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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19