1、python计时器timeit模块

  1)timeit 模块定义了接收两个参数的Timer类,两个参数都是字符串。

    参数1:要计时的语句或者函数

    参数2:为参数1构建环境的导入语句

  2)Timer对象主要有两个方法:

    timeit(n):接收一个参数,表示每次计时时,执行被计时语句的次数,返回值为秒,默认100万次。

    repeat(n1,n2):接收两个参数,返回每次测试的耗时列表,单位为秒。

      参数1:重复整个测试的次数,默认为3

      参数2:每次测试中,调用被计时语句的次数,默认是100万次

2、根据条件从列表中过滤数据:过滤大于0的元素

  from random import randint

  data = [randint(-10,10) for x in range(10)]

  思路:

    1)遍历过滤

      res1 = []

      for x in data:

        if x>=0:

          res1.append(x)

    2)列表过滤

      res2 = [x for x in data if x>=0]

    3)使用filter函数过滤

      res3 = list(filter(lambda x :x>=0, data))

3、根据字典值筛选出符合条件的元素:筛选出分数大于90的学生

  student = {x:randint(60,100) for x in "abcdefg"}

  res = {k:v for k,v in student.items() if v>=90}

4、筛选出集合中能够被3整除的元素

  data = set(randint(0,20) for x in range(10))

  res = {x for x in data if x%3==0}

5、解决只能通过下标访问元组元素的方法:

  通过标准库中的collections.namedtuple

  namedtuple是一个函数,它的本质上就是创建了一个类对象。并规定了tuple元素的个数,并可以用属性而不是索引来引用tuple元素的个数。

  通常情况下,如果我们要创建一个类对象,是这样做的:

    class Student():

      def __init__(self, name, age, gender, mail):

        self.name = name

        self.age = age

        ...

    然后实例化对象 stu = Student(("john","34","male","1@1.com")

  现在我们可以通过namedtuple来创建这样一个Student对象:

    from collections import namedtuple

    stu = namedtuple("Student",["name", "age","gender", "mail"])

    data = stu("john","34","male","1@1.com")

    data.name = "john"

    namedtuple还支持传入关键字参数或是tuple,list,字典等的方式

    # 传入关键字参数

    data = stu(name="john", age=34, gender='male', mail="1@1.com")

    # 传入tuple

    stu_info = ("john","34","male")

    data = stu(*stu_info, mail='1@1.com')

    # 传入list

    stu_info = ["john","34","male"]

    data = stu(*stu_info, mail='1@1.com')

    # 传入dict

    stu_info = {

      "name":"john",

      "age":34,

      "gender":"male",

    }

    data = stu(**stu_info, mail='1@1.com')

  另外由于namedtuple继承自tuple,所以它也具备tuple的拆分属性

    name, age, *others = data

    print(name, age, others)  #john, 34, ['male', 1@1.com]

6、排序

  对字典进行排序:

  【sorted(data, key=lambda x:x[1], reverse=True)】

  三个参数:

    1)data:待排序字典

    2)key:排序依据:lambda x:x[1] 根据值进行排序,如果是x[0]是根据key进行排序

    3)reverse:True-->倒序排列,False-->正序排列

  data = [randint(1,10) for x  in range(20)]

  d = dict.fromkeys(data,0)

  for x in data:

    if x in d.keys():

      d[x] += 1

  res = sorted(d.items(), key=lambda x:x[1], reverse=True) # 倒序排列

  res[0],res[1],res[2]

7、统计一篇文章中出现次数最多的10个单词及其出现的次数

  【使用标准库中的collections.Counter对象】Counter是一个简单的计数器,是dict的一个子类。

     将序列传递给Counter的构造器,得到的是Counter对象是统计过频率的字典

     调用Counter.most_common(n),得到出现次数最多的n个单词

  from collections import Counter

  txt = open(filePath, "r").read()

  import re

  txt_list = re.split("\W+", txt)  # 将txt以非字母数字下划线等字符分割

  c = Counter(txt_list)

  c.most_common(10)

