一、根据条件在序列中筛选数据
- 假设有一个数字列表 data, 过滤列表中的负数
data = [1, 2, 3, 4, -5] # 使用列表推导式 result = [i for i in data if i >= 0] # 使用 fliter 过滤函数 result = filter(lambda x: x >= 0, data)
- 学生的数学分数以字典形式存储,筛选其中分数大于 80 分的同学
from random import randint d = {x: randint(50, 100) for x in range(1, 21)} r = {k: v for k, v in d.items() if v > 80}
二、对字典的键值对进行翻转
- 使用 zip() 函数
zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。
from random import randint, sample s1 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))} d = {k: v for k, v in zip(s1.values(), s1.keys())}
三、统计序列中元素出现的频度
- 某随机序列中,找到出现次数最高的3个元素,它们出现的次数是多少
方法1:
# 可以使用字典来统计,以列表中的数据为键,以出现的次数为值 from random import randint # 构造随机序列 data = [randint(0, 20) for _ in range(30)] # 列表中出现数字出现的次数 d = dict.fromkeys(data, 0) for v in d: d[v] += 1
方法2:
# 直接使用 collections 模块下面的 Counter 对象 from collections import Counter from random import randint data = [randint(0, 20) for _ in range(30)] c2 = Counter(data) # 查询元素出现次数 c2[14] # 统计频度出现最高的3个数 c2.most_common(3)
- 对某英文文章单词进行统计,找到出现次数最高的单词以及出现的次数
import re from collections import Counter # 统计某个文章中英文单词的词频 with open("test.txt", "r", encoding="utf-8") as f: d = f.read() # 所有的单词列表 total = re.split("\W+", d) result = Counter(total) print(result.most_common(10))
四、根据字典中值的大小,对字典中的项进行排序
- 比如班级中学生的数学成绩以字典的形式存储,请按数学成绩从高到底进行排序
方法1:
# 利用 zip 将字典转化为元组,再用 sorted 进行排序 from random import randint data = {x: randint(60, 100) for x in "xyzfafs"} sorted(data) data = sorted(zip(data.values(), data.keys()))
方法2:
# 利用 sorted 函数的 key 参数 from random import randint data = {x: randint(60, 100) for x in "xyzfafs"} data.items() sorted(data.items(), key=lambda x: x[1])
五、在多个字典中找到公共键
- 实际场景:在足球联赛中,统计每轮比赛都有进球的球员
第一轮:{"C罗": 1, "苏亚雷斯":2, "托雷斯": 1..}
第二轮:{"内马尔": 1, "梅西":2, "姆巴佩": 3..}
第三轮:{"姆巴佩": 2, "C罗":2, "内马尔": 1..}
from random import randint, sample from functools import reduce # 模拟随机的进球球员和进球数 s1 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))} s2 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))} s3 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))} # 首先获取字典的 keys,然后取每轮比赛 key 的交集。由于比赛轮次数是不定的,所以使用 map 来批量操作 # map(dict.keys, [s1, s2, s3]) # 然后一直累积取其交集,使用 reduce 函数 reduce(lambda x, y: x & y, map(dict.keys, [s1, s2, s3]))
以上就是Python 高效编程技巧分享的详细内容,更多关于Python 高效编程技巧的资料请关注其它相关文章!
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“Python 高效编程技巧分享”评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
2024年10月05日
2024年10月05日
- 群星《前途海量 电影原声专辑》[FLAC/分轨][227.78MB]
- 张信哲.1992-知道新曲与精丫巨石】【WAV+CUE】
- 王翠玲.1995-ANGEL【新艺宝】【WAV+CUE】
- 景冈山.1996-我的眼里只有你【大地唱片】【WAV+CUE】
- 群星《八戒 电影原声带》[320K/MP3][188.97MB]
- 群星《我的阿勒泰 影视原声带》[320K/MP3][139.47MB]
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[320K/MP3][148.91MB]
- 刘雅丽.2001-丽花皇后·EMI精选王【EMI百代】【FLAC分轨】
- 齐秦.1994-黄金十年1981-1990CHINA.TOUR.LIVE精丫上华】【WAV+CUE】
- 群星.2008-本色·百代音乐人创作专辑【EMI百代】【WAV+CUE】
- 群星.2001-同步过冬AVCD【环球】【WAV+CUE】
- 群星.2020-同步过冬2020冀待晴空【环球】【WAV+CUE】
- 沈雁.1986-四季(2012梦田复刻版)【白云唱片】【WAV+CUE】
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[FLAC/分轨][257.88MB]
- 《国语老歌 怀旧篇 3CD》[WAV/分轨][1.6GB]