30个Python编程使用技巧，可以让你的工作事半功倍！_python编程运用

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

那如果没有 IDE 呢？想使用一个函数时，如何知道这个函数需要接收哪些参数呢？

这时可以使用 *inspect 来代替 IDE* 帮助你完成这些事

# demo.py
import inspect


def add(x, y):
    return x + y

print("===================")
print(inspect.getsource(add))

运行结果：
$ python demo.py
===================
def add(x, y):
    return x + y

这里我想先说一个点：不管你是通过各种渠道学Python还是自学？还是说你大学在学习，甚至于说有别的编程的基础，一定要注重一个东西：*完整的知识体系*。对于每一个自学的人，按照这个体系去打好基础，你未来的路会走得更稳重。

适用人群：零基础 / 基础不扎实者，学Python都从这里开始

零基础如何开始学习 Python？看完这篇从小白变大牛【内附干货资料】

5、最快查看包搜索路径的方式

当你使用 import 导入一个包或模块时，Python 会去一些目录下查找，而这些目录是有优先级顺序的，正常人会使用 sys.path 查看。

>>> import sys
>>> from pprint import pprint   
>>> pprint(sys.path)
['',
 '/usr/local/Python3.7/lib/python37.zip',
 '/usr/local/Python3.7/lib/python3.7',
 '/usr/local/Python3.7/lib/python3.7/lib-dynload',
 '/home/wangbm/.local/lib/python3.7/site-packages',
 '/usr/local/Python3.7/lib/python3.7/site-packages']
>>> 

有没有更快的方式呢？一行命令即可解决！

[wangbm@localhost ~]$ python3 -m site
sys.path = [
    '/home/wangbm',
    '/usr/local/Python3.7/lib/python37.zip',
    '/usr/local/Python3.7/lib/python3.7',
    '/usr/local/Python3.7/lib/python3.7/lib-dynload',
    '/home/wangbm/.local/lib/python3.7/site-packages',
    '/usr/local/Python3.7/lib/python3.7/site-packages',
]
USER_BASE: '/home/wangbm/.local' (exists)
USER_SITE: '/home/wangbm/.local/lib/python3.7/site-packages' (exists)
ENABLE_USER_SITE: True

从输出你可以发现，这个列的路径会比 sys.path 更全，它包含了用户环境的目录。

6、如何快速计算函数运行时间

计算一个函数的运行时间，有人可能会这样写：

import time

start = time.time()

# run the function

end = time.time()
print(end-start)

你看看你为了计算函数运行时间，写了几行代码了？

有没有可以更方便计算的呢？

***内置模块叫 timeit！***使用它，只用一行代码即可

import time
import timeit

def run_sleep(second):
    print(second)
    time.sleep(second)

# 只用这一行
print(timeit.timeit(lambda :run_sleep(2), number=5))

运行结果
2
2
2
2
2
10.020059824

7、partial 函数

from functools import partial
def multiply(x,y):
    return x*y
dbl = partial(multiply,2)
print(dbl)
print(dbl(4))
# Outputs

functools.partial(<function multiply at 0x7f16be9941f0>, 2)
8

在这里，我们创建一个函数，它复制另一个函数，但使用的参数比原始函数少，这样就可以使用它将该参数应用于多个不同的参数。

8、使用 hasattr() 内置方法获取object属性

class SomeClass:
    def __init__(self):
    self.attr1 = 10
    def attrfunction(self):
        print("Attreibute")
hasattr(SomeClass, "attrfunction")
# Output 
True

9、使用 defaultdict 和 lambda 函数创建字典

from collections import defaultdict
import numpy as np
q = defaultdict(lambda: np.zeros(5))
# Example output
In : q[0]
Out: array([0., 0., 0., 0., 0.])

defaultdicts不会引发KeyError，任何不存在的键都会获取默认工厂返回的值。
在上述代码，默认工厂是一个lambda函数，它为给定的任何键返回一个默认NumPy数组，其中包含5个零。

10、使用集合从两个列表中获得差异

list1 = [1,2,3,4,5]
list2 = [3,4,5]
print(list(set(list1) — set(list2)))
# or
print(set(lista1).difference(set(lista2)))
# Outputs
[1,2]
{1,2}

在这里，集合有助于获得两个python列表之间的差异，这两个列表既是一个列表，也是一个集合。

11、使用isinstance（）检查变量是否为给定类型

isinstance(1, int)
#Output
True

12、使用map（）打印列表中的数字

一种比循环打印列表内容更快更有效的方法

list1 = [1,2,3]
list(map(print, list1))
# Output
1
2
3

13、使用.join（）方法格式化datetime日期

from datetime import datetime
date = datetime.now()
print("-".join([str(date.year), str(date.month), str(date.day)])

