Python代码用在这些地方,其实1行就够了!

摘要:都说 Python 简单快捷,那本篇博客就为大家带来一些实用的 Python 技巧,而且仅需要 1 行代码,就可以解决一些小问题。

本文分享自华为云社区《你猜 1 行Python代码能干什么呢?神奇的单行 Python 代码》,作者:梦想橡皮擦。

1 行代码的由来

都说 Python 简单快捷,那本篇博客就为大家带来一些实用的 Python 技巧,而且仅需要 1 行代码,就可以解决一些小问题。

所有的 1 行代码,全部依据标准的 Python 语言规范实现。

列表推导式

生成器语法绝对是 Python 带给我们的优质语法糖,它可以基于现有的列表创建一个新的列表,而且语法格式简单。

students = ["橡皮擦","橡皮擦大","大橡皮擦","梦想橡皮擦"]
new_students = [name for name in students if name.startswith("橡皮")]
print(new_students)

上述代码的第二行,在原有列表中过滤出全新的列表,而且语法简单,基于该语法结构,还有字典推导式,集合推导式相关知识点,都可以使用 1 行代码完成目标需求,可以学习来。

合并字典

在 Python 实战中,有时需要将两个字典进行合并,最常用的是使用 update() 方法,或者 merge() 函数,当然也有工程师使用刚刚提及的字典推导式实现,那有没有更加简洁的写法呢?可以看下述代码

my_dict_1 = {'red': '红色', 'green': '绿色'}
my_dict_2 = {'blue': '蓝色', 'yellow': '黄色'}
merged_dict = {**my_dict_1, **my_dict_2}
print(merged_dict)

其中 ** 符号是解包运算符,即将字典中的内容拆解,解包之后就可以参照上述代码使用 {} 合并字典,当然也可以直接使用 dict() 函数进行合并

my_dict_1 = {'red': '红色', 'green': '绿色'}
my_dict_2 = {'blue': '蓝色', 'yellow': '黄色'}
merged_dict = dict(**my_dict_1, **my_dict_2)
print(merged_dict)

如果你一时没有转换过来,那可以使用下述代码进行转换,即使用元素拼接技巧,先将字典转换为 list,然后连接。

my_dict_1 = {'red': '红色', 'green': '绿色'}
my_dict_2 = {'blue': '蓝色', 'yellow': '黄色'}
merged_dict = dict(list(my_dict_1.items()) + list(my_dict_2.items()))
print(merged_dict)

列表去重

在实战中,也会碰到列表去重的情况,如果列表数据量不大,可以直接使用 set() 函数去重,即利用集合不允许包含重复值这一特性。

names = ["橡皮擦","橡皮擦大","大橡皮擦","梦想橡皮擦","橡皮擦","橡皮擦大","大橡皮擦","梦想橡皮擦","橡皮擦","橡皮擦大","大橡皮擦","梦想橡皮擦","橡皮擦","橡皮擦大","大橡皮擦","梦想橡皮擦"]

un_list = list(set(names))
print(un_list)

一行代码交换变量值

这也是 Python 中的语法糖了,在做排序类算法时经常碰到,使用一行代码进行变量值的交换。

a = 1
b = 2
a, b = b, a
print(a, b)

在此基础上,可以扩展到更多变量,此时还会衍生出另一个一行代码知识点,即一行代码为多个变量赋值,示例代码如下所示:

a, b, c, d = 1, 2, 3, 4
(a, b), (c, d) = (b, a), (d, c)
print(a, b, c, d)

利用 print 输出日志到文件

编写代码经常要测试输出结果,因此会大量的使用到 print 函数,而这些结果默认会输出到控制台,关闭程序运行之后,结果就消失了,实践中,可以利用一下 print 函数的第二个参数,实现将输出写入到文件中。

print("Hello, World!", file=open('ca.txt', 'w'))

转置矩阵

对矩阵进行转置,也可以使用一行代码实现。

old_list = [[1, 2], [3, 4]]
print(list(zip(*old_list)))

但上述代码会将列表转换成元组,如果不希望该情况出现,可以使用下述代码,依旧是一行。

old_list = [[1, 2], [3, 4]]
print(list(list(x) for x in zip(*old_list)))

一行丧心病狂的代码

除了正常的操作外,在 Python 中还能实现一些神奇的操作,例如下述代码:

print(eval(input()))

可以输入单行代码,然后直接输出结果!

