一些讓Python代碼簡潔的實用技巧總結(jié)

前言

眾所周知，編寫Python代碼在開始時十分容易，但隨著你在工具包中添加更多的庫，你的腳本可能會有不必要的代碼行，變得冗長而混亂?？赡芏唐趦?nèi)能夠應(yīng)付工作，但長期來看，麻煩不小。

在這篇文章中，我將與你分享7個技巧，使你在使用Python進行數(shù)據(jù)科學(xué)時更加簡潔。這涵蓋了我們?nèi)粘Ｋ龅氖虑椋缧薷腜andas數(shù)據(jù)框中的值，連接字符串，讀取文件等操作！

1. 使用Lambda來修改Pandas數(shù)據(jù)框中的值

假設(shè)我們有以下df數(shù)據(jù)框:

data = [[1,2,3], [4,5,6], [7,8,9]]
df = pd.DataFrame(data, columns=[0,1,2])
IN[1]: print (df)
OUT[1]:    0  1  2
        0  1  2  3
        1  4  5  6
        2  7  8  9

現(xiàn)在由于某種原因，你需要在第0列的數(shù)字上添加01的值。一個常見的方法是定義一個函數(shù)來完成這個任務(wù)，然后用 apply 函數(shù)來修改一列的值。

def add_numbers(x):
    return f'{x}01'
df[0] = df[0].apply(add_numbers)
IN[1]: print (df)
OUT[1]:     0   1   2
        0  101  2   3
        1  401  5   6
        2  701  8   9

這并不復(fù)雜，但是在數(shù)據(jù)框中對每一個改變創(chuàng)建一個函數(shù)是不切實際的。這時lambda就派上了用場。

lambda函數(shù)類似于普通的Python函數(shù)，但它可以不使用名稱來定義，這使得它成為一個漂亮的單行代碼。之前使用的代碼可以用以下方式來減少。

df[0] = df[0].apply(lambda x:f'{x}01')

當(dāng)你不知道是否可以訪問一個系列的屬性來修改數(shù)據(jù)時，Lambda變得非常有用。

例如，列0包含字母，我們想把它們大寫。

# 如果你知道.str的存在，你可以這樣做
df[0] = df[0].str.title()
# 如果你不知道.str，你仍然可以用lambda大寫
df[0] = df[0].apply(lambda x: x.title())

2. 使用f-string來連接字符串

字符串連接是Python中非常常見的操作，它可以用不同的方法來完成。最常見的方法是使用+運算符；然而，這個運算符的一個問題是我們不能在字符串之間添加任何分隔符。

當(dāng)然，如果你想把 "Hello "和 "World "連接起來，一個典型的變通方法是添加一個空白分隔符（" "）。

print("Hello" + " " + "World")

這就完成了工作，但為了寫出更可讀的代碼，我們可以用一個f-string來代替它。

IN[2]: print(f'{Hello} {World}')
OUT[2]: "Hello World"

在一個基本的例子中，這似乎是不必要的，但是當(dāng)涉及到連接多個值時（正如你將在提示#3中看到的），f-string將使你免于書寫多次+ " " +。我不知道過去有多少次不得不寫+運算符，但現(xiàn)在不會了！

其他連接字符串的方法是使用join()方法或format()函數(shù)，然而f-string在字符串連接方面做得更好。

3. 用Zip()函數(shù)對多個列表進行迭代

你是否曾經(jīng)想在 Python 中循環(huán)遍歷一個以上的列表？當(dāng)你有兩個列表時，你可以用 enumerate 來實現(xiàn)。

teams = ['Barcelona', 'Bayern Munich', 'Chelsea']
leagues = ['La Liga', 'Bundesliga', 'Premiere League']
for i, team in enumerate(teams):
    league = leagues[i]
    print(f'{team} plays in {league}')

然而，當(dāng)你有兩個或更多的列表時，這變得不切實際。一個更好的方法是使用zip()函數(shù)。zip()函數(shù)接收迭代數(shù)據(jù)，將它們聚集在一個元組中，并返回之。

讓我們再增加一個列表，看看zip()的威力!

