是否可迭代 flatten(ele, output_arr) # 尾数递归 else: output_arr.append(ele) # 产生结果 return output_arrflatten([[1,2,3],[4,5]], [6,7]) # [6, 7, 1, 2, 3, 4, 5] |
3 将list等分为子组
|
1 |
from math import ceildef divide(lst, size): if size <= 0: return [lst] return [lst[i * size:(i+1)*size] for i in range(0, ceil(len(lst) / size))]r = divide([1, 3, 5, 7, 9], 2) # [[1, 3], [5, 7], [9]] |
4 生成fibonacci序列前n项
|
1 |
def fibonacci(n): if n <= 1: return [1] fib = [1, 1] while len(fib) < n: fib.append(fib[len(fib) - 1] + fib[len(fib) - 2]) return fibfibonacci(5) # [1, 1, 2, 3, 5] |
5 过滤掉各种空值
|
1 |
def filter_false(lst): return list(filter(bool, lst))filter_false([None, 0, False, '', [], 'ok', [1, 2]])# ['ok', [1, 2]] |
6 返回列表头元素
|
1 |
def head(lst): return lst[0] if len(lst) > 0 else Nonehead([]) # Nonehead([3, 4, 1]) # 3 |
7 返回列表尾元素
|
1 |
def tail(lst): return lst[-1] if len(lst) > 0 else Noneprint(tail([])) # Noneprint(tail([3, 4, 1])) # 1 |
8 对象转换为可迭代类型
|
1 |
from collections.abc import Iterabledef cast_iterable(val): return val if isinstance(val, Iterable) else [val]cast_iterable('foo')# foocast_iterable(12)# [12]cast_iterable({'foo': 12})# {'foo': 12} |
9 求更长列表
|
1 |
def max_length(*lst): return max(*lst, key=lambda v: len(v))r = max_length([1, 2, 3], [4, 5, 6, 7], [8])# [4, 5, 6, 7] |
10 出现最多元素
|
1 |
def max_frequency(lst): return max(lst, default='列表为空', key=lambda v: lst.count(v))lst = [1, 3, 3, 2, 1, 1, 2]max_frequency(lst) # 1 |
11 求多个列表的最大值
|
1 |
def max_lists(*lst): return max(max(*lst, key=lambda v: max(v)))max_lists([1, 2, 3], [6, 7, 8], [4, 5]) # 8 |
12 求多个列表的最小值
|
1 |
def min_lists(*lst): return min(min(*lst, key=lambda v: max(v)))min_lists([1, 2, 3], [6, 7, 8], [4, 5]) # 1 |
13 检查list是否有重复元素
|
1 |
def has_duplicates(lst): return len(lst) == len(set(lst))x = [1, 1, 2, 2, 3, 2, 3, 4, 5, 6]y = [1, 2, 3, 4, 5]has_duplicates(x) # Falsehas_duplicates(y) # True |
14 求列表中所有重复元素
|
1 |
from collections import Counterdef find_all_duplicates(lst): c = Counter(lst) return list(filter(lambda k: c[k] > 1, c))find_all_duplicates([1, 2, 2, 3, 3, 3]) # [2,3] |
15 列表反转
|
1 |
def reverse(lst): return lst[::-1]reverse([1, -2, 3, 4, 1, 2])# [2, 1, 4, 3, -2, 1] |
16 浮点数等差数列
|
1 |
def rang(start, stop, n): start,stop,n = float('%.2f' % start), float('%.2f' % stop),int('%.d' % n) step = (stop-start)/n lst = [start] while n > 0: start,n = start+step,n-1 lst.append(round((start), 2)) return lstrang(1, 8, 10) # [1.0, 1.7, 2.4, 3.1, 3.8, 4.5, 5.2, 5.9, 6.6, 7.3, 8.0] |
四、字典
1 字典值最大的键值对列表
|
1 |
def max_pairs(dic): if len(dic) == 0: return dic max_val = max(map(lambda v: v[1], dic.items())) return [item for item in dic.items() if item[1] == max_val]max_pairs({'a': -10, 'b': 5, 'c': 3, 'd': 5})# [('b', 5), ('d', 5)] |