  如果有多篇文章需要统计,我们可以分别统计再将统计后的Counter对象合并。如:

  c1 = Counter("hfiehfiabfnjefhef")

  c2 = Counter("fhiofeifoegiefje")

  c2.update(c1)

  print(c2)  # 这里c2就是经过合并后的统计结果了。

  

8、快速找到多个字典的公共key

  如找到一个班级中所有科目都在90分以上的同学

  解决思路:

    1)使用常规的遍历方式,先遍历某一科90分以上的同学,然后判断该同学是否也在其他90分以上的科目的同学中

    2)使用集合的交集

    3)可以使用python内置的map和reduce搭配使用过滤

      map(function, list)

      reduce(function,list[,initializer])

      map和reduce的区别:map的function接收一个参数;reduce的function接收两个参数

  stu = ["Lilei","Hanmeimei","John","Luly","Lucy","Lily","Lintao","Polly","Fiona"]

  chinese = {s:randint(60,100) for s in stu}

  english = {s:randint(60,100) for s in stu}

  math = {s:randint(60,100) for s in stu}

  chinese_gt90 = {s:c for s,c in chinese.items() if c>=90}

  english_gt90 = {s:c for s,c in english.items() if c>=90}

  math_gt90 = {s:c for s,c in math.items() if c>=90}

  上1):

    res = []

    for s in chinese_gt90.keys():

      if s in english_gt90.keys() and s in math_gt90.keys():

        res.append(s)

  上2):

    chinese_gt90.items() & english_gt90.items() & math_gt90.items()

  上3):

    m = map(dict.keys, [chinese_gt90,english_gt90,math_gt90])

    from functools import reduce

    def red(x,y):

      return x&y

    res = reduce(red,m)

9、根据用户提交成绩的时间打印成绩排名和姓名及成绩

  需要使用到有序字典OrderedDict,它是按照插入顺序排序,不是key本身排序。

  模拟用户提交系统:

  from collections import OrderedDict

  from time import time

  from random import randint

  start = time()

  total = len(stu)

  d = OrderedDict()

  for i in range(len(stu)):

    input()

    t = time()-start

    name = stu.pop(randint(0,total-1-i))

    d[name] = (i+1, t)

10、python实现历史记录功能

解决思路:通过容量为n的队列deque实现,再通过pickle将数据保存到本地文件

list是线性存储,通过索引访问元素很快,但是要插入或删除数据就很慢了,deque就是为了高效了插入和删除操作的双向列表。deque除了实现了list的append和pop方法外,还支持appendleft和popleft方法,可以高效的往头部添加和删除元素。

from collections import deque

from random import randint

import pickle

import re

def guessNum():

  num = randint(60,100)

  d = deque(maxlen = 5)

  print("猜字谜游戏开始,请输入数字...")

  while True:

    inputNum = input()

    if inputNum=="h?":

      print(list(d))

      continue

    if inputNum == ";":

      print("手动结束了游戏")

      with open(file,"wb") as f:

        pickle.dump(list(d), f)

      break

    if not re.match("^\d+$",inputNum):

      print("请输入数字")

      continue

    

    inputNum=int(inputNum)

    d.append(inputNum)

    if inputNum<num:

      print("输入的数字太小")

    elif inputNun>num:

      print("输入的数字太大")

    else:

      print("猜对了~")

      with open(file, "wb") as f:

        pickle.dump(list(d), f)

      break

  

python基础 常见用法的更多相关文章

  1. python map 常见用法

    python map 常见用法2017年02月01日 19:32:41 淇怪君 阅读数:548版权声明:欢迎转载,转载请注明出处 https://blog.csdn.net/Tifficial/art ...

  2. python基础-range用法_python2.x和3.x的区别

    #range帮助创建连续的数字,通过设置步长来指定不连续 python2.7 #直接就在内存中创建出来(0-99) >>> range(100)[0, 1, 2, 3, 4, 5, ...

  3. python 基础的用法新发现

    引用的发现: # 引用的处理 因为变量指的是某一内存地址 引用变量实际是引用一个固定的内存地址,# 当这个变量中的内容变了之后,他的内存地址不变, 所以引用者也动态的得到了变化的变量l1=[1,2,3 ...

  4. python list常见用法

    来至builtins.py: def extend(self, iterable): # real signature unknown; restored from __doc__ "&qu ...