该代码最佳的实践是一行代码实现一个计算器。

 

点击关注,第一时间了解华为云新鲜技术~

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Python代码用在这些地方,其实1行就够了! - Python技术站

(0)
上一篇 2023年4月2日
下一篇 2023年4月2日

相关文章

  • 几种常见的Python数据结构

    摘要:本文主要为大家讲解在Python开发中常见的几种数据结构。 本文分享自华为云社区《Python的常见数据结构》,作者: timerring 。 数据结构和序列 元组 元组是一个固定长度,不可改变的Python序列对象。创建元组的最简单方式,是用逗号分隔一列值: In [1]: tup = 4, 5, 6 当用复杂的表达式定义元组,最好将值放到圆括号内,…

    python 2023年5月8日
    00
  • 跟我学Python图像处理丨何为图像的灰度非线性变换

    摘要:本文主要讲解灰度线性变换,基础性知识希望对您有所帮助。 本文分享自华为云社区《[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换》,作者:eastmount 。 本篇文章主要讲解非线性变换,使用自定义方法对图像进行灰度化处理,包括对数变换和伽马变换。 一.图像灰度非线性变换 图像的灰度非线性变换主要包括对数变换、幂次变换、指数变换…

    2023年4月2日
    00
  • Split to Be Slim: 论文复现

    摘要:在本论文中揭示了这样一种现象:一层内的许多特征图共享相似但不相同的模式。 本文分享自华为云社区《Split to Be Slim: 论文复现》,作者: 李长安 。 Split to Be Slim: An Overlooked Redundancy in Vanilla Convolution 论文复现 1、问题切入 已经提出了许多有效的解决方案来减少…

    人工智能概论 2023年4月25日
    00
  • GaussDB(DWS)网络流控与管控效果

    摘要:本文主要介绍GaussDB(DWS)网络流控能力,并对其管控效果进行验证。 本文分享自华为云社区《GaussDB(DWS)网络流控与管控效果》,作者:门前一棵葡萄树。 上一篇博文GaussDB(DWS)网络调度与隔离管控能力,我们详细介绍了GaussDB网络调度逻辑,并简单介绍了如何应用网络隔离管控能力。本篇博文主要介绍GaussDB(DWS)网络流控…

    MySQL 2023年5月5日
    00
  • 华为亮相KubeCon EU 2023 新云原生开源项目Kuasar推动“云上演进”

    摘要:协力同行、拥抱开源,解放数字生产力,为社会和行业带来更多价值。 在数字时代,如果说企业是一艘巨大的货船,那么云原生则为企业的每一个业务、每一个应用提供了标准化的集装箱,摆脱笨重的底层桎梏,打造新一代云操作系统,驾驶这轮“货船”航向数字化的未来世界。 4月18日—21日,一年一度的云原生开源领域顶级峰会KubeCon & CloudNativeC…

    云计算 2023年4月25日
    00
  • Istio数据面新模式:Ambient Mesh技术解析

    摘要:Ambient Mesh以一种更符合大规模落地要求的形态出现,克服了大多数Sidecar模式的固有缺陷,让用户无需再感知网格相关组件,真正将网格下沉为基础设施。 本文分享自华为云社区《华为云云原生团队:Istio数据面新模式 Ambient Mesh技术解析》,作者: 云容器大未来。 如果说在以Kubernetes为基础构建起的云原生世界里,哪种设计模…

    云计算 2023年5月6日
    00
  • 跟我学Python图像处理丨图像分类原理与案例

    摘要:本篇文章将分享图像分类原理,并介绍基于KNN、朴素贝叶斯算法的图像分类案例。 本文分享自华为云社区《[Python图像处理] 二十六.图像分类原理及基于KNN、朴素贝叶斯算法的图像分类案例丨【百变AI秀】》,作者:eastmount 。 一.图像分类 图像分类(Image Classification)是对图像内容进行分类的问题,它利用计算机对图像进行…

    2023年4月2日
    00
  • Python图像处理丨基于K-Means聚类的图像区域分割

    摘要:本篇文章主要讲解基于理论的图像分割方法,通过K-Means聚类算法实现图像分割或颜色分层处理。 本文分享自华为云社区《[Python图像处理] 十九.图像分割之基于K-Means聚类的区域分割》,作者: eastmount。 本篇文章主要讲解基于理论的图像分割方法,通过K-Means聚类算法实现图像分割或颜色分层处理。基础性文章,希望对你有所帮助。 一…

    2023年4月2日
    00
合作推广
合作推广
分享本页
返回顶部