滿滿干貨！20個(gè)Python使用的小技巧

本節(jié)對(duì)一些 Python 易混淆的操作進(jìn)行對(duì)比。

創(chuàng)新互聯(lián)主要從事網(wǎng)站建設(shè)、成都網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)慶元,十載網(wǎng)站建設(shè)經(jīng)驗(yàn),價(jià)格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):13518219792

1.1 有放回隨機(jī)采樣和無放回隨機(jī)采樣

1.2 lambda 函數(shù)的參數(shù)

1.3 copy 和 deepcopy

復(fù)制和變量別名結(jié)合在一起時(shí)，容易混淆：

對(duì)別名的修改會(huì)影響原變量，（淺）復(fù)制中的元素是原列表中元素的別名，而深層復(fù)制是遞歸地進(jìn)行復(fù)制，對(duì)深層復(fù)制的修改不影響原變量。

1.4 == 和 is

1.5 判斷類型

1.6 字符串搜索

1.7 List 后向索引

這個(gè)只是習(xí)慣問題，前向索引時(shí)下標(biāo)從0開始，如果反向索引也想從0開始可以使用~。

2.1 讀寫 CSV 文件

注意，當(dāng) CSV 文件過大時(shí)會(huì)報(bào)錯(cuò)：_csv.Error: field larger than field limit (131072)，通過修改上限解決

csv 還可以讀以 分割的數(shù)據(jù)

2.2 迭代器工具

itertools 重新定義了很多迭代器工具，例如子序列工具：

序列排序：

多個(gè)序列合并：

2.3 計(jì)數(shù)器

計(jì)數(shù)器可以統(tǒng)計(jì)一個(gè)可迭代對(duì)象中每個(gè)元素出現(xiàn)的次數(shù)。

2.4 帶默認(rèn)值的 Dict

當(dāng)訪問不存在的 Key 時(shí)，defaultdict 會(huì)將其設(shè)置為某個(gè)默認(rèn)值。

2.5 有序 Dict

3.1 輸出錯(cuò)誤和警告信息

向標(biāo)準(zhǔn)錯(cuò)誤輸出信息

輸出警告信息

控制警告消息的輸出

3.2 代碼中測(cè)試

有時(shí)為了調(diào)試，我們想在代碼中加一些代碼，通常是一些 print 語句，可以寫為：

一旦調(diào)試結(jié)束，通過在命令行執(zhí)行 -O 選項(xiàng)，會(huì)忽略這部分代碼：

3.3 代碼風(fēng)格檢查

使用 pylint 可以進(jìn)行不少的代碼風(fēng)格和語法檢查，能在運(yùn)行之前發(fā)現(xiàn)一些錯(cuò)誤

3.4 代碼耗時(shí)

耗時(shí)測(cè)試

測(cè)試某代碼塊耗時(shí)

代碼耗時(shí)優(yōu)化的一些原則

4.1 argmin 和 argmax

argmax同理。

4.2 轉(zhuǎn)置二維列表

4.3 一維列表展開為二維列表

可以讓你快速用Python進(jìn)行數(shù)據(jù)分析的10個(gè)小技巧

一些小提示和小技巧可能是非常有用的，特別是在編程領(lǐng)域。有時(shí)候使用一點(diǎn)點(diǎn)黑客技術(shù)，既可以節(jié)省時(shí)間，還可能挽救“生命”。

一個(gè)小小的快捷方式或附加組件有時(shí)真是天賜之物，并且可以成為真正的生產(chǎn)力助推器。所以，這里有一些小提示和小技巧，有些可能是新的，但我相信在下一個(gè)數(shù)據(jù)分析項(xiàng)目中會(huì)讓你非常方便。

Pandas中數(shù)據(jù)框數(shù)據(jù)的Profiling過程

Profiling（分析器）是一個(gè)幫助我們理解數(shù)據(jù)的過程，而Pandas Profiling是一個(gè)Python包，它可以簡(jiǎn)單快速地對(duì)Pandas 的數(shù)據(jù)框數(shù)據(jù)進(jìn)行 探索 性數(shù)據(jù)分析。