  5. python基础===Python 代码优化常见技巧

    Python 代码优化常见技巧 代码优化能够让程序运行更快,它是在不改变程序运行结果的情况下使得程序的运行效率更高,根据 80/20 原则,实现程序的重构.优化.扩展以及文档相关的事情通常需要消耗 8 ...

  6. python中os模块和sys模块的常见用法

    OS模块的常见用法 os.remove()   删除文件 os.rename()   重命名文件 os.walk()    生成目录树下的所有文件名 os.chdir()    改变目录 os.mkd ...

  7. 【Python基础】*args,**args的详细用法

     Python基础知识:*args,**args的详细用法 参考:https://blog.csdn.net/qq_29287973/article/details/78040291 *args 不定 ...

  8. Python基础学习Day4 列表的使用方法、range 用法、in用法

    一.列表 1.1列表:python基础数据类型之一:其他语言也有列表的概念,js 数组,可索引 ,可切片,可加步长 1.2列表的索引,切片,切片+ 步长 结果: 注意:列表里元素的数据类型,就是它本身 ...

  9. python之模块pprint之常见用法

    # -*- coding: cp936 -*- #python 27 #xiaodeng #python之模块pprint之常见用法 import pprint data = [(1,{'a':'A' ...

随机推荐

  1. 关于单元测试的思考--Asp.Net Core单元测试最佳实践

    在我们码字过程中,单元测试是必不可少的.但在从业过程中,很多开发者却对单元测试望而却步.有些时候并不是不想写,而是常常会碰到下面这些问题,让开发者放下了码字的脚步: 这个类初始数据太麻烦,你看:new ...

  2. 一行一行手敲webpack4配置

    代码:github 一.webpack4--基本配置 这一部分通过webpack的基本配置,使用loader对图片和样式进行打包,从而了解webpack4简单的用方法,保证自己能够配置正确,提升学习动 ...

  3. python-图像处理之PIL库的使用

    1.先看一段英文代码The Python Imaging Library (PIL) adds image processing capabilities to your Python interpr ...

  4. Python 闭包小记

    闭包就是能够读取其他函数内部变量的函数.例如在javascript中,只有函数内部的子函数才能读取局部变量,所以闭包可以理解成“定义在一个函数内部的函数“.在本质上,闭包是将函数内部和函数外部连接起来 ...

  5. TabBottomFragmentLayout【自定义底部选项卡区域(搭配Fragment)】

    版权声明:本文为HaiyuKing原创文章,转载请注明出处! 前言 自定义底部选项卡布局LinearLayout类,然后配合Fragment,实现切换Fragment功能. 缺点: 1.底部选项卡区域 ...

  6. DotNetCore跨平台~EFCore2.0连接Mysql的烦恼-已解决

    回到目录 对于传统的nuget包,我们习惯上用官方或者大型组织的,因为它们比较考靠谱,但就在前两天.net core2.0发布后,我把efcore也升级到2.0了,mysql.EfCore也升级到支持 ...

  7. 【Python3爬虫】常见反爬虫措施及解决办法(一)

    这一篇博客,是关于反反爬虫的,我会分享一些我遇到的反爬虫的措施,并且会分享我自己的解决办法.如果能对你有什么帮助的话,麻烦点一下推荐啦. 一.UserAgent UserAgent中文名为用户代理,它 ...

  8. 认识JWT

    1. JSON Web Token是什么 JSON Web Token (JWT)是一个开放标准(RFC 7519),它定义了一种紧凑的.自包含的方式,用于作为JSON对象在各方之间安全地传输信息.该 ...

  9. https浅析

    https浅析  http协议本身有着很大的缺陷  1. 通信使用明文,若被抓包,则直接被窃取信息  2. 不验证与自身通信者的身份,有可能遭到伪装  - 在数据传输的过程中,经过了某一计算机,该计算 ...

  10. django-restframework 处理跨域问题

    django-restframework 处理跨域问题 一 前言 想要处理跨域问题,首先需要了解同源策略. 二 同源策略 同源策略(Same origin policy)是一种约定,它是浏览器最核心也 ...