python之常用方法(精)
查找列表中出现最频繁的元素
使用 max() 函数可以快速查找出一个列表中出现频率最高的某个元素。
>>> a = [1, 2, 3, 4, 3, 4, 5, 4, 4, 2]
>>> b = max(set(a), key=a.count)
>>> b
4统计列表中所有元素的出现次数
collections 是 Python 中的一个宝藏模块，它提供了很多特性。Counter 方法正好可以完美解决这个需求。
>>> from collections import Counter
>>>
>>> a = [1, 2, 3, 4, 3, 4, 5, 4, 4, 2]
>>> Counter(a)
Counter({4: 4, 2: 2, 3: 2, 1: 1, 5: 1})key 来自一个列表，而 value 相同, 使用 fromkeys，那是相当的优雅
keys = ['a', 'b', 'c']
value = 100
d = dict.fromkeys(keys, value)
使用 product() 函数避免嵌套的Python循环
list_a = [1, 2020, 70] list_b = [2, 4, 7, 2000] list_c = [3, 70, 7] for a in list_a: for b in list_b: for c in list_c: if a + b + c == 2077: print(a, b, c) # 70 2000 7 使用product
from itertools import product list_a = [1, 2020, 70] list_b = [2, 4, 7, 2000] list_c = [3, 70, 7] for a, b, c in product(list_a, list_b, list_c): if a + b + c == 2077: print(a, b, c) # 70 2000 7
列表推导式:
1、[x for x in data if condition]
此处if主要起条件判断作用，data数据中只有满足if条件的才会被留下，最终生成一个数据列表。
2、[exp1 if condition else exp2 for x in data]
此处if…else主要起赋值作用。当data中的数据满足if条件时，将其做exp1处理，否则按照exp2处理，最终生成一个数据列表。
（1）使用列表推导式，生成1-10以内的所有偶数
even = [i for i in range(1, 10 + 1) if i % 2 == 0] print(even) # 输出结果:[2, 4, 6, 8, 10]
(2）使用列表推导式，生成1-10以内，如果是奇数，输出“奇”，如果是偶数，则输出"偶"
result = ["偶" if i % 2 == 0 else "奇" for i in range(1, 10+1) ] print(result) # 输出结果：['奇', '偶', '奇', '偶', '奇', '偶', '奇', '偶', '奇', '偶']
合并字典的最简单方法
合并字典是日常 Python 编程中的一个常见需求。有很多方法可以做到这一点。但在Python3.9 之前，所有这些方法都很难看。
从 Python3.9 开始，我们终于得到了最优雅的字典合并方式——使用联合运算符。
article_author = {'数据STUDIO': '云朵君',
'机器学习研习院': '小猴子'}
author_cities = {'云朵君': '江苏',
'小猴子': '成都'}
info = article_author|author_cities
print(info)
#{'数据STUDIO': '云朵君',
'机器学习研习院': '小猴子',
'云朵君': '江苏',
'小猴子': '成都'}
集合操作
# 交集 set1 & set2 # 并集 set1 | set2 # 差集 set1 - set2 # 补集 set1 ^ set2
生成a到z的字符串
1) import string letters = string.ascii_lowercase 2) letters = "".join(map(chr, range(ord('a'), ord('z')+1)))
列表中值求和
1. sum num_list = list(range(1, 11)) sum(num_list) 2. reduce from functools import reduce total = reduce(lambda x,y : x + y, num_list)
列表中数值去重
def distFunc1(a): """使用集合去重""" a = list(set(a)) print(a) def distFunc2(a): """将一个列表的数据取出放到另一个列表中，中间作判断""" list = [] for i in a: if i not in list: list.append(i) #如果需要排序的话用sort list.sort() print(list) def distFunc3(a): """使用字典""" b = {} b = b.fromkeys(a) c = list(b.keys()) print(c) if __name__ == "__main__": a = [1,2,4,2,4,5,7,10,5,5,7,8,9,0,3] distFunc1(a) distFunc2(a) distFunc3(a)
一个文本中,单词出现频率最高的10个单词
import re # 方法一 def test(filepath): distone = {} with open(filepath) as f: for line in f: line = re.sub("\W+", " ", line) lineone = line.split() for keyone in lineone: if not distone.get(keyone): distone[keyone] = 1 else: distone[keyone] += 1 num_ten = sorted(distone.items(), key=lambda x:x[1], reverse=True)[:10] num_ten =[x[0] for x in num_ten] return num_ten # 方法二 # 使用 built-in 的 Counter 里面的 most_common import re from collections import Counter def test2(filepath): with open(filepath) as f: return list(map(lambda c: c[0], Counter(re.sub("\W+", " ", f.read()).split()).most_common(10)))
简单限流:
def is_action_allowed(user_id, action_key, period, max_count): key = 'hist:%s:%s' % (user_id, action_key) now_ts = int(time.time() * 1000) # 毫秒时间戳 with client.pipeline() as pipe: # client 是 StrictRedis 实例 # 记录行为 pipe.zadd(key, {str(now_ts): now_ts}) # value 和 score 都使用毫秒时间戳 # 移除时间窗口之前的行为记录，剩下的都是时间窗口内的 pipe.zremrangebyscore(key, 0, now_ts - period * 1000) # 获取窗口内的行为数量 pipe.zcard(key) # 设置 zset 过期时间，避免冷用户持续占用内存 # 过期时间应该等于时间窗口的长度，再多宽限 1s pipe.expire(key, period + 1) # 批量执行 _, _, current_count, _ = pipe.execute() # 比较数量是否超标 return current_count <= max_count if __name__ == '__main__': for i in range(20): print(is_action_allowed("lian", "reply", 60, 5))