Pandas中df.describe()和df.info()函數(shù)可以實(shí)現(xiàn)EDA過程第一步。但是，它們只提供了對(duì)數(shù)據(jù)非常基本的概述，對(duì)于大型數(shù)據(jù)集沒有太大幫助。 而Pandas中的Profiling功能簡(jiǎn)單通過一行代碼就能顯示大量信息，且在交互式HTML報(bào)告中也是如此。

對(duì)于給定的數(shù)據(jù)集，Pandas中的profiling包計(jì)算了以下統(tǒng)計(jì)信息：

由Pandas Profiling包計(jì)算出的統(tǒng)計(jì)信息包括直方圖、眾數(shù)、相關(guān)系數(shù)、分位數(shù)、描述統(tǒng)計(jì)量、其他信息——類型、單一變量值、缺失值等。

安裝

用pip安裝或者用conda安裝

pip install pandas-profiling

conda install -c anaconda pandas-profiling

用法

下面代碼是用很久以前的泰坦尼克數(shù)據(jù)集來演示多功能Python分析器的結(jié)果。

#importing the necessary packages

import pandas as pd

import pandas_profiling

df = pd.read_csv('titanic/train.csv')

pandas_profiling.ProfileReport(df)

一行代碼就能實(shí)現(xiàn)在Jupyter Notebook中顯示完整的數(shù)據(jù)分析報(bào)告，該報(bào)告非常詳細(xì)，且包含了必要的圖表信息。

還可以使用以下代碼將報(bào)告導(dǎo)出到交互式HTML文件中。

profile = pandas_profiling.ProfileReport(df)

profile.to_file(outputfile="Titanic data profiling.html")

Pandas實(shí)現(xiàn)交互式作圖

Pandas有一個(gè)內(nèi)置的.plot（）函數(shù)作為DataFrame類的一部分。但是，使用此功能呈現(xiàn)的可視化不是交互式的，這使得它沒那么吸引人。同樣，使用pandas.DataFrame.plot（）函數(shù)繪制圖表也不能實(shí)現(xiàn)交互。 如果我們需要在不對(duì)代碼進(jìn)行重大修改的情況下用Pandas繪制交互式圖表怎么辦呢？這個(gè)時(shí)候就可以用Cufflinks庫來實(shí)現(xiàn)。

Cufflinks庫可以將有強(qiáng)大功能的plotly和擁有靈活性的pandas結(jié)合在一起，非常便于繪圖。下面就來看在pandas中如何安裝和使用Cufflinks庫。

安裝

pip install plotly

# Plotly is a pre-requisite before installing cufflinks

pip install cufflinks

用法

#importing Pandas

import pandas as pd

#importing plotly and cufflinks in offline mode

import cufflinks as cf

import plotly.offline

cf.go_offline()

cf.set_config_file(offline=False, world_readable=True)

是時(shí)候展示泰坦尼克號(hào)數(shù)據(jù)集的魔力了。

df.iplot()

df.iplot() vs df.plot()

右側(cè)的可視化顯示了靜態(tài)圖表，而左側(cè)圖表是交互式的，更詳細(xì)，并且所有這些在語法上都沒有任何重大更改。

Magic命令

Magic命令是Jupyter notebook中的一組便捷功能，旨在解決標(biāo)準(zhǔn)數(shù)據(jù)分析中的一些常見問題。使用命令％lsmagic可以看到所有的可用命令。

所有可用的Magic命令列表

Magic命令有兩種：行magic命令（line magics），以單個(gè)％字符為前綴，在單行輸入操作；單元magic命令（cell magics），以雙%%字符為前綴，可以在多行輸入操作。如果設(shè)置為1，則不用鍵入%即可調(diào)用Magic函數(shù)。

接下來看一些在常見數(shù)據(jù)分析任務(wù)中可能用到的命令：

% pastebin

％pastebin將代碼上傳到Pastebin并返回url。Pastebin是一個(gè)在線內(nèi)容托管服務(wù)，可以存儲(chǔ)純文本，如源代碼片段，然后通過url可以與其他人共享。事實(shí)上，Github gist也類似于pastebin，只是有版本控制。

