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。
根据Python标准文档，Iterable的概念如下：
- 一种能够一次返回一个成员的对象。
iterables的示例包括：
- 所有序列类型(如list、str和tuple)
- 一些非序列类型，如dict、文件对象以及类的实现中定义了__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许多技巧都使用itertools包。
itertools模块提供了一些函数，用于接收Iterable对象，而不仅仅是打印逐个对象。
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、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。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。
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。
9.Trick8
如果我们相对两个list中的元素对做相应的函数处理，我们最容易想到的方法如下：
- l1 = [1, 2, 3]
- l2 = [4, 5, 6]
- for (e1, e2) in zip(l1, l2):
- f(e1, e2)
但是使用函数map可以让代码更加简洁一些。
- l1 = [1, 2, 3]
- l2 = [4, 5, 6]
- map(f, l1, l2)
10.Trick9
有时候我们需要从一个list中随机选择一个元素，此时我们使用random.choice.如下所示：
- from random import choice
- l = [1, 2, 3]
- random = choice(l)
如果我们需要随机选择多个元素呢?当然是使用random.choices.
- from random import choices
- l = [1, 2, 3, 4, 5]
- random_elements = choices(l, k=3)
上述代码中的参数k为我们随机选择元素的个数。
11.总结
本文重点介绍了在python中9个和迭代相关的使用技巧，可以方便提升大家的工作效率。
您学废了吗?