14、将两个具有相同规则的列表随机化

import numpy as np
x = np.arange(100)
y = np.arange(100,200,1)
idx = np.random.choice(np.arange(len(x)), 5, replace=False)
x_sample = x[idx]
y_sample = y[idx]
print(x_sample)
print(y_sample)
# Outputs
array([68, 87, 41, 16,  0])
array([168, 187, 141, 116, 100])

15、对输入的字符串“消毒”

对用户输入的内容“消毒”，这问题几乎适用于你编写的所有程序。

通常将字符转换为小写或大写就足够了，有时还可以使用正则表达式来完成工作，但是对于复杂的情况，还有更好的方法：

user_input = "This\nstring has\tsome whitespaces...\r\n"
 
character_map = {
 ord('\n') : ' ',
 ord('\t') : ' ',
 ord('\r') : None
}
user_input.translate(character_map)  # This string has some whitespaces... "

在上述代码，可以看到空格字符“ \n”和“ \t”被单个空格替换了，而“ \r”则被完全删除。

这是一个简单的示例，但是我们可以更进一步，使用unicodedata 库及其 combining() 函数，来生成更大的重映射表（remapping table），并用它来删除字符串中所有的重音。

16、反转字符串

编写一些代码来反转字符串

def reverse_string(string):
     result=""
     for c in range(len(string),-1,-1):
          result = result + string[c]
     return result 

看起来有点乱吧， 用另一种方式来表达：

def reverse_string(string):
    result = [ string[c] for c in range(len(string),-1,-1)]
    return "".join(result)

看起来不错吧，其实使用切片的方法可以更好，方法如下：

def reverse_string(string):
    return string[::-1]

17、将数字与数字进行求和

将数字与数字进行求和，这是一个非常简单的问题，我们可以用传统方法解决这个问题：

def sum_a_num(num):
    sum = 0
    while num > 0:
        sum+= num%10
        num//=10
    return sum

这是可以的，但在紧张的情况下，最终可能会与运算符发生拼写错误或错误，最终得到错误的结果，并花费数小时尝试调试代码。

想要避免这种情况，有一个更好的方法做到这一点：

def sum_a_num(num):
    return sum(list(map(int,str(num))))

上述代码所做的是：

• 将 num 转换为字符串；
• map() 函数在字符串上遍数，并将每个字符转换为整数；
• list() 函数将映射对象转换为列表，然后求和；

num = 2367
str(num) = '2367'
list(map(int,str(num))) = [2,3,6,7]
sum(list(map(int(str(num)))) = 18

18、仅支持关键字参数（kwargs）的函数

当需要函数提供（强制）更清晰的参数时，创建仅支持关键字参数的函数，可能会挺有用：

def test(*, a, b):
 pass
 
test("value for a", "value for b")  # TypeError: test() takes 0 positional arguments...
test(a="value", b="value 2")  # Works...

如上所见，可以在关键字参数之前，放置单个 * 参数来轻松解决此问题，如果我们将位置参数放在 * 参数之前，则显然也可以有位置参数。

19、使用slice函数命名切片

使用大量硬编码的索引值会很快搞乱维护性和可读性，一种做法是对所有索引值使用常量，但是我们可以做得更好：

# ID   First Name   Last Name
line_record = "2        John         Smith"
 
ID = slice(0, 8)
FIRST_NAME = slice(9, 21)
LAST_NAME = slice(22, 27)
 
name = f"{line_record[FIRST_NAME].strip()} {line_record[LAST_NAME].strip()}"
# name == "John Smith"

在此例中，我们可以避免神秘的索引，方法是先使用 slice 函数命名它们，然后再使用它们，还可以通过 .start、.stop和 .stop 属性，来了解 slice 对象的更多信息。

20、在运行时提示用户输入密码

许多命令行工具或脚本需要用户名和密码才能操作。因此，如果你碰巧写了这样的程序，你可能会发现 getpass 模块很有用：

import getpass
 
user = getpass.getuser()
password = getpass.getpass()
# Do Stuff...

