Python走心的42个代码例子

return [lst]

return [lst[i * size:(i+1)*size] for i in range(0, ceil(len(lst) / size))]

r = divide([1, 3, 5, 7, 9], 2) # [[1, 3], [5, 7], [9]]

4 生成fibonacci序列前n项

def fibonacci(n):

if n <= 1:

return [1]

fib = [1, 1]

while len(fib) < n:

fib.append(fib[len(fib) - 1] + fib[len(fib) - 2])

return fib

fibonacci(5) # [1, 1, 2, 3, 5]

5 过滤掉各种空值

def filter_false(lst):

return list(filter(bool, lst))

filter_false([None, 0, False, ‘’, [], ‘ok’, [1, 2]])# [‘ok’, [1, 2]]

6 返回列表头元素

def head(lst):

return lst[0] if len(lst) > 0 else None

head([]) # None

head([3, 4, 1]) # 3

7 返回列表尾元素

def tail(lst):

return lst[-1] if len(lst) > 0 else None

print(tail([])) # None

print(tail([3, 4, 1])) # 1

8 对象转换为可迭代类型

from collections.abc import Iterable

def cast_iterable(val):

return val if isinstance(val, Iterable) else [val]

cast_iterable(‘foo’)# foo

cast_iterable(12)# [12]

cast_iterable({‘foo’: 12})# {‘foo’: 12}

9 求更长列表

def max_length(*lst):

return max(*lst, key=lambda v: len(v))

r = max_length([1, 2, 3], [4, 5, 6, 7], [8])# [4, 5, 6, 7]

10 出现最多元素

def max_frequency(lst):

return max(lst, default=‘列表为空’, key=lambda v: lst.count(v))

lst = [1, 3, 3, 2, 1, 1, 2]

max_frequency(lst) # 1

11 求多个列表的最大值

def max_lists(*lst):

return max(max(*lst, key=lambda v: max(v)))

max_lists([1, 2, 3], [6, 7, 8], [4, 5]) # 8

12 求多个列表的最小值

def min_lists(*lst):

return min(min(*lst, key=lambda v: max(v)))

min_lists([1, 2, 3], [6, 7, 8], [4, 5]) # 1

13 检查list是否有重复元素

def has_duplicates(lst):

return len(lst) == len(set(lst))

x = [1, 1, 2, 2, 3, 2, 3, 4, 5, 6]

y = [1, 2, 3, 4, 5]

has_duplicates(x) # False

has_duplicates(y) # True

14 求列表中所有重复元素

from collections import Counter

def find_all_duplicates(lst):

c = Counter(lst)

return list(filter(lambda k: c[k] > 1, c))

find_all_duplicates([1, 2, 2, 3, 3, 3]) # [2,3]

15 列表反转

def reverse(lst):

return lst[::-1]

reverse([1, -2, 3, 4, 1, 2])# [2, 1, 4, 3, -2, 1]

16 浮点数等差数列

def rang(start, stop, n):

start,stop,n = float(‘%.2f’ % start), float(‘%.2f’ % stop),int(‘%.d’ % n)

step = (stop-start)/n

lst = [start]

while n > 0:

start,n = start+step,n-1

lst.append(round((start), 2))

return lst

rang(1, 8, 10) # [1.0, 1.7, 2.4, 3.1, 3.8, 4.5, 5.2, 5.9, 6.6, 7.3, 8.0]

四、字典

---

1 字典值最大的键值对列表

def max_pairs(dic):

if len(dic) == 0:

return dic

max_val = max(map(lambda v: v[1], dic.items()))

return [item for item in dic.items() if item[1] == max_val]

max_pairs({‘a’: -10, ‘b’: 5, ‘c’: 3, ‘d’: 5})# [(‘b’, 5), (‘d’, 5)]

2 字典值最小的键值对列表

def min_pairs(dic):

if len(dic) == 0:

return []

min_val = min(map(lambda v: v[1], dic.items()))

return [item for item in dic.items() if item[1] == min_val]

min_pairs({}) # []

r = min_pairs({‘a’: -10, ‘b’: 5, ‘c’: 3, ‘d’: 5})

print® # [(‘b’, 5), (‘d’, 5)]

3 合并两个字典

def merge_dict2(dic1, dic2):

return {**dic1, **dic2} # python3.5后支持的一行代码实现合并字典

merge_dict({‘a’: 1, ‘b’: 2}, {‘c’: 3}) # {‘a’: 1, ‘b’: 2, ‘c’: 3}

4 求字典前n个最大值

from heapq import nlargest

返回字典d前n个最大值对应的键

def topn_dict(d, n):

return nlargest(n, d, key=lambda k: d[k])

topn_dict({‘a’: 10, ‘b’: 8, ‘c’: 9, ‘d’: 10}, 3) # [‘a’, ‘d’, ‘c’]

5 求最小键值对

d={‘a’:-10,‘b’:5, ‘c’:3,‘d’:5}

min(d.items(),key=lambda x:x[1]) #(‘a’, -10)

五、集合

---

1 互为变位词

from collections import Counter

检查两个字符串是否 相同字母异序词，简称：互为变位词

def anagram(str1, str2):

return Counter(str1) == Counter(str2)

anagram(‘eleven+two’, ‘twelve+one’) # True 这是一对神器的变位词

anagram(‘eleven’, ‘twelve’) # False

六、文件操作

---

1 查找指定文件格式文件

import os

def find_file(work_dir,extension=‘jpg’):

lst = []

for filename in os.listdir(work_dir):

print(filename)

splits = os.path.splitext(filename)

ext = splits[1] # 拿到扩展名

if ext == ‘.’+extension:

lst.append(filename)

return lst

find_file(‘.’,‘md’) # 返回所有目录下的md文件

七、正则和爬虫

---

1 爬取天气数据并解析温度值

素材来自朋友袁绍

import requests

from lxml import etree

import pandas as pd

import re

url = ‘http://www.weather.com.cn/weather1d/101010100.shtml#input’

with requests.get(url) as res:

content = res.content

html = etree.HTML(content)

