您现在的位置是：亿华云 > 数据库

分享九个一般人不知道的Python好用技巧

亿华云2025-10-03 13:53:09【数据库】9人已围观

简介本篇分享是Python生态系统中关于一些有用的技巧。大多数技巧只是使用标准库中的包，但其他一些技巧会涉及一些第三方包。在开始阅读本文内容之前，我们首先来回顾一下Python中的Iterables的概念

本篇分享是分享Python生态系统中关于一些有用的技巧。大多数技巧只是个般使用标准库中的包，但其他一些技巧会涉及一些第三方包。知道

在开始阅读本文内容之前，用技我们首先来回顾一下Python中的分享Iterables的概念。

根据Python标准文档，个般Iterable的知道概念如下：

一种能够一次返回一个成员的对象。

iterables的用技示例包括：

所有序列类型(如list、str和tuple) 一些非序列类型，分享如dict、个般文件对象以及类的知道实现中定义了__iter__()方法

Iterables是一个需要我们牢记的概念，因为接下来我们展示的用技许多技巧都使用itertools包。

itertools模块提供了一些函数，分享用于接收Iterable对象，个般而不仅仅是知道打印逐个对象。

2.Trick 1

在工作学习中，我们经常会需要使用一个简单的函数来实现从一个list来生成新的list,set或dict.此时我们就会用到iterables概念。

举例来说：

生成List:

names = [John, Bard, Jessica Andres] lower_names = [name.lower() for name in names]

生成Set:

names = [John, Bard, Jessica Andres] lower_names = { name.lower() for name in names}

生成Dict:

names = [John, Bard, Jessica Andres] lower_names = { name:name.lower() for name in names}

个人建议：

仅当for语句、源码下载函数调用和方法调用的数量较少时使用。

3.Trick 2

有时，我们需要获得两个列表对象之间的所有可能组合。

我们首先想到的实现可能如下：

l1 = [1, 2, 3] l2 = [4, 5, 6] combinations = [] for e1 in l1: for e2 in l2: combinations.append((e1, e2))

或者简化一下，如下：

combinations = [(e1, e2) for e1 in l1 for e2 in l1]

上述实现已经很简洁了，但标准库itertools提供product函数，从而提供了相同的结果。如下所示：

from itertools import product l1 = [1, 2, 3] l2 = [4, 5, 6] combinatios = product(l1, l2)

4.Trick3

假设有一个元素列表，我们需要在每对相邻元素之间比较或应用一些操作，这有时称为2个元素的滑动窗口。我们可以采用以下方式：

from itertools import tee from typing import Iterable def window2(iterable: Iterable): it, offset = tee(iter(iterable)) next(offset) return zip(it, offset) l = [1, 2, 3, 4, 5, 6] dd = window2(l) for a in dd: print(a)

运行结果如下：

(1, 2) (2, 3) (3, 4) (4, 5) (5, 6)

5.Trick4

有时，我们会需要一个类来存储信息，但是如果我们觉得创建一个类并定义其__init__()函数太麻烦时，我们不妨选择使用dataclass。如下所示：

from dataclasses import dataclass @dataclass class Person: name: str age: int address: str

上述代码创建了一个具有默认构造函数的类，该类以与声明相同的顺序接收相应字段的赋值。

person = Person(name=John, age=12, address=nanjing street)

dataclass的另一个优点是，默认情况下，会生成特殊方法，如__str__、 repr 、__eq__等。亿华云计算关于dataclass的更多用法，可以参考官网。

值得一提的是我们在类中声明的成员变量的类型注释(str、int等)并不强制在构造函数中传递的值属于这种类型。也就是说dataclasses构造对象时并不执行数据类型的检查。

6.Trick5

我们有时希望将一个对象上的操作视为tuple上的操作，一种选择是使用collections.namedtuple,但也存在更类似于dataclass的实现。如下：

from typing import NamedTuple class Coordinate(NamedTuple): x: int y: int

上述定义了一个标准的类可以被当做tuple来使用，如下：

coordinate = Coordinate(10, 15) coordinate.x == coordinate[0] // True coordinate.y == coordinate[1] // True

7.Trick6

假如我们有一个dataclass，需要验证输入数据是否符合类型注释。在这种情况下，安装第三方软件包pydantic并将

from dataclasses import dataclass 替换为 from pydantic.dataclasses import dataclass 即可，如下：

from pydantic.dataclasses import dataclass @dataclass class Person: name: str age: int address: str

这将生成一个类，该类具有根据成员变量声明的类型进行输入数据的解析和类型验证。 Pydantic 在运行时强制执行类型提示，并在数据无效时提供友好的错误提醒。站群服务器

8.Trick7

在某些情况下，我们需要生成一些容器中元素频率的基本统计信息。在这种情况下，您可以使用标准结构Counter来接收iterable并根据元素的频率生成相应的统计信息。

from collections import Counter l = [1, 1, 2, 3, 4, 4] frequencys = Counter(l) print(frequencys[1]) // Ouput: 2 print(frequencys[2]) // Ouput: 1 print(frequencys[2323]) // Ouput: 0

Counter也提供了一些其他方法，比如如most_common，用于检索最常见的元素。