在file.py文件中寫一個(gè)包含以下內(nèi)容的python腳本，并試著運(yùn)行看看結(jié)果。

#file.py

def foo(x):

return x

在Jupyter Notebook中使用％pastebin生成一個(gè)pastebin url。

%matplotlib notebook

函數(shù)用于在Jupyter notebook中呈現(xiàn)靜態(tài)matplotlib圖。用notebook替換inline，可以輕松獲得可縮放和可調(diào)整大小的繪圖。但記得這個(gè)函數(shù)要在導(dǎo)入matplotlib庫之前調(diào)用。

%run

用％run函數(shù)在notebook中運(yùn)行一個(gè)python腳本試試。

%run file.py

%%writefile

%% writefile是將單元格內(nèi)容寫入文件中。以下代碼將腳本寫入名為foo.py的文件并保存在當(dāng)前目錄中。

%%latex

%%latex函數(shù)將單元格內(nèi)容以LaTeX形式呈現(xiàn)。此函數(shù)對(duì)于在單元格中編寫數(shù)學(xué)公式和方程很有用。

查找并解決錯(cuò)誤

交互式調(diào)試器也是一個(gè)神奇的功能，我把它單獨(dú)定義了一類。如果在運(yùn)行代碼單元時(shí)出現(xiàn)異常，請(qǐng)?jiān)谛滦兄墟I入％debug并運(yùn)行它。 這將打開一個(gè)交互式調(diào)試環(huán)境，它能直接定位到發(fā)生異常的位置。還可以檢查程序中分配的變量值，并在此處執(zhí)行操作。退出調(diào)試器單擊q即可。

Printing也有小技巧

如果您想生成美觀的數(shù)據(jù)結(jié)構(gòu)，pprint是首選。它在打印字典數(shù)據(jù)或JSON數(shù)據(jù)時(shí)特別有用。接下來看一個(gè)使用print和pprint來顯示輸出的示例。

讓你的筆記脫穎而出

我們可以在您的Jupyter notebook中使用警示框/注釋框來突出顯示重要內(nèi)容或其他需要突出的內(nèi)容。注釋的顏色取決于指定的警報(bào)類型。只需在需要突出顯示的單元格中添加以下任一代碼或所有代碼即可。

藍(lán)色警示框：信息提示

p class="alert alert-block alert-info"

bTip:/b Use blue boxes (alert-info) for tips and notes.

If it’s a note, you don’t have to include the word “Note”.

/p

黃色警示框：警告

p class="alert alert-block alert-warning"

bExample:/b Yellow Boxes are generally used to include additional examples or mathematical formulas.

/p

綠色警示框：成功

p class="alert alert-block alert-success"

Use green box only when necessary like to display links to related content.

/p

紅色警示框：高危

p class="alert alert-block alert-danger"

It is good to avoid red boxes but can be used to alert users to not delete some important part of code etc.

/p

打印單元格所有代碼的輸出結(jié)果

假如有一個(gè)Jupyter Notebook的單元格，其中包含以下代碼行：

In [1]: 10+5

11+6

Out [1]: 17

單元格的正常屬性是只打印最后一個(gè)輸出，而對(duì)于其他輸出，我們需要添加print()函數(shù)。然而通過在notebook頂部添加以下代碼段可以一次打印所有輸出。

添加代碼后所有的輸出結(jié)果就會(huì)一個(gè)接一個(gè)地打印出來。

In [1]: 10+5

11+6

12+7

Out [1]: 15

Out [1]: 17

Out [1]: 19

恢復(fù)原始設(shè)置：

InteractiveShell.ast_node_interactivity = "last_expr"

使用'i'選項(xiàng)運(yùn)行python腳本

從命令行運(yùn)行python腳本的典型方法是：python hello.py。但是，如果在運(yùn)行相同的腳本時(shí)添加-i，例如python -i hello.py，就能提供更多優(yōu)勢(shì)。接下來看看結(jié)果如何。

首先，即使程序結(jié)束，python也不會(huì)退出解釋器。因此，我們可以檢查變量的值和程序中定義的函數(shù)的正確性。

其次，我們可以輕松地調(diào)用python調(diào)試器，因?yàn)槲覀內(nèi)匀辉诮忉屍髦校?/p>

import pdb

pdb.pm()