2 字典值最小的键值对列表
|
1 |
def min_pairs(dic): if len(dic) == 0: return [] min_val = min(map(lambda v: v[1], dic.items())) return [item for item in dic.items() if item[1] == min_val]min_pairs({}) # []r = min_pairs({'a': -10, 'b': 5, 'c': 3, 'd': 5})print(r) # [('b', 5), ('d', 5)] |
3 合并两个字典
|
1 |
def merge_dict2(dic1, dic2): return {**dic1, **dic2} # python3.5后支持的一行代码实现合并字典merge_dict({'a': 1, 'b': 2}, {'c': 3}) # {'a': 1, 'b': 2, 'c': 3} |
4 求字典前n个最大值
|
1 |
from heapq import nlargest# 返回字典d前n个最大值对应的键def topn_dict(d, n): return nlargest(n, d, key=lambda k: d[k])topn_dict({'a': 10, 'b': 8, 'c': 9, 'd': 10}, 3) # ['a', 'd', 'c'] |
5 求最小键值对
|
1 |
d={'a':-10,'b':5, 'c':3,'d':5}min(d.items(),key=lambda x:x[1]) #('a', -10) |
五、集合
1 互为变位词
|
1 |
from collections import Counter# 检查两个字符串是否 相同字母异序词，简称：互为变位词def anagram(str1, str2): return Counter(str1) == Counter(str2)anagram('eleven+two', 'twelve+one') # True 这是一对神器的变位词anagram('eleven', 'twelve') # False |
六、文件操作
1 查找指定文件格式文件
|
1 |
import osdef find_file(work_dir,extension='jpg'): lst = [] for filename in os.listdir(work_dir): print(filename) splits = os.path.splitext(filename) ext = splits[1] # 拿到扩展名 if ext == '.'+extension: lst.append(filename) return lstfind_file('.','md') # 返回所有目录下的md文件 |
七、正则和爬虫
1 爬取天气数据并解析温度值
素材来自朋友袁绍
|
1 |
import requestsfrom lxml import etreeimport pandas as pdimport reurl = 'http://www.weather.com.cn/weather1d/101010100.shtml#input'with requests.get(url) as res: content = res.content html = etree.HTML(content) |
通过lxml模块提取值，lxml比beautifulsoup解析在某些场合更高效
|
1 |
location = html.xpath('//*[@id="around"]//a[@target="_blank"]/span/text()')temperature = html.xpath('//*[@id="around"]/div/ul/li/a/i/text()') |
结果：
|
1 |
['香河', '涿州', '唐山', '沧州', '天津', '廊坊', '太原', '石家庄', '涿鹿', '张家口', '保定', '三河', '北京孔庙', '北京国子监', '中国地质博物馆', '月坛公园', '明城墙遗址公园', '北京市规划展览馆', '什刹海', '南锣鼓巷', '天坛公园', '北海公园', '景山公园', '北京海洋馆']['11/-5°C', '14/-5°C', '12/-6°C', '12/-5°C', '11/-1°C', '11/-5°C', '8/-7°C', '13/-2°C', '8/-6°C', '5/-9°C', '14/-6°C', '11/-4°C', '13/-3°C', '13/-3°C', '12/-3°C', '12/-3°C', '13/-3°C', '12/-2°C', '12/-3°C', '13/-3°C', '12/-2°C', '12/-2°C', '12/-2°C', '12/-3°C']df = pd.DataFrame({'location':location, 'temperature':temperature})print('温度列')print(df['temperature']) |
正则解析温度值
|
1 |
df['high'] = df['temperature'].apply(lambda x: int(re.match('(-?[0-9]*?)/-?[0-9]*?°C', x).group(1) ) )df['low'] = df['temperature'].apply(lambda x: int(re.match('-?[0-9]*?/(-?[0-9]*?)°C', x).group(1) ) )print(df) |
详细说明子字符创捕获
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（group）。比如：^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码
|
1 |
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')print(m.group(0))print(m.group(1))print(m.group(2))# 010-12345# 010# 12345 |
