關於十大python開發技巧的信息

本文目錄一覽：

• 1、Python中的7個實用小技巧！
• 2、「乾貨」讓Python性能起飛的15個技巧，你知道幾個呢？
• 3、IT培訓分享新手程序員學習python編程需要了解哪些技巧
• 4、提高 Python 代碼的可讀性，你需要知道的10個技巧
• 5、學python的10個有效方法有哪些？
• 6、Python 開發中有哪些高級技巧

Python中的7個實用小技巧！

「相對來說，Python的技巧是比較少見的，但是非常實用。」

Talk is cheap show me the code、

1、交換兩個值

2.、列表中所有元素合成一個字符串

3. 列表中所有元素合成一個字符串

4. 檢查兩個字符串是否所用的字母及其個數都一樣

5. 反轉字符串

6. 反轉列表

7. 二維數組轉換

若有不明白的地方，請移步Python視頻教程繼續學習！！

「乾貨」讓Python性能起飛的15個技巧，你知道幾個呢？

前言

Python 一直以來被大家所詬病的一點就是執行速度慢，但不可否認的是 Python 依然是我們學習和工作中的一大利器。本文總結了15個tips有助於提升 Python 執行速度、優化性能。

關於 Python 如何精確地測量程序的執行時間，這個問題看起來簡單其實很複雜，因為程序的執行時間受到很多因素的影響，例如操作系統、Python 版本以及相關硬件（CPU 性能、內存讀寫速度）等。在同一台電腦上運行相同版本的語言時，上述因素就是確定的了，但是程序的睡眠時間依然是變化的，且電腦上正在運行的其他程序也會對實驗有干擾，因此嚴格來說這就是實驗不可重複。

我了解到的關於計時比較有代表性的兩個庫就是 time 和 timeit 。

其中， time 庫中有 time() 、 perf_counter() 以及 process_time() 三個函數可用來計時（以秒為單位），加後綴 _ns 表示以納秒計時（自 Python3.7 始）。在此之前還有 clock() 函數，但是在 Python3.3 之後被移除了。上述三者的區別如下：

與 time 庫相比， timeit 有兩個優點：

timeit.timeit(stmt=’pass’, setup=’pass’, timer= , number=1000000, globals=None) 參數說明：

本文所有的計時均採用 timeit 方法，且採用默認的執行次數一百萬次。

為什麼要執行一百萬次呢？因為我們的測試程序很短，如果不執行這麼多次的話，根本看不出差距。

Exp1：將字符串數組中的小寫字母轉為大寫字母。

測試數組為 oldlist = [‘life’, ‘is’, ‘short’, ‘i’, ‘choose’, ‘python’]。

方法一

方法二

方法一耗時 0.5267724000000005s ，方法二耗時 0.41462569999999843s ，性能提升 21.29%

Exp2：求兩個 list 的交集。

測試數組：a = [1,2,3,4,5]，b = [2,4,6,8,10]。

方法一

方法二

方法一耗時 0.9507264000000006s ，方法二耗時 0.6148200999999993s ，性能提升 35.33%

關於 set() 的語法： | 、 、 – 分別表示求並集、交集、差集。

我們可以通過多種方式對序列進行排序，但其實自己編寫排序算法的方法有些得不償失。因為內置的 sort() 或 sorted() 方法已經足夠優秀了，且利用參數 key 可以實現不同的功能，非常靈活。二者的區別是 sort() 方法僅被定義在 list 中，而 sorted() 是全局方法對所有的可迭代序列都有效。

