15个高级Python技巧提高代码效率更加Pythonic

 更新时间:2023年12月26日 09:57:27   作者:简讯Alfred  
Python 是一种多用途、功能强大的编程语言,具有广泛的特性和能力,在本文中,我们将探讨 15 个高级 Python 技巧,它们有助于改善您的开发工作流程,并使您的代码更加高效,更加 Pythonic

使用列表推导式简化代码

列表推导式提供了简洁而优雅的方法。它们通常可以取代传统的循环和条件语句,从而使代码更简洁、更易读。但是这里不建议把列表推导式写的过于复杂,毕竟代码是写给人看的,之后才是让机器阅读的。

# 普通的写法
numbers = [1, 2, 3, 4, 5]
squared_numbers = []
for num in numbers:
    squared_numbers.append(num ** 2)
# 使用列表推导式
squared_numbers = [num ** 2 for num in numbers]

利用生成器表达式提高内存效率

与列表推导式类似,生成器表达式允许你以简洁的方式创建迭代器。主要区别在于,生成器表达式不会在内存中存储整个序列,因此更节省内存。

使用小括号代替方括号创建生成器表达式:

# 列表推导式
squared_numbers = [num ** 2 for num in numbers]
# 生成器表达式
squared_numbers = (num ** 2 for num in numbers)

学会使用 enumerate() 函数

当需要遍历一个可迭代元素并计划使用每个元素的索引时,enumerate() 函数就派上用场了。它返回一个包含索引和相应元素的元组迭代器。下面是一个例子:

# 列表推导式
squared_numbers = [num ** 2 for num in numbers]
# 生成器表达式
squared_numbers = (num ** 2 for num in numbers)

使用 join() 简化字符串连接

使用 + 运算符连接字符串的效率可能会很低,尤其是在处理大字符串或多个字符串连接时。相反,使用 join() 方法可以高效地连接多个字符串,这个方法我个人也经常在用,而且用列表拼接字符串时,编写会更加灵活:

fruits = ['apple', 'banana', 'cherry']
combined_fruits = ', '.join(fruits)
print(combined_fruits)  
# Output: apple, banana, cherry

利用 zip() 函数进行并行迭代

通过 zip() 函数,可以并行遍历多个可遍历数。它将多个迭代作为输入,并返回一个迭代器,该迭代器产生的元组包含来自每个迭代的元素。下面是一个示例:

names = ['Alice', 'Bob', 'Charlie']
ages = [25, 32, 40]
for name, age in zip(names, ages):
    print(f"Name: {name}, Age: {age}")

使用 collections.defaultdict 简化字典默认值

collections 模块提供了一个名为 defaultdict 的便捷类,它是内置 dict 类的子类。如果键值不存在,它会自动为其指定默认值,从而省去了显式检查。下面是一个例子:

from collections import defaultdict
fruit_counts = defaultdict(int)
fruits = ['apple', 'banana', 'cherry', 'banana']
for fruit in fruits:
    fruit_counts[fruit] += 1
print(fruit_counts)  
# Output: {'apple': 1, 'banana': 2, 'cherry': 1}

巧用 any() 和 all() 函数

any() 和 all() 函数在处理可迭代数据结构时非常有用。如果可迭代数据结构中至少有一个元素为 True,则 any() 函数返回 True,而 all() 函数只有在所有元素都为 True 时才返回 True。下面是一个例子:

numbers = [1, 2, 3, 4, 5]
print(any(num > 3 for num in numbers))  
# Output: True
print(all(num > 3 for num in numbers))  
# Output: False

使用 collections.Counter 对元素进行计数

collections.Counter 类提供了一种方便的方法来对可迭代表中的元素进行计数。它返回一个类似字典的对象,其中元素是键,计数是值。下面是一个示例:

from collections import Counter
fruits = ['apple', 'banana', 'cherry', 'banana']
fruit_counts = Counter(fruits)
print(fruit_counts)  
# Output: Counter({'banana': 2, 'apple': 1, 'cherry': 1})

