京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:潮汐
来源:Python 技术
你们知道今天聊聊关于 Python 一行代码的神奇之处!!!
decimal = int('1010', 5)
print(decimal) #130
输出:
130
# 转换大小写字母 str = "hi Python".upper() print(str) #HI PYTHON
输出:
HI PYTHON
# 转换小写字母 str_lower1 = "HI PYTHON".lower() print(str_lower1)
str_lower2 = "HI PYTHON".casefold() print(str_lower2)
输出:
hi python hi python
import math fact_5 = math.factorial(5) print(fact_5)
输出:
120
words = ['Hello', 'Python', 'Hello', 'world'] print(max(words, key=len))
输出:
Python
print("Hello, World!", file=open('test.txt', 'w'))
import time; print(time.ctime())
输出:
Sun Oct 30 22:52:41 2021
test_str = ''.join(list(filter(lambda x: x.isalpha(), 'abc4532def4fg56vcg2'))) print(test_str)
输出:
abcdeffgvcg
# 第一种方式 n = 50
sum_n1 = sum(range(0, n+1))
print(sum_n1) #第二种方式 sum_n2 = n*(n+1)//2
print(sum_n2)
print("hello python".count('l')) # 2
list(set['p','y','t','h','o','n'])
# d = {'five': 5, 'one': 1, 'four': 4, 'eight': 8} {key:d[key] for key in sorted(d.keys())} # {'eight': 8, 'five': 5, 'four': 4, 'one': 1}
# x = {1: 2, 3: 4, 4: 3, 2: 1, 0: 0} {k: v for k, v in sorted(x.items(), key=lambda item: item[1])} # {0: 0, 2: 1, 1: 2, 4: 3, 3: 4}
list(filter(lambda x: x%2 == 0, [1, 2, 3, 4, 5, 6] )) # [2, 4, 6]
关于 Python 小技巧-一行代码的操作还很多,后面咱们慢慢探索,希望大家一起进步。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28