Exp3：分別使用快排和 sort() 方法對同一列表排序。

測試數組：lists = [2,1,4,3,0]。

方法一

方法二

方法一耗時 2.4796975000000003s ，方法二耗時 0.05551999999999424s ，性能提升 97.76%

順帶一提， sorted() 方法耗時 0.1339823999987857s 。

可以看出， sort() 作為 list 專屬的排序方法還是很強的， sorted() 雖然比前者慢一點，但是勝在它“不挑食”，它對所有的可迭代序列都有效。

擴展 ：如何定義 sort() 或 sorted() 方法的 key

1.通過 lambda 定義

2.通過 operator 定義

operator 的 itemgetter() 適用於普通數組排序， attrgetter() 適用於對象數組排序

3.通過 cmp_to_key() 定義，最為靈活

Exp4：統計字符串中每個字符出現的次數。

測試數組：sentence=’life is short, i choose python’。

方法一

方法二

方法一耗時 2.8105250000000055s ，方法二耗時 1.6317423000000062s ，性能提升 41.94%

列表推導（list comprehension）短小精悍。在小代碼片段中，可能沒有太大的區別。但是在大型開發中，它可以節省一些時間。

Exp5：對列表中的奇數求平方，偶數不變。

測試數組：oldlist = range(10)。

方法一

方法二

方法一耗時 1.5342976000000021s ，方法二耗時 1.4181957999999923s ，性能提升 7.57%

大多數人都習慣使用 + 來連接字符串。但其實，這種方法非常低效。因為， + 操作在每一步中都會創建一個新字符串並複製舊字符串。更好的方法是用 join() 來連接字符串。關於字符串的其他操作，也盡量使用內置函數，如 isalpha() 、 isdigit() 、 startswith() 、 endswith() 等。

Exp6：將字符串列表中的元素連接起來。

測試數組：oldlist = [‘life’, ‘is’, ‘short’, ‘i’, ‘choose’, ‘python’]。

方法一

方法二

方法一耗時 0.27489080000000854s ，方法二耗時 0.08166570000000206s ，性能提升 70.29%

join 還有一個非常舒服的點，就是它可以指定連接的分隔符，舉個例子

life//is//short//i//choose//python

Exp6：交換x，y的值。

測試數據：x, y = 100, 200。

方法一

方法二

方法一耗時 0.027853900000010867s ，方法二耗時 0.02398730000000171s ，性能提升 13.88%

在不知道確切的循環次數時，常規方法是使用 while True 進行無限循環，在代碼塊中判斷是否滿足循環終止條件。雖然這樣做沒有任何問題，但 while 1 的執行速度比 while True 更快。因為它是一種數值轉換，可以更快地生成輸出。

Exp8：分別用 while 1 和 while True 循環 100 次。

方法一

方法二

方法一耗時 3.679268300000004s ，方法二耗時 3.607847499999991s ，性能提升 1.94%

將文件存儲在高速緩存中有助於快速恢復功能。Python 支持裝飾器緩存，該緩存在內存中維護特定類型的緩存，以實現最佳軟件驅動速度。我們使用 lru_cache 裝飾器來為斐波那契函數提供緩存功能，在使用 fibonacci 遞歸函數時，存在大量的重複計算，例如 fibonacci(1) 、 fibonacci(2) 就運行了很多次。而在使用了 lru_cache 後，所有的重複計算只會執行一次，從而大大提高程序的執行效率。

Exp9：求斐波那契數列。

測試數據：fibonacci(7)。

方法一

方法二

方法一耗時 3.955014900000009s ，方法二耗時 0.05077979999998661s ，性能提升 98.72%

注意事項：

我被執行了（執行了兩次 demo(1, 2) ，卻只輸出一次）

functools.lru_cache(maxsize=128, typed=False) 的兩個可選參數：

點運算符( . )用來訪問對象的屬性或方法，這會引起程序使用 __getattribute__() 和 __getattr__() 進行字典查找，從而帶來不必要的開銷。尤其注意，在循環當中，更要減少點運算符的使用，應該將它移到循環外處理。

這啟發我們應該盡量使用 from … import … 這種方式來導包，而不是在需要使用某方法時通過點運算符來獲取。其實不光是點運算符，其他很多不必要的運算我們都盡量移到循環外處理。

Exp10：將字符串數組中的小寫字母轉為大寫字母。

測試數組為 oldlist = [‘life’, ‘is’, ‘short’, ‘i’, ‘choose’, ‘python’]。

方法一

方法二

方法一耗時 0.7235491999999795s ，方法二耗時 0.5475435999999831s ，性能提升 24.33%

當我們知道具體要循環多少次時，使用 for 循環比使用 while 循環更好。

Exp12：使用 for 和 while 分別循環 100 次。

方法一

方法二

方法一耗時 3.894683299999997s ，方法二耗時 1.0198077999999953s ，性能提升 73.82%

Numba 可以將 Python 函數編譯碼為機器碼執行，大大提高代碼執行速度，甚至可以接近 C 或 FORTRAN 的速度。它能和 Numpy 配合使用，在 for 循環中或存在大量計算時能顯著地提高執行效率。

