Источник: Nuances of Programming
На первый взгляд Python может показаться простым языком, который любой может освоить, и многих удивляет, какого мастерства можно достичь в этом языке. Python один из тех языков, которые легко изучить, но крайне трудно добиться совершенства. В Python зачастую существует множество способов сделать что-то, но так же легко допустить ошибку. К примеру, можно заново изобрести стандартную библиотеку, потратив кучу времени просто потому, что вы и не подозревали о существовании модуля.
К сожалению, стандартная библиотека Python необъятна, и вдобавок её экосистема ужасающе огромна. Существует около двух миллионов гигабайт модулей Python, однако есть несколько практичных приёмов в работе со стандартной библиотекой и пакетами, обычно связанными с научными вычислениями в Python.
№1: Переворачивание строки
Хоть это и выглядит довольно просто, переворачивание строки с помощью литерного цикла может быть утомительным и раздражающим. К счастью, в Python есть встроенная операция для осуществления именно этой задачи — просто обращаемся к индексу ::-1 строки.
a = "!dlrow olleH"
backward = a[::-1]
№2: Dims в качестве переменных
В большинстве языков, чтобы получить набор переменных в массиве, нужно или последовательно в цикле перебирать значения массива, или обращаться к dims по позиции следующим образом:
firstdim = array[1]
В Python существует куда более классный и быстрый способ: чтобы превратить список значений в переменные, просто задайте имена переменных равными массиву той же длины:
array = [5, 10, 15, 20]
five, ten, fift, twent = array
№3: Модуль itertools
Если вы собираетесь посвятить некоторое время работе с Python, вам наверняка захочется освоить itertools. Itertools — это модуль стандартной библиотеки, позволяющий постоянно работать с итераторами. Он не только намного упрощает код сложных циклов, но и делает код быстрее и лаконичнее. Вот только один пример использования Itertools, на самом деле их сотни:
№4: Умная распаковка
Итеративная распаковка значений может быть довольно трудоёмкой и времязатратной. К счастью, у Python есть несколько замечательных способов распаковки списков! Одним из них является звездочка (*), заполняющая не определённые значения и добавляющая их к списку под именем переменной.
a, *b, c = [1, 2, 3, 4, 5]
№5: Enumerate
Если вы не знакомы с enumerate, настоятельно рекомендую освоить его. Enumerate позволяет получать индексы заданных значений в списке, что особенно полезно в науке о данных при работе с массивами, а не фреймами данных:
for i,w in enumerate(array):
print(i,w)
№6: Именование секторов
Нарезать списки на сектора в Python невероятно просто! Для этого существует множество отличных инструментов, но один из самых ценных, это возможность именовать сектора списка, что особенно полезно в линейной алгебре в Python:
№7: Группировка смежных списков
Группировку смежных списков, разумеется, легко осуществить в цикле for, особенно, используя zip(), но это далеко не самый лучший способ. Чтобы сделать это проще и быстрее, напишем лямбда-выражение с zip, которое сгруппирует смежные списки следующим образом:
№8: Итерация next() для генераторов
В большинстве обычных сценариев в программировании мы можем получить доступ к индексу и получить номер позиции, используя счётчик, который будет просто добавляемым значением:
Однако вместо этого можно использовать next(). Next берёт итератор, который будет хранить текущую позицию в памяти и перебирать список в фоновом режиме.
g = (x ** 2 for x in range(10))
print(next(g))
print(next(g))
№9: Counter
Ещё один прекрасный модуль из стандартной библиотеки — collections, и я хотел бы познакомить вас с collections.Counter. Используя Counter, легко получить счётчик списка. Это полезно для получения общего количества значений в данных, нулевого счёта данных и просмотра уникальных значений. Я знаю, вы подумали:
“ Почему бы просто не использовать Pandas?”
И это, безусловно, весомый аргумент. Однако Pandas для этих целей довольно сложно автоматизировать. Кроме того, это будет ещё одна зависимость, которую придётся добавлять в виртуальную среду при каждом развёртывании алгоритма. В counter есть множество функций, которых нет в Pandas Series, что делает его значительно полезнее в определённых ситуациях:
№10: Исключение из очереди
Ещё один прекрасный тип из модуля collections — это dequeue. Взгляните!
Вывод
Я рассказал о некоторых излюбленных приёмах, которые постоянно использую. Хотя некоторые из них применимы довольно редко, они универсальны и полезны. К счастью, набор инструментов стандартной библиотеки Python не оскудевает, внутри него можно найти множество замечательных функций, поэтому всегда есть, чему поучиться!
Читайте также:
Читайте нас в телеграмме и vk
Перевод статьи Emmett Boudreau: 10 Smooth Python Tricks For Python Gods
