优化Python编程的4个妙招

Posted 2023-04-08

作为一名程序员，敲出最优的Python代码非常非常重要。别无他法，杂乱低效的代码笔记本会消耗你的时间，也会浪费大量项目资金。所以，今天小编就为大家分享一下，优化Python编程的4个妙招，一起了解下吧！

参考技术A

1. Pandas.apply() – 特征工程瑰宝

Pandas 库已经非常优化了，但是大部分人都没有发挥它的最大作用。想想它一般会用于数据科学项目中的哪些地方。一般首先能想到的就是特征工程，即用已有特征创造新特征。其中最高效的方法之一就是Pandas.apply()，即Pandas中的apply函数。

在Pandas.apply()中，可以传递用户定义功能并将其应用到Pandas Series的所有数据点中。这个函数是Pandas库最好的扩展功能之一，它能根据所需条件分隔数据。之后便能将其有效应用到数据处理任务中。

2. Pandas.DataFrame.loc – Python数据操作绝妙技巧

所有和数据处理打交道的数据科学家(差不多所有人了!)都应该学会这个方法。

很多时候，数据科学家需要根据一些条件更新数据集中某列的某些值。Pandas.DataFrame.loc就是此类问题最优的解决方法。

3. Python函数向量化

另一种解决缓慢循环的方法就是将函数向量化。这意味着新建函数会应用于输入列表，并返回结果数组。在Python中使用向量化能至少迭代两次，从而加速计算。

事实上，这样不仅能加速代码运算，还能让代码更加简洁清晰。

4. Python多重处理

多重处理能使系统同时支持一个以上的处理器。

此处将数据处理分成多个任务，让它们各自独立运行。处理庞大的数据集时，即使是apply函数也显得有些迟缓。

关于优化Python编程的4个妙招，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。

Python 常用小妙招

本文记录一些 Python 日常编程中的小妙招，并使用 IPython 进行交互测试，让我们更好的了解和学习 Python 的一些特性。

格式化打印调式信息

In [3]: print('success'.center(20,'='))
======success=======

In [4]: print('failed'.center(20,'='))
=======failed=======

for循环的else

语法：

for 变量 in 可迭代对象:
    
    循环体
    
else:
    循环正常结束

IPython测试

# for 循环
In [1]: for i in range(5):
   ...:     print(i)
   ...: else:
   ...:     print('for 循环正常结束')
   ...:     print(i)
   ...:
0
1
2
3
4
for 循环正常结束
4

注意：else 只有 循环正常结束才会走，像 break 退出本层循环就不会走 else。

来看一个例子，打印10以内的素数（质数）

质数是指在大于1的自然数中，除了1和它本身以外不再有其他因数的自然数。

for n in range(2, 10):
    for x in range(2, n):
        if n % x == 0:
            # 求余等于0说明n有其他因数
            print(n, '=', x, '*', n // x)
            break
    else:
        # 没有break掉，说明没有找到n的其他因数
        # 循环正常结束
        print(n, '是一个素数')

结果展示

2 是一个素数
3 是一个素数
4 = 2 * 2
5 是一个素数
6 = 2 * 3
7 是一个素数
8 = 2 * 4
9 = 3 * 3

数学表达式比较

In [8]: num = 5

In [9]: 3 < num < 8
Out[9]: True

In [10]: 6 < num < 8
Out[10]: False

列表、字典拆箱

列表拆箱

In [12]: a, b, c = [1, 2, 3]

In [13]: a, b, c
Out[13]: (1, 2, 3)
    
In [25]: li = [1, 2, 3, 4, 5]

In [26]: print(*li)
1 2 3 4 5

将列表元素作为参数传递给函数

In [34]: li = [1, 2, 3, 4, 5]

In [35]: def sum(*args):
    ...:     total = 0
    ...:     for i in args:
    ...:         total += i
    ...:     print(total)
    ...:

In [36]: sum(*li)
15

字典拆箱

In [27]: user_dict = 
    ...:     'name': 'ithui',
    ...:     'sex': '男',
    ...:     'age': 20,
    ...: 

In [28]: user_info = '我叫name，性别sex，今年age岁'.format(**user_dict)

In [29]: print(user_info)
我叫ithui，性别男，今年20岁

函数的关键字参数自动匹配

func_params = 
    'username': 'ithui',
    'mobile': '13022331752',



def query_user(username=None, mobile=None):
    # 模拟查询用户信息
    print(username)
    print(mobile)
    sql = """select * from user where username= and mobile=""".format(username, mobile)
    print(sql)


query_user(**func_params)


=======================结果如下=======================
ithui
13022331752
select * from user where username=ithui and mobile=13022331752

取中间元素

In [15]: a, *mid, b = [1, 2, 3]

In [16]: mid
Out[16]: [2]

In [17]: a, *mid, b = [1, 2, 3, 4, 5, 7]

In [18]: mid
Out[18]: [2, 3, 4, 5]
    
In [21]: a, b, *mid, c, d = [1, 2, 3, 4, 5, 7, 8]

In [22]: mid
Out[22]: [3, 4, 5]    

获取列表中n个最大或最小的元素

In [38]: import heapq

In [39]: salarys = [5000, 6000, 3500, 5500, 7000, 6500, 8000]
    
In [40]: # 三个最大的数
    
In [41]: heapq.nlargest(3, salarys)
Out[41]: [8000, 7000, 6500]
    
In [42]: # 两个最小的数
    
In [43]: heapq.nsmallest(2, salarys)
Out[43]: [3500, 5000] 

尾语

✍ 用 Code 谱写世界，让生活更有趣。❤️

✍ 万水千山总是情，点赞再走行不行。❤️

✍ 码字不易，还望各位大侠多多支持。❤️