Exp12：求從 1 加到 100 的和。

方法一

方法二

方法一耗時 3.7199997000000167s ，方法二耗時 0.23769430000001535s ，性能提升 93.61%

矢量化是 NumPy 中的一種強大功能，可以將操作表達為在整個數組上而不是在各個元素上發生。這種用數組表達式替換顯式循環的做法通常稱為矢量化。

在 Python 中循環數組或任何數據結構時，會涉及很多開銷。NumPy 中的向量化操作將內部循環委託給高度優化的 C 和 Fortran 函數，從而使 Python 代碼更加快速。

Exp13：兩個長度相同的序列逐元素相乘。

測試數組：a = [1,2,3,4,5], b = [2,4,6,8,10]

方法一

方法二

方法一耗時 0.6706845000000214s ，方法二耗時 0.3070132000000001s ，性能提升 54.22%

若要檢查列表中是否包含某成員，通常使用 in 關鍵字更快。

Exp14：檢查列表中是否包含某成員。

測試數組：lists = [‘life’, ‘is’, ‘short’, ‘i’, ‘choose’, ‘python’]

方法一

方法二

方法一耗時 0.16038449999999216s ，方法二耗時 0.04139250000000061s ，性能提升 74.19%

itertools 是用來操作迭代器的一個模塊，其函數主要可以分為三類：無限迭代器、有限迭代器、組合迭代器。

Exp15：返回列表的全排列。

測試數組：[“Alice”, “Bob”, “Carol”]

方法一

方法二

方法一耗時 3.867292899999484s ，方法二耗時 0.3875405000007959s ，性能提升 89.98%

根據上面的測試數據，我繪製了下面這張實驗結果圖，可以更加直觀的看出不同方法帶來的性能差異。

從圖中可以看出，大部分的技巧所帶來的性能增幅還是比較可觀的，但也有少部分技巧的增幅較小（例如編號5、7、8，其中，第 8 條的兩種方法幾乎沒有差異）。

總結下來，我覺得其實就是下面這兩條原則：

內置庫函數由專業的開發人員編寫並經過了多次測試，很多庫函數的底層是用 C 語言開發的。因此，這些函數總體來說是非常高效的（比如 sort() 、 join() 等），自己編寫的方法很難超越它們，還不如省省功夫，不要重複造輪子了，何況你造的輪子可能更差。所以，如果函數庫中已經存在該函數，就直接拿來用。

有很多優秀的第三方庫，它們的底層可能是用 C 和 Fortran 來實現的，像這樣的庫用起來絕對不會吃虧，比如前文提到的 Numpy 和 Numba，它們帶來的提升都是非常驚人的。類似這樣的庫還有很多，比如Cython、PyPy等，這裡我只是拋磚引玉。

原文鏈接：

IT培訓分享新手程序員學習python編程需要了解哪些技巧

python編程開發技術是目前比較熱門的編程語言之一了，而對於大多數新接觸python編程的程序員來說，如果能夠掌握一定的編程技巧的話會大大降低我們掌握python編程的難度，下面IT培訓就一起來了解一下具體內容吧。

建議1：理解Pythonic概念

建議2：編寫Pythonic代碼

建議3：理解Python與C語言的不同之處

建議4：在代碼中適當添加註釋

建議5：通過適當添加空行使代碼布局更為優雅、合理

建議6：編寫函數的4個原則

建議7：將常量集中到一個文件

建議8：利用assert語句來發現問題

建議9：數據交換值的時候不推薦使用中間變量

建議10：充分利用Lazyevaluation的特性

建議11：理解枚舉替代實現的缺陷

建議12：不推薦使用type來進行類型檢查

建議13：盡量轉換為浮點類型後再做除法

建議14：警惕eval()的安全漏洞

建議15：使用enumerate()獲取序列迭代的索引和值

建議16：分清=與is的適用場景

建議17：考慮兼容性，儘可能使用Unicode

建議18：構建合理的包層次來管理module

建議19：有節制地使用fromimport語句

建議20：優先使用absoluteimport來導入模塊

建議21：i+=1不等於++i

建議22：使用with自動關閉資源

建議23：使用else子句簡化循環(異常處理)

