
作者:豆豆
来源:Python 技术
Python 是一门语法非常简洁的语言,其可读性和表达性都非常的强,今天就给大家分享一下派森酱珍藏已久的一些小技巧,话不多说直接看
如何优雅的在 Python 中使用 emoji 表情,这个库兴许可以满足你的需求。
In [1]: import emoji In [2]: emoji.emojize('Python is :thumbs_up:') Out[2]: 'Python is '
当你想查看一个 Python 对象的属性时,dir 可以做到。
In [3]: dir(3)
Out[3]:
['__abs__', '__add__',
... 'real', 'to_bytes']
map 结合 lambda 函数可以完成一些意想不到的操作。
In [11]: x = [1, 2, 3, 4, 5] In [12]: y = map(lambda x : x ** 2 , x) In [13]: list(y) Out[13]: [1, 4, 9, 16, 25]
有没有想过在命令行玩转图表呢,快来试试 bashplotlib 吧。
In [15]: import numpy as np In [16]: from bashplotlib.histogram import plot_hist In [17]: arr = np.random.normal(size=1000, loc=0, scale=1) In [18]: plot_hist(arr, bincount=50) 58| o 55| o 52| o 49| oo 46| o oo o o o 43| o oooo o o 40| oooooooo o o 37| o oooooooooo o 34| o oooooooooo oo 31| ooooooooooooooooo 28| ooooooooooooooooooo 25| oooooooooooooooooooo 22| oooooooooooooooooooo 19| o ooooooooooooooooooooo 16| o oooooooooooooooooooooo o 13| ooooooooooooooooooooooooo oo 10| oooooooooooooooooooooooooooo o 7| oo ooooooooooooooooooooooooooooooo o 4| o ooooooooooooooooooooooooooooooooooooo o 1| o o oooo oooooooooooooooooooooooooooooooooooooooo --------------------------------------------------
当你输出一个复杂的对象时,Python 自带的 print 函数其输出可读性是不怎么好的,这时候 pprint 就显示出用处了,pprint 可以让复杂的对象以及其友好的形式展现出来。
In [33]: info = {'info': {'page': 1, 'results': 1, 'id': '1', 'version': '1.0'}, 'has_more': True, 'total': 100}
In [34]: pprint.pprint(info)
{'has_more': True, 'info': {'id': '1', 'page': 1, 'results': 1, 'version': '1.0'}, 'total': 100}
zip 函数可以让两个列表中的元素逐个映射到一个新的字典当中。
In [35]: keys = ['x', 'y', 'z']
In [36]: values = [1, 2, 3]
In [37]: dict(zip(keys, values))
Out[37]: {'x': 1, 'y': 2, 'z': 3}
我们可以像调用方法那样来调用系统的命令。
In [47]: import sh In [48]: sh.echo('Hello Python') Out[48]: Hello Python
最后一个技巧就是 Python 界的经典用法推导式了,可以非常快速的生成列表。
In [49]: num_list = [num for num in range(0, 10)] In [50]: num_list Out[50]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
人生苦短,我用 Python,希望这些小技巧可以让你的 Python 学习之路更加顺畅。
CDA数据分析师分享干货,欢迎转发
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28