如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。
注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。
最终结果
|
1 |
Name: temperature, dtype: object location temperature high low0 香河 11/-5°C 11 -51 涿州 14/-5°C 14 -52 唐山 12/-6°C 12 -63 沧州 12/-5°C 12 -54 天津 11/-1°C 11 -15 廊坊 11/-5°C 11 -56 太原 8/-7°C 8 -77 石家庄 13/-2°C 13 -28 涿鹿 8/-6°C 8 -69 张家口 5/-9°C 5 -910 保定 14/-6°C 14 -611 三河 11/-4°C 11 -412 北京孔庙 13/-3°C 13 -313 北京国子监 13/-3°C 13 -314 中国地质博物馆 12/-3°C 12 -315 月坛公园 12/-3°C 12 -316 明城墙遗址公园 13/-3°C 13 -317 北京市规划展览馆 12/-2°C 12 -218 什刹海 12/-3°C 12 -319 南锣鼓巷 13/-3°C 13 -320 天坛公园 12/-2°C 12 -221 北海公园 12/-2°C 12 -222 景山公园 12/-2°C 12 -223 北京海洋馆 12/-3°C 12 -3 |
2 批量转化驼峰格式
|
1 |
import redef camel(s): s = re.sub(r"(\s|_|-)+", " ", s).title().replace(" ", "") return s[0].lower() + s[1:]# 批量转化def batch_camel(slist): return [camel(s) for s in slist]batch_camel(['student_id', 'student\tname', 'student-add']) #['studentId', 'studentName', 'studentAdd'] |
八、绘图
1 turtle绘制奥运五环图 结果：
2 turtle绘制漫天雪花 结果：
3 4种不同颜色的色块，它们的颜色真的不同吗？
4 词频云图
|
1 |
import hashlibimport pandas as pdfrom wordcloud import WordCloudgeo_data=pd.read_excel(r"../data/geo_data.xlsx")words = ','.join(x for x in geo_data['city'] if x != []) #筛选出非空列表值wc = WordCloud( background_color="green", #背景颜色"green"绿色 max_words=100, #显示最大词数 font_path='./fonts/simhei.ttf', #显示中文 min_font_size=5, max_font_size=100, width=500 #图幅宽度 )x = wc.generate(words)x.to_file('../data/geo_data.png') |
八、生成器
1 求斐波那契数列前n项(生成器版)
|
1 |
def fibonacci(n): a, b = 1, 1 for _ in range(n): yield a a, b = b, a + blist(fibonacci(5)) # [1, 1, 2, 3, 5] |
2 将list等分为子组(生成器版)
|
1 |
from math import ceildef divide_iter(lst, n): if n <= 0: yield lst return i, div = 0, ceil(len(lst) / n) while i < n: yield lst[i * div: (i + 1) * div] i += 1list(divide_iter([1, 2, 3, 4, 5], 0)) # [[1, 2, 3, 4, 5]]list(divide_iter([1, 2, 3, 4, 5], 2)) # [[1, 2, 3], [4, 5]] |
九、keras
1 Keras入门例子
|
1 |
import numpy as npfrom keras.models import Sequentialfrom keras.layers import Densedata = np.random.random((1000, 1000))labels = np.random.randint(2, size=(1000, 1))model = Sequential()model.add(Dense(32, activation='relu', input_dim=100))model.add(Dense(1, activation='sigmoid'))model.compile(optimize='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])model.fit(data, labels, epochs=10, batch_size=32)predictions = model.predict(data) |
Python走心的42个代码例子https://m.toutiaocdn.com/group/6772042006576235012/?app=news_article×tamp=1576852823&req_id=2019122022402301001404707400DB22FD&group_id=6772042006576235012&tt_from=android_share&utm_medium=toutiao_android&utm_campaign=client_share
转载请注明：徐自远的乱七八糟小站 » Python走心的42个代码例子
苏公网安备 32021402001397号