建議24：遵循異常處理的幾點基本原則

建議25：避免finally中可能發生的陷阱

建議26：深人理解None，正確判斷對象是否為空

建議27：連接字符串應優先使用join而不是+

建議28：格式化字符串時盡量使用.format方式而不是%

建議29：區別對待可變對象和不可變對象

建議30：[]、()和{}：一致的容器初始化形式

建議31：記住函數傳參既不是傳值也不是傳引用

建議32：警惕默認參數潛在的問題

建議33：慎用變長參數

建議34：深入理解str()和repr()的區別

提高 Python 代碼的可讀性，你需要知道的10個技巧

Python的可讀性和簡單性是其廣受歡迎的兩大原因，本文介紹10個常用的Python技巧來提高代碼的可讀性，並能幫助你節省大量時間，下面的技巧將在你的日常編碼練習中非常實用。

1. 字符串反轉

字符串反轉有很多方法，咱們再這裡介紹兩種：一種是切片，一種是python字符串的reversed方法。

2. 首字母大寫

這裡咱們也是介紹兩種方法，區別之處在於**capitalize()**僅是首字母大寫

**title()**是每個單詞開頭的首字母都大寫

3. 查詢唯一元素

我們利用set的唯一性來確定字符串的唯一元素:

4. 變量交換

python中的變量交換比java簡單多了，交換兩個變量無需定義第三個中間變量，直接交換即可實現

5. 列表排序

列表排序這裡我們也提供兩種方式。第一個是列表自帶的**sort() 方法；第二個是python內置函數 sorted()**方法

6.列表推導式

使用列表推導式可以快速生成一個列表或者根據列表生成滿足需求的列表

7. 合併字符串

合併字符串我們使用string的.join()方法實現

8. 拆分字符串

拆分字符串我們使用string的split()方法實現

9. 迴文串檢測

迴文串是指aba、abba、cccbccc、aaaa這種左右對稱的字符串。我們可以根據之前提到的切片來檢測這種特殊的字符串序列

10. 統計列表元素出現次數

統計列表中元素各自出現的次數我們使用collections 的Counter方法

學python的10個有效方法有哪些？

學習python主要是自學或者報班學習的方式，但不建議自學。

如果想通過學習python改行，那就需要明確一下自己的方向。因為python編程有很多方向，有網絡爬蟲、數據分析、Web開發、測試開發、運維開發、機器學習、人工智能、量化交易等等，各個方向都有特定的技能要求。

想學的話，當然是可以學習的。python是一門語法優美的編程語言，不僅可以作為小工具使用提升我們日常工作效率，也可以單獨作為一項高新就業技能！

python可以做的事情：

軟件開發：用python做軟件是很多人正在從事的工作，不管是B/S軟件，還是C/S軟件，都能做。並且需求量還是挺大的；

數據挖掘：python可以製作出色的爬蟲工具來進行數據挖掘，而在很多的網絡公司中數據挖掘的崗位也不少；

遊戲開發：python擴展性很好，擁有遊戲開發的庫，而且遊戲開發絕對是暴力職業；

大數據分析：如今是大數據的時代，用python做大數據也是可以的，大數據分析工程師也是炙手可熱的職位；

全棧工程師：如今程序員都在向著全棧的方向發展，而學習python更具備這方面的優勢；

系統運維：python在很多linux中都支持，而且語法特點很向shell腳本，學完python做個系統運維也是很不錯的。

互聯網行業目前還是最熱門的行業之一，學習IT技能之後足夠優秀是有機會進入騰訊、阿里、網易等互聯網大廠高薪就業的，發展前景非常好，普通人也可以學習。

想要系統學習，你可以考察對比一下開設有相關專業的熱門學校，好的學校擁有根據當下企業需求自主研發課程的能力，能夠在校期間取得大專或本科學歷，中博軟件學院、南京課工場、南京北大青鳥等開設相關專業的學校都是不錯的，建議實地考察對比一下。

祝你學有所成，望採納。

請點擊輸入圖片描述

請點擊輸入圖片描述

Python 開發中有哪些高級技巧

bobby《Python3高級核心技術97講》（超清視頻）百度網盤  

鏈接:

提取碼: ti4i 複製這段內容後打開百度網盤手機App，操作更方便哦   

若資源有問題歡迎追問~