通过lxml模块提取值，lxml比beautifulsoup解析在某些场合更高效

location = html.xpath(‘//*[@id=“around”]//a[@target=“_blank”]/span/text()’)

temperature = html.xpath(‘//*[@id=“around”]/div/ul/li/a/i/text()’)

结果：

[‘香河’, ‘涿州’, ‘唐山’, ‘沧州’, ‘天津’, ‘廊坊’, ‘太原’, ‘石家庄’, ‘涿鹿’, ‘张家口’, ‘保定’, ‘三河’, ‘北京孔庙’, ‘北京国子监’, ‘中国地质博物馆’, '月坛公

园’, ‘明城墙遗址公园’, ‘北京市规划展览馆’, ‘什刹海’, ‘南锣鼓巷’, ‘天坛公园’, ‘北海公园’, ‘景山公园’, ‘北京海洋馆’]

[‘11/-5°C’, ‘14/-5°C’, ‘12/-6°C’, ‘12/-5°C’, ‘11/-1°C’, ‘11/-5°C’, ‘8/-7°C’, ‘13/-2°C’, ‘8/-6°C’, ‘5/-9°C’, ‘14/-6°C’, ‘11/-4°C’, ‘13/-3°C’

, ‘13/-3°C’, ‘12/-3°C’, ‘12/-3°C’, ‘13/-3°C’, ‘12/-2°C’, ‘12/-3°C’, ‘13/-3°C’, ‘12/-2°C’, ‘12/-2°C’, ‘12/-2°C’, ‘12/-3°C’]

df = pd.DataFrame({‘location’:location, ‘temperature’:temperature})

print(‘温度列’)

print(df[‘temperature’])

正则解析温度值

df[‘high’] = df[‘temperature’].apply(lambda x: int(re.match(‘(-?[0-9]?)/-?[0-9]?°C’, x).group(1) ) )

df[‘low’] = df[‘temperature’].apply(lambda x: int(re.match(‘-?[0-9]?/(-?[0-9]?)°C’, x).group(1) ) )

print(df)

详细说明子字符创捕获

除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（group）。比如：^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码

m = re.match(r’^(\d{3})-(\d{3,8})$', ‘010-12345’)

print(m.group(0))

print(m.group(1))

print(m.group(2))

010-12345

010

12345

如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。

注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。

最终结果

Name: temperature, dtype: object

location temperature high low

0 香河 11/-5°C 11 -5

1 涿州 14/-5°C 14 -5

2 唐山 12/-6°C 12 -6

3 沧州 12/-5°C 12 -5

4 天津 11/-1°C 11 -1

5 廊坊 11/-5°C 11 -5

6 太原 8/-7°C 8 -7

7 石家庄 13/-2°C 13 -2

8 涿鹿 8/-6°C 8 -6

9 张家口 5/-9°C 5 -9

10 保定 14/-6°C 14 -6

11 三河 11/-4°C 11 -4

12 北京孔庙 13/-3°C 13 -3

13 北京国子监 13/-3°C 13 -3

14 中国地质博物馆 12/-3°C 12 -3

15 月坛公园 12/-3°C 12 -3

16 明城墙遗址公园 13/-3°C 13 -3

17 北京市规划展览馆 12/-2°C 12 -2

18 什刹海 12/-3°C 12 -3

19 南锣鼓巷 13/-3°C 13 -3

20 天坛公园 12/-2°C 12 -2

21 北海公园 12/-2°C 12 -2

22 景山公园 12/-2°C 12 -2

23 北京海洋馆 12/-3°C 12 -3

2 批量转化驼峰格式

import re

def camel(s):

s = re.sub(r"(\s|_|-)+", " “, s).title().replace(” ", “”)

return s[0].lower() + s[1:]

批量转化

def batch_camel(slist):

return [camel(s) for s in slist]

batch_camel([‘student_id’, ‘student\tname’, ‘student-add’]) #[‘studentId’, ‘studentName’, ‘studentAdd’]

八、绘图

---

1 turtle绘制奥运五环图

结果：

2 turtle绘制漫天雪花

结果：

3 4种不同颜色的色块，它们的颜色真的不同吗？

4 词频云图

import hashlib

import pandas as pd

from wordcloud import WordCloud

geo_data=pd.read_excel(r"…/data/geo_data.xlsx")

words = ‘,’.join(x for x in geo_data[‘city’] if x != []) #筛选出非空列表值

wc = WordCloud(

background_color=“green”, #背景颜色"green"绿色

max_words=100, #显示最大词数

font_path=‘./fonts/simhei.ttf’, #显示中文

min_font_size=5,

max_font_size=100,

width=500 #图幅宽度

)

x = wc.generate(words)

x.to_file(‘…/data/geo_data.png’)

八、生成器

---

1 求斐波那契数列前n项(生成器版)

def fibonacci(n):

a, b = 1, 1

for _ in range(n):

yield a

a, b = b, a + b

list(fibonacci(5)) # [1, 1, 2, 3, 5]

2 将list等分为子组(生成器版)

from math import ceil

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

fibonacci(5)) # [1, 1, 2, 3, 5]

2 将list等分为子组(生成器版)

from math import ceil

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

[外链图片转存中…(img-gZZkKI3d-1713684549342)]

[外链图片转存中…(img-cluBjBHf-1713684549344)]

[外链图片转存中…(img-yLvRMnIx-1713684549344)]

[外链图片转存中…(img-iWSq5BQb-1713684549345)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）