Python看起來(lái)似乎是一種任何人都可以學(xué)習(xí)的簡(jiǎn)單語(yǔ)言，但實(shí)際上，學(xué)會(huì)不等于精通，Python的“后勁兒”超乎我們的想象，它容易入門卻很難掌握。在Python中，一個(gè)通常有多種處理方法，但很容易出錯(cuò)的地方很多；或者僅僅因?yàn)椴恢滥K的存在，你就得重新創(chuàng)建標(biāo)準(zhǔn)庫(kù)，這很浪費(fèi)時(shí)間。

Python標(biāo)準(zhǔn)庫(kù)是一個(gè)巨大的野獸，它的生態(tài)系統(tǒng)絕對(duì)是龐大的。雖然Python模塊可能有200萬(wàn)千兆字節(jié)，好在有一些使用技巧存在，我們可以用Python中與科學(xué)計(jì)算相關(guān)的標(biāo)準(zhǔn)庫(kù)和包來(lái)學(xué)習(xí)。

1.反轉(zhuǎn)字符串

雖然看似是很基礎(chǔ)的操作，但是用char循環(huán)來(lái)反轉(zhuǎn)字符串可能會(huì)非常繁瑣麻煩。幸運(yùn)的是，Python包含了一個(gè)簡(jiǎn)單的內(nèi)置操作來(lái)準(zhǔn)確地執(zhí)行這個(gè)任務(wù)，我們只需訪問(wèn)字符串上的索引：：-1。

a = “！dlrow olleH”

backward = a［：：-1］

2.Dims作為變量

在大多數(shù)語(yǔ)言中，為了將數(shù)組放入一組變量中需迭代循環(huán)值，或按位置訪問(wèn)暗點(diǎn)，如下所示：

firstdim = array［1］

然而，在Python中有一種更好更快的方法。為了將一列值改為變量，可以簡(jiǎn)單地將變量名設(shè)置為與數(shù)組長(zhǎng)度相同的數(shù)組：

array = ［5， 10， 15， 20］

five， ten， fift， twent = array

3.生成器的next（）迭代

在編程中的大多數(shù)正常情況下，可以訪問(wèn)一個(gè)索引，并使用計(jì)數(shù)器獲取位置數(shù)字，計(jì)數(shù)器將只是一個(gè)值，添加到：

array1 = ［5， 10， 15， 20］

array2 = （x ** 2 for x in range（10））

counter = 0for i in array1：# This code wouldn‘t work because ’i‘ is not in array2.

# i = array2［i］

i = array2［counter］

# ^^^ This code would because we areaccessing the position of i

我們也可以用next（）代替它。Next使用一個(gè)迭代器，該迭代器將當(dāng)前位置存儲(chǔ)在內(nèi)存中，并在后臺(tái)迭代列表：

g = （x ** 2 for x in range（10））

print（next（g））

print（next（g））

4.智能拆包

迭代地解壓值可能會(huì)非常耗費(fèi)時(shí)力，Python中有幾種不錯(cuò)的方法可以用來(lái)解壓列表的方法。其中一個(gè)是*，它將填充未分配的值并將它們添加到變量名下的新列表中。

a， *b， c = ［1， 2， 3， 4， 5］

5.列舉

不了解列舉那可不太行。列舉可以獲取列表中某些值的索引，在數(shù)據(jù)科學(xué)中使用數(shù)組而不是數(shù)據(jù)幀時(shí)，這就特別有用：

for i，w in enumerate（array）：

print（i，w）

6.命名切片

Python中，分割列表非常簡(jiǎn)單，各式各樣優(yōu)秀工具都能做到。特別好的一點(diǎn)是，它還能夠給列表命名，這對(duì)于Python中的線性代數(shù)特別有用：

a = ［0， 1， 2， 3， 4， 5］

LASTTHREE = slice（-3， None）

slice（-3， None， None）

print（a［LASTTHREE］）

7.Itertools

如果深入學(xué)習(xí)Python，那你肯定要熟悉itertools。itertools是標(biāo)準(zhǔn)庫(kù)中的一個(gè)模塊，它可以不斷地解決迭代問(wèn)題。它不僅使編寫復(fù)雜循環(huán)大幅度變?nèi)菀?，而且還使代碼更簡(jiǎn)潔快速。有數(shù)百種Itertools的使用示例，來(lái)看看其中一個(gè)：

c = ［［1， 2］， ［3， 4］， ［5， 6］］

# Let’s convert this matrix to a 1 dimensional list.

import itertools as it

newlist = list（it.chain.from_iterable（c））

8.分組相鄰列表

在for循環(huán)中，對(duì)相鄰循環(huán)進(jìn)行分組當(dāng)然很容易，特別是使用zip（），但這肯定不是最好的方法。為了更輕松便捷地實(shí)現(xiàn)這一點(diǎn)，可以用zip編寫一個(gè)lambda表達(dá)式，該表達(dá)式將對(duì)相鄰列表進(jìn)行分組，如下所示：

a = ［1， 2， 3， 4， 5， 6］

group_adjacent = lambda a， k： zip（*（［iter（a）］ * k））

group_adjacent（a， 3） ［（1， 2， 3）， （4， 5， 6）］

group_adjacent（a， 2） ［（1， 2）， （3， 4）， （5， 6）］

group_adjacent（a， 1）

9.計(jì)數(shù)器

集合也是模塊中很好的標(biāo)準(zhǔn)庫(kù)，這里向大家介紹的是集合中的計(jì)數(shù)器。使用計(jì)數(shù)器，可以輕松獲得一個(gè)列表的計(jì)數(shù)。這對(duì)于獲取數(shù)據(jù)中的值總數(shù)、數(shù)據(jù)的空計(jì)數(shù)，以及查看數(shù)據(jù)的唯一值非常有用。

“為什么不直接使用Pandas呢？”使用Pandas來(lái)實(shí)現(xiàn)這一點(diǎn)無(wú)疑會(huì)困難得多，而且這只是在部署算法時(shí)需要添加到虛擬環(huán)境中的另一個(gè)依賴項(xiàng)。另外，Python中的計(jì)數(shù)器類型有很多Pandas系列沒(méi)有的特性，這使其在某些情況下更有用。

A = collections.Counter（［1， 1， 2，2， 3， 3， 3， 3， 4， 5， 6， 7］）

A Counter（{3： 4， 1： 2， 2： 2， 4： 1， 5： 1， 6： 1， 7： 1}）

A.most_common（1） ［（3， 4）］

A.most_common（3） ［（3， 4）， （1， 2）， （2， 2）］

10.出隊(duì)

如下所示，出隊(duì)能讓代碼非常整潔：

import collections

Q = collections.deque（）

Q.append（1）

Q.appendleft（2）

Q.extend（［3， 4］）

Q.extendleft（［5， 6］）

Q.pop（）

Q.popleft（）

Q.rotate（3）

Q.rotate（-3）

print（Q）

這些是筆者一直愛(ài)用的Python技巧，都非常通用和實(shí)用，實(shí)踐中總有機(jī)會(huì)能用到。Python的標(biāo)準(zhǔn)庫(kù)函數(shù)工具箱變得越來(lái)越多樣，還有很多筆者也沒(méi)聽(tīng)說(shuō)過(guò)的工具。學(xué)無(wú)止境，這多么令人興奮！