這能定位異常發(fā)生的位置，然后我們可以處理異常代碼。

自動(dòng)評(píng)論代碼

Ctrl / Cmd + /自動(dòng)注釋單元格中的選定行，再次命中組合將取消注釋相同的代碼行。

刪除容易恢復(fù)難

你有沒有意外刪除過Jupyter notebook中的單元格？如果答案是肯定的，那么可以掌握這個(gè)撤消刪除操作的快捷方式。

如果您刪除了單元格的內(nèi)容，可以通過按CTRL / CMD + Z輕松恢復(fù)它。

如果需要恢復(fù)整個(gè)已刪除的單元格，請(qǐng)按ESC + Z或EDIT撤消刪除單元格。

結(jié)論

在本文中，我列出了使用Python和Jupyter notebook時(shí)收集的一些小提示。我相信它們會(huì)對(duì)你有用，能讓你有所收獲，從而實(shí)現(xiàn)輕松編碼！

Python元組常用操作小技巧

所以這篇文章，我們先來回顧和總結(jié)Python數(shù)據(jù)結(jié)構(gòu)里常用操作。Python中常見的數(shù)據(jù)結(jié)構(gòu)可以統(tǒng)稱為容器（container）。序列（如列表和元組）、映射（如字典）以及集合（set）是三類主要的容器。而扁平序列如str、bytes、bytearray、memoryview 和 array.array等不在這篇文章的討論范圍內(nèi)。

在此，我們先從元組開始說起。

元組區(qū)別于列表的顯著特征之一就是它不能被修改，但其另外一個(gè)作用就是 用于沒有字段名的記錄 [1] 。因?yàn)楹笳呓?jīng)常被忽略，我們先來看看元組作為記錄的作用。

使用括號(hào)就可以定義一個(gè)元組。元組中的每個(gè)元素都存放了記錄中一個(gè)字段的數(shù)據(jù)，外加這個(gè)字段的位置。正是這個(gè)位置信息給數(shù)據(jù)賦予了意義。下面的例子中，元組就被當(dāng)作記錄加以利用：

輸出為：

上述for循環(huán)中的操作提取了元組中的元素，也叫作拆包（unpacking）。平行賦值是對(duì)元組拆包很好的應(yīng)用，示例如下：

還有一個(gè)經(jīng)典而優(yōu)雅的應(yīng)用是交換變量的值：

用 * 運(yùn)算符把一個(gè)可迭代對(duì)象拆開作為函數(shù)的參數(shù)，例如Python的內(nèi)置函數(shù)pmod接收兩個(gè)數(shù)字類型的參數(shù)，返回商和余數(shù)。以下范例將使用 * 將元組傳入函數(shù)。

輸出為：

有些函數(shù)有多個(gè)返回值，將其賦給一個(gè)變量時(shí)，變量類型即是元組：

輸出為：

zip是Python的內(nèi)置函數(shù)，能夠接收兩個(gè)或多個(gè)序列，并組成一個(gè)元組列表，在Python3中會(huì)返回一個(gè)迭代器，如下所示：

輸出為：

元組當(dāng)然也支持一些常規(guī)操作，如對(duì)于元組 a = (1, 'y', 5, 5, 'x') ：

上述內(nèi)容不僅涵蓋了元組的基本操作，同時(shí)也結(jié)合了實(shí)際工作中常搭配使用的其他函數(shù)、運(yùn)算符等。在回顧這些知識(shí)時(shí)主要參考了兩本經(jīng)典的Python編程書籍：《流暢的Python》和《像計(jì)算機(jī)科學(xué)家一樣思考Python》，有興趣的朋友可以深入閱讀！

希望這篇文章對(duì)你有幫助，下回將總結(jié)Python列表的使用技巧。

[1]《流暢的Python》:

當(dāng)前題目：python函數(shù)小技巧 python入門函數(shù)
當(dāng)前地址：http://m.newbst.com/article12/hjpedc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供ChatGPT、網(wǎng)頁設(shè)計(jì)公司、定制網(wǎng)站、網(wǎng)站制作、自適應(yīng)網(wǎng)站、虛擬主機(jī)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)