Python 30秒就能学会的漂亮短代码-技术圈

↑↑↑关注后"星标"简说Python
人人都可以简单入门Python、爬虫、数据分析
 简说Python推荐 
来源｜Python实用宝典
作者｜Ckend

大家好，我是老表

今天给大家带来一些30秒就能学会的代码片段，这些代码潜力无限，蕴含了丰富的python编程思维，应用领域非常广泛，而且学起来非常简单。

1."二维列表"

解读：根据给定的长和宽，以及初始值，返回一个二维列表。

def initialize_2d_list(w, h, val=None):
    return [[val for x in range(w)] for y in range(h)]

例：

>>> initialize_2d_list(2,2)
[[None, None], [None, None]]

>>> initialize_2d_list(2,2,0)
[[0, 0], [0, 0]]

2.函数切割数组

解读：使用一个函数应用到一个数组的每个元素上，使得这个数组被切割成两个部分。如果说，函数应用到元素上返回的值为True，则该元素被切割到第一部分，否则分为第二部分。

def bifurcate_by(lst, fn):
    return [
      [x for x in lst if fn(x)],
      [x for x in lst if not fn(x)]
    ]

例：

>>> bifurcate_by(['beep', 'boop', 'foo', 'bar'], lambda x: x[0] == 'b') 
[['beep', 'boop', 'bar'], ['foo']]

3."交集点"

解读： 两个数组在被一个函数应用后，从第一个数组中提取出共有的元素的原元素组成一个新的数组。

def intersection_by(a, b, fn):
    _b = set(map(fn, b))
    return [item for item in a if fn(item) in _b]

例：

>>> from math import floor
>>> intersection_by([2.1, 1.2], [2.3, 3.4],floor)
[2.1]

4.最大值下标

解读：返回数组中最大值的下标。

def max_element_index(arr):
    return arr.index(max(arr))

例：

>>> max_element_index([5, 8, 9, 7, 10, 3, 0])
4

5.数组对称差

解读：找出两个数组中不同的元素，并合成为一个新的数组。

def symmetric_difference(a, b):
    _a, _b = set(a), set(b)
    return [item for item in a if item not in _b] + [item for item in b if item not in _a]

例：

>>> symmetric_difference([1, 2, 3], [1, 2, 4])
[3, 4]

6."夹数"

解读：如果 num 落在一段数字范围内，则返回num，否则返回离这个范围最近的边界：

def clamp_number(num,a,b):
    return max(min(num, max(a,b)),min(a,b))

例：

>> clamp_number(2,3,10)
3

>> clamp_number(7,3,10)
7

>> clamp_number(124,3,10)
10

7.键值映射

解读：使用对象的键重新创建对象，并运行函数为每个对象的键创建值。
使用dict.keys()遍历对象的键，通过函数生成一个新的值。

def map_values(obj, fn):
    ret = {}
    for key in obj.keys():
        ret[key] = fn(obj[key])
    return ret

例：

>>> users = {
...   'fred': { 'user': 'fred', 'age': 40 },
...   'pebbles': { 'user': 'pebbles', 'age': 1 }
... }

>>> map_values(users, lambda u : u['age'])
{'fred': 40, 'pebbles': 1}

>>> map_values(users, lambda u : u['age']+1)
{'fred': 41, 'pebbles': 2}

8.大小写转换

解读： 将英文单词的首字母大写改为小写。
upper_rest参数：设定是否将除首字母外的其他字母大小写转换。

def decapitalize(s, upper_rest=False):
    return s[:1].lower() + (s[1:].upper() if upper_rest else s[1:])

例：

>>> decapitalize('FooBar')
'fooBar'

>>> decapitalize('FooBar', True)
'fOOBAR'

9.同键求和

解读：对列表中的各个字典里相同键值的对象求和。

def sum_by(lst, fn):
    return sum(map(fn,lst))

例：

>>> sum_by([{ 'n': 4 }, { 'n': 2 }, { 'n': 8 }], lambda v : v['n'])
14

10.一行代码求出现次数

解读：求出列表中某个数出现的次数和。

def count_occurrences(lst, val):
    return len([x for x in lst if x == val and type(x) == type(val)])

例：

>>> count_occurrences([1, 1, 2, 1, 2, 3], 1)
3

11.数组再分组

对一个列表根据所需要的大小进行细分：

效果如下：

chunk([1,2,3,4,5],2)
# [[1,2],[3,4],5]

return中，map的第二个参数是一个列表，map会将列表中的每一个元素用于调用第一个参数的 function 函数，返回包含每次 function 函数返回值的新列表。

12.数字转数组

同样是一则关于map的应用，将整形数字拆分到数组中：

def digitize(n):
    return list(map(int, str(n)))

效果如下：

digitize(123)
# [1, 2, 3]

它将整形数字n转化为字符串后，还自动对该字符串进行了序列化分割，最后将元素应用到map的第一个参数中，转化为整形后返回。

13.非递归斐波那契

还记得菲波那切数列吗，前两个数的和为第三个数的值，如0、1、1、2、3、5、8、13....

如果使用递归来实现这个算法，效率非常低下，我们使用非递归的方式实现：

效果如下：

fibonacci(7)
# [0, 1, 1, 2, 3, 5, 8, 13]

这样看是很简单，但是思维要绕的过来哦。

14.下划线化字符串

批量统一变量名称或者字符串格式。

效果如下：

snake('camelCase')# 'camel_case'

snake('some text')# 'some_text'

snake('some-mixed_string With spaces_underscores-and-hyphens')# 'some_mixed_string_with_spaces_underscores_and_hyphens'

snake('AllThe-small Things')# "all_the_small_things"

re.sub用于替换字符串中的匹配项。这里其实是一个“套娃”用法，一开始可能不太好理解，需要慢慢理解。

第一个替换，是将s字符串中，使用' '替换'-'。

第二个替换，是针对第一个替换后的字符串，对符合'([A-Z]+)'正则表达式的字符区段（全大写的单词）用r' \1'替换，也就是用空格区分开每一个单词。

第三个替换，是对第二个替换后的字符串，对符合'([A-Z][a-z]+)'正则表达式的字符区段（也就是首字母大写，其他字母小写的词语）用r' \1'替换，也是将单词用空格分隔开。

-END-

文末推荐一本《Python神经网络入门与实战》从神经网络的基础知识讲起，逐步深入到Python进阶实战，通过对各种实用的第三方库进行详细讲解与实战运用，让读者不但能够更加深入地了解神经网络，而且能够简单高效地搭建自己的神经网络，即使没有专业背景知识也能轻松入门神经网络。👇👇👇

【更多福利】

扫下方二维码添加我的私人微信，可以在我的朋友圈获取最新的Python学习资料，以及近期推文中的源码或者其他资源，另外不定期开放学习交流群，以及朋友圈福利（送书、红包、学习资源等）。

扫码查看我朋友圈

获取最新学习资源

学习更多：
整理了我开始分享学习笔记到现在超过250篇优质文章，涵盖数据分析、爬虫、机器学习等方面，别再说不知道该从哪开始，实战哪里找了

“点赞”传统美德不能丢