teams = ['Barcelona', 'Bayern Munich', 'Chelsea']
leagues = ['La Liga', 'Bundesliga', 'Premiere League']
countries = ['Spain', 'Germany', 'UK']
for team, league, country in zip(teams, leagues, countries):
    print(f'{team} plays in {league}. Country: {country}')

上述代碼的輸出結(jié)果為：

Barcelona plays in La Liga. Country: Spain
Bayern Munich plays in Bundesliga. Country: Germany
Chelsea plays in Premiere League. Country: UK

此處你注意到我們在這個例子中使用了f-string嗎？代碼變得更有可讀性，不是嗎？

4. 使用列表理解法

清洗和處理數(shù)據(jù)的一個常見步驟是修改現(xiàn)有的列表。比如，我們有以下需要大寫的列表：

words = ['california', 'florida', 'texas']

將words列表的每個元素大寫的典型方法是創(chuàng)建一個新的大寫列表，執(zhí)行一次 for 循環(huán)，使用.title()，然后將每個修改的值附加到新的列表中。

capitalized = []
for word in words:
    capitalized.append(word.title())

然而，Pythonic的方法是使用列表理解來做到這一點。列表理解有一種優(yōu)雅的方法來制作列表。

你可以用一行代碼重寫上面的for循環(huán)：

capitalized = [word.title() for word in words]

由此我們可以跳過第一個例子中的一些步驟，結(jié)果是一樣的。

5. 對文件對象使用with語句

當(dāng)在一個項目上工作時，我們經(jīng)常會對文件進行讀寫操作。最常見的方法是使用open()函數(shù)打開一個文件，它會創(chuàng)建一個我們可以操作的文件對象，然后作為一個習(xí)慣的做法，我們應(yīng)該使用close()關(guān)閉該文件對象。

f = open('dataset.txt', 'w')
f.write('new_data')
f.close()

這很容易記住，但有時寫了幾個小時的代碼，我們可能會忘記用f.close()關(guān)閉f文件。這時，with語句就派上了用場。with語句將自動關(guān)閉文件對象f，形式如下:

with open('dataset.txt', 'w') as f:
    f.write('new_data')

有了這個，我們可以保持代碼的簡短。

你不需要用它來讀取CSV文件，因為你可以用pandas的 pd.read_csv()輕松地讀取，但在讀取其他類型的文件時，這仍然很有用。例如，從pickle文件中讀取數(shù)據(jù)時經(jīng)常使用它。

import pickle 
# 從pickle文件中讀取數(shù)據(jù)集
with open(‘test', ‘rb') as input:
    data = pickle.load(input)

6. 停止使用方括號來獲取字典項, 利用.get()代替

比如，有以下一個字典:

person = {'name': 'John', 'age': 20}

我們可以通過person[name]和person[age]分別獲得姓名和年齡。但是，由于某種原因，我們想獲得一個不存在的鍵，如 "工資"，運行person[salary]會引發(fā)一個`KeyError'。

這時，get()方法就有用了。如果鍵在字典中，get()方法返回指定鍵的值，但是如果沒有找到鍵，Python 將返回None。得益于此，你的代碼不會中斷。

person = {'name': 'John', 'age': 20}
print('Name: ', person.get('name'))
print('Age: ', person.get('age'))
print('Salary: ', person.get('salary'))

輸出結(jié)果如下:

Name:  John
Age:  20
Salary:  None

7. 多重賦值

你是否曾想減少用于創(chuàng)建多個變量、列表或字典的代碼行數(shù)？那么，你可以用多重賦值輕松做到這一點。

# 原始操作
a = 1
b = 2
c = 3
# 替代操作
a, b, c = 1, 2, 3
# 代替在不同行中創(chuàng)建多個列表
data_1 = []
data_2 = []
data_3 = []
data_4 = []
# 可以在一行中創(chuàng)建它們的多重賦值
data_1, data_2, data_3, data_4 = [], [], [], []
# 或者使用列表理解法
data_1, data_2, data_3, data_4 = [[] for i in range(4)]

原文鏈接:

https://towardsdatascience.com/7-tips-to-level-up-your-python-code-for-data-science-4a64dbccd86d

總結(jié)

到此這篇關(guān)于讓Python代碼簡潔的實用技巧的文章就介紹到這了,更多相關(guān)Python代碼簡潔技巧內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！