这个非常简单的包通过提取当前用户的登录名，可以提示用户输入密码，但是须注意，并非每个系统都支持隐藏密码。Python 会尝试警告你，因此切记在命令行中阅读警告信息。

21、用__slots__节省内存

如果你曾经编写过一个程序，该程序创建了某个类的大量实例，那么你的程序突然就会需要大量内存。那是因为 Python 使用字典来表示类实例的属性，这能使其速度变快，但内存不是很高效。

通常这不是个问题，但是，如果你的程序遇到了问题，你可以尝试使用__slots__ ：

class Person:
    __slots__ = ["first_name", "last_name", "phone"]
    def __init__(self, first_name, last_name, phone):
    self.first_name = first_name
    self.last_name = last_name
    self.phone = phone

这里发生的是，当我们定义__slots__属性时，Python 使用固定大小的小型数组，而不是字典，这大大减少了每个实例所需的内存。

使用__slots__还有一些缺点——我们无法声明任何新的属性，并且只能使用在__slots__中的属性。
同样，带有__slots__的类不能使用多重继承。

22、限制CPU和内存使用量

如果不是想优化程序内存或 CPU 使用率，而是想直接将其限制为某个固定数字，那么 Python 也有一个库能做到：

import signal
import resource
import os
 
# To Limit CPU time
def time_exceeded(signo, frame):
 print("CPU exceeded...")
 raise SystemExit(1)
 
def set_max_runtime(seconds):
 # Install the signal handler and set a resource limit
 soft, hard = resource.getrlimit(resource.RLIMIT_CPU)
 resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))
 signal.signal(signal.SIGXCPU, time_exceeded)
 
# To limit memory usage
def set_max_memory(size):
 soft, hard = resource.getrlimit(resource.RLIMIT_AS)
 resource.setrlimit(resource.RLIMIT_AS, (size, hard))

我们可以看到两个选项，可设置最大 CPU 运行时间和内存使用上限。

对于 CPU 限制，我们首先获取该特定资源（RLIMIT_CPU）的软限制和硬限制，然后通过参数指定的秒数和先前获取的硬限制来设置它。

最后，如果超过 CPU 时间，我们将注册令系统退出的信号。至于内存，我们再次获取软限制和硬限制，并使用带有 size 参数的setrlimit 和获取的硬限制对其进行设置。

下面重点介绍几个和迭代相关的使用技巧，可以方便提升大家的工作效率。

很多人学Python搞不清楚方向，不同目的，你学习的侧重点和难易程度都不同，必须要有针对性、选择性地学！这样也能提高你自己的学习效率。

Python学习的方法

Iterables是一个需要我们牢记的概念，因为接下来我们展示的许多技巧都使用itertools包。itertools模块提供了一些函数，用于接收Iterable对象，而不仅仅是打印逐个对象。

iterables的示例包括：

• 所有序列类型（如list、str和tuple）
• 一些非序列类型，如dict、文件对象以及类的实现中定义了__iter__()方法

在工作学习中，我们经常会需要使用一个简单的函数来实现从一个list来生成新的list、set或dict，此时我们就会用到iterables概念。

23、举例来说：

生成List：

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = [name.lower() for name in names]

生成Set：

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = {name.lower() for name in names}

生成Dict：

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = {name:name.lower() for name in names}

个人建议：

仅当for语句、函数调用和方法调用的数量较少时使用

24、有时我们需要获得两个列表对象之间的所有可能组合，我们可能首先想到的是：

l1 = [1, 2, 3]
l2 = [4, 5, 6]
combinations = []
for e1 in l1:
  for e2 in l2:
    combinations.append((e1, e2))

或者简化一下

combinations = [(e1, e2) for e1 in l1 for e2 in l1]

上述实现已经很简洁了，但标准库itertools提供product函数，从而提供了相同的结果。

from itertools import product
l1 = [1, 2, 3]
l2 = [4, 5, 6]
combinatios = product(l1, l2)

25、假设有一个元素列表，我们需要在每对相邻元素之间比较或应用一些操作，这有时称为2个元素的滑动窗口。

可以采用以下方式：

from itertools import tee
from typing import Iterable

def window2(iterable: Iterable):
  it, offset = tee(iter(iterable))
  next(offset)
  return zip(it, offset)
l = [1, 2, 3, 4, 5, 6]
dd = window2(l)
for a in dd:
    print(a) 


运行结果：
(1, 2)
(2, 3)
(3, 4)
(4, 5)
(5, 6)

26、当需要一个类来存储信息，又觉得创建一个类并定义其__init__()函数太麻烦，不妨选择使用dataclass。

from dataclasses import dataclass
@dataclass
class Person:
  name: str
  age: int
  address: str

上述代码创建了一个具有默认构造函数的类，该类以与声明相同的顺序接收相应字段的赋值。

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！