python中一些比较实用的小技巧

话说python是一个大杂会，既可以用来做web，也可以用来做运维，还可以用来做数据科学（数据分析、数据挖掘、机器学习），这些东西java也可以来做，但是java总显得那么的笨重，java天生适合做框架、系统，这种小娇玲珑的一些功能朋python可以比java强，能提供快速的交互命令，最近在看scala，感觉是集python与java之所长，出来的一门新的编程语言，经常碰到各种各样的pyhon有用的小技巧，今天在此特意写一篇博客来做记录，后续会陆续更新：

(1)用来搜索某个目录下的某种类型文件(通配符)
import  glob
glob.glob('C:\\Users\\Administrator\\Desktop\\*.csv')
glob.glob('C:\\Users\\Administrator\\Desktop\\*\\*.r')

(2)对字典进行排序

test={'a':1,'b':3,'c':2}
sorted(test.iteritems(),key=lambda x:x[0],reverse=True) #对key排序
 sorted(test.iteritems(),key=lambda x:x[1],reverse=True) #对value排序

(3)对一个列表进行的不同类别计数 可以自己写function，下面用到的是python自带的
import  collections
test=['a','a','b','c','c','c']
collections.Counter(test)
结果为：
Counter({'c': 3, 'a': 2, 'b': 1})

(4)random模块中随机抽取
from  random  import choice
test=[1,2,3,4]
choice(test)  #每次选取其中的一个结果，每次都不一样

from  random  import sample
test=xrange(1000)
sample(test,100) #每次随机抽取100个，跟R里面的sample随机函数差不多

（5）改变工作目录
import  os
os.chdir('C:\\Users\\Administrator\\Desktop')

(6)计时工具timeit
import  timeit
def test():
    x=xrange(100000)
    return x
 def test_1():
    x=range(100000)
    return x

 timeit.timeit(test,number=1)
 timeit.timeit(test_1,number=1) 
 #可以看到xrange效率比range效率要高很多，包括numpy库中的arange，xrange效率是最高的

（7）对列表元素去重的方法
test=[1,1,2,2,3,3,3,4]
第一种方法：
list(set(test))

第二种方法：
{}.fromkeys(test).keys()
话说上次去在平安科技面试就面到这二种方法，只想说好偏


（8）设置pyhon中默认的编码

 import  sys

if  sys.getdefaultencoding()!='utf-8':
     reload(sys)
     sys.setdefaultencoding('utf-8')
else:
   pass
（9）find和rfind函数，字符串操作对象
这个函数与sas里面的find函数类型，找到返回为大于-1的数，，没找到为返回为-1的数，rfind从右边开始找起，一旦找到，则终止，跟findall有点区别，
test="abcdefgh"
test.find("g")
Out[12]: 6
test.rfind("z")
Out[14]: -1
test="abadefgh"
test.rfind("a")
Out[18]: 2
经常与glob模块中glob函数配合一起使用
  file_names = glob('.\Sample\*\*.txt')
        for file_name in file_names:
                if file_name.find("C000007") > -1:
                        file_type ="auto"
else：
pass
(10)利用numpy模块中的 np.concatenate（）函数合并array
import  numpy as np
test=[np.array([1,2,3]),np.array([4,5,6,7]),np.array([9,10])]
test
Out[11]: [array([1, 2, 3]), array([4, 5, 6, 7]), array([ 9, 10])]
np.concatenate(test)
Out[12]: array([ 1,  2,  3,  4,  5,  6,  7,  9, 10])