京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 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 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 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 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28