用 @staticmethod 和 @classmethod 装饰函数

@staticmethod 装饰器允许你在类中定义静态方法。这些方法不能访问实例或类本身,但可以在不实例化对象的情况下调用。同样,@classmethod 装饰器定义的方法的第一个参数是类本身,而不是实例。下面是一个例子:

class MathUtils:
    @staticmethod
    def square(x):
        return x ** 2
    @classmethod
    def cube(cls, x):
        return x ** 3
print(MathUtils.square(3))  # Output: 9
print(MathUtils.cube(3))  # Output: 27

利用 slots 减少内存使用量

Python 默认将实例属性存储在字典中,这会消耗大量内存,尤其是在创建许多实例时。然而,您可以使用 slots 属性来告诉 Python 为一组固定的实例变量分配内存,从而减少内存使用量。下面是一个例子:

class Point:
    __slots__ = ['x', 'y']
    def __init__(self, x, y):
        self.x = x
        self.y = y

这样就限定了属性只有 x 和 y,如果尝试绑定其他属性便会报 AttributeError 错误。

使用 contextlib.suppress 忽略异常

contextlib.suppress 上下文管理器可以方便地忽略代码块中出现的特定异常。它有助于避免不必要的 try-except 代码块,并保持代码的整洁。下面是一个示例:

from contextlib import suppress
with suppress(FileNotFoundError):
    with open('file.txt', 'r') as file:
        contents = file.read()

以上就是15个高级Python技巧提高代码效率更加Pythonic。的详细内容,更多关于Python Pythonic高效代码的资料请关注脚本之家其它相关文章!

相关文章

  • Pytorch pth 格式转ONNX 格式的详细过程

    Pytorch pth 格式转ONNX 格式的详细过程

    PyTorch 训练的模型,需要在Jetson nano 上部署,jetson 原生提供了TensorRT 的支持,所以一个比较好的方式是把它转换成ONNX 格式,然后在通过ONNX 转换成TensorRT 格式,这篇文章主要介绍了Pytorch pth 格式转ONNX 格式,需要的朋友可以参考下
    2023-05-05
  • django中导出csv文件实现过程

    django中导出csv文件实现过程

    在Django中导出CSV文件,通过设置HttpResponse的Content-Type和Content-Disposition头,使用csv.writer将数据写入响应,实现文件下载功能
    2026-01-01
  • Python matplotlib实现折线图的绘制

    Python matplotlib实现折线图的绘制

    Matplotlib作为Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。本文将利用Matplotlib库绘制折线图,感兴趣的可以了解一下
    2022-03-03
  • python实现两个dict合并与计算操作示例

    python实现两个dict合并与计算操作示例

    这篇文章主要介绍了python实现两个dict合并与计算操作,结合具体实例形式分析了Python使用collections.Counter进行字典dict合并与遍历输出相关操作技巧,需要的朋友可以参考下
    2019-07-07
  • pandas实现datetime64与unix时间戳互转

    pandas实现datetime64与unix时间戳互转

    这篇文章主要介绍了pandas实现datetime64与unix时间戳互转,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-07-07
  • Python使用signal定时结束AsyncIOScheduler任务的问题

    Python使用signal定时结束AsyncIOScheduler任务的问题

    这篇文章主要介绍了Python使用signal定时结束AsyncIOScheduler任务,在使用aiohttp结合apscheduler的AsyncIOScheduler模拟定点并发的时候遇到两个问题,针对每个问题给大家详细介绍,需要的朋友可以参考下
    2021-07-07
  • Python使用Numpy实现Kmeans算法的步骤详解

    Python使用Numpy实现Kmeans算法的步骤详解

    将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。这篇文章主要介绍了Python使用Numpy实现Kmeans算法,需要的朋友可以参考下
    2021-11-11
  • 关于Python文本生成的Beam Search解码问题

    关于Python文本生成的Beam Search解码问题

    这篇文章主要介绍了Python文本生成的Beam Search解码,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2022-07-07
  • Python中删除文件的几种方法实例

    Python中删除文件的几种方法实例

    这篇文章主要给大家介绍了关于Python中删除文件的几种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • Python 绘图和可视化详细介绍

    Python 绘图和可视化详细介绍

    这篇文章主要介绍了Python 绘图和可视化详细介绍的相关资料,需要的朋友可以参考下
    2017-02-02

最新评论