
作者:豆豆
来源:Python 技术
众所周知,Python 以简洁著称,这个从我们写的第一行 Python 代码中就能看出来。今天派森酱就给大家整理了一些经典的一行代码操作,可能有些你还不知道,但对你未来的工作(装逼)肯定有大用处。
平时的编码过程中,进制转换是非常常用的一个功能,尤其是涉及到一些算法的时候更是频繁。事实上 Python 已经内置了各个进制转换的 Api,咱们直接调用即可。
In [1]: int('1100', 2) Out[1]: 12 In [2]: int('30', 8) Out[2]: 24 In [3]: int('ac9', 16) Out[3]: 2761
斐波纳契数列是一个很经典的数列,其通项公式为第一项和第二项都为 1,从第三项开始,每一项都等于前两项之和。
In [4]: fibonacci = lambda x: x if x <= 1 else fibonacci(x - 1) + fibonacci(x - 2) In [5]: fibonacci(15) Out[5]: 610
快速排序是初级工程师常考的一个算法题,整个算法写下来的话基本都需要八九行,来看看 Python 是如何一行代码搞定快速排序的。
In [6]: quick_sort = lambda l: l if len(l) <= 1 else quick_sort([x for x in l[1:] if x < l[0]]) + [l[0]] + quick_sort([x for x in l[1:] if x >= l[0]]) In [7]: quick_sort([18, 20, 12, 99, 200, 59, 66, 34, 22]) Out[7]: [12, 18, 20, 22, 34, 59, 66, 99, 200]
文件操作也是我们常用的操作之一,但你见过用 print 函数来写入文件的么。
print("Hello, Python!", file=open('file.txt', 'w'))
顾名思义,字母异位词就是通过交换单词中字母的顺序,两个单词最终是一样的。
In [9]: from collections import Counter
In [10]: s1, s2 = 'apple', 'orange' In [11]: 'anagram' if Counter(s1) == Counter(s2) else 'not an anagram' Out[11]: 'not an anagram'
对于数据分析工作者,经常会接触到矩阵,那么就需要熟悉对矩阵的各种操作。而矩阵转换就是常规操作之一。
In [12]: num_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [13]: result = list(list(x) for x in zip(*num_list)) In [14]: result Out[14]: [[1, 4, 7], [2, 5, 8], [3, 6, 9]]
虽然现在很多常用的算法都被封装成 Api 直接调用就好了,但并不意味着我们的工作就不需要写算法了。在写算法的过程中会用到一些常见的字典数,比如大写字母、小写字母、数字等。而这些 Python 都考虑到了,直接调用即可。
In [15]: import string In [16]: string.ascii_lowercase
Out[16]: 'abcdefghijklmnopqrstuvwxyz' In [17]: string.ascii_uppercase
Out[17]: 'ABCDEFGHIJKLMNOPQRSTUVWXYZ' In [18]: string.digits
Out[18]: '0123456789'
在对接外部接口或者数据处理时,嵌套列表是非常常见的数据结构,但显然整合成一个列表更容易处理。
In [19]: num_list = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] In [20]: result = [item for sublist in num_list for item in sublist] In [21]: result Out[21]: [1, 2, 3, 4, 5, 6, 7, 8, 9]
推导式是 Python 的精华所在,极大的方便了我们创建列表和字典。
In [22]: num_list = [num for num in range(0, 10)] In [23]: num_list Out[23]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] In [24]: num_set = {num for num in range(0, 10)} In [25]: num_set Out[25]: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} In [26]: num_dict = {x: x * x for x in range(1, 5)} In [27]: num_dict Out[27]: {1: 1, 2: 4, 3: 9, 4: 16}
今天派森酱带大家一起梳理了一些看起来比较有用(装逼)的一行代码操作,方便小伙伴们在以后的工作中提高工作效率,更愉快的摸鱼。
关于 Python 的简洁操作,你还有什么独家秘笈想和大家分享呢,可以在评论区多多交流哦~
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10