一、根据条件在序列中筛选数据
data = [1, 2, 3, 4, -5] # 使用列表推导式 result = [i for i in data if i >= 0] # 使用 fliter 过滤函数 result = filter(lambda x: x >= 0, data)
from random import randint
d = {x: randint(50, 100) for x in range(1, 21)}
r = {k: v for k, v in d.items() if v > 80}
二、对字典的键值对进行翻转
zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
from random import randint, sample
s1 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))}
d = {k: v for k, v in zip(s1.values(), s1.keys())}
三、统计序列中元素出现的频度
方法1:
# 可以使用字典来统计，以列表中的数据为键，以出现的次数为值 from random import randint # 构造随机序列 data = [randint(0, 20) for _ in range(30)] # 列表中出现数字出现的次数 d = dict.fromkeys(data, 0) for v in d: d[v] += 1
方法2：
# 直接使用 collections 模块下面的 Counter 对象 from collections import Counter from random import randint data = [randint(0, 20) for _ in range(30)] c2 = Counter(data) # 查询元素出现次数 c2[14] # 统计频度出现最高的3个数 c2.most_common(3)
import re
from collections import Counter
# 统计某个文章中英文单词的词频
with open("test.txt", "r", encoding="utf-8") as f:
d = f.read()
# 所有的单词列表
total = re.split("\W+", d)
result = Counter(total)
print(result.most_common(10))
四、根据字典中值的大小，对字典中的项进行排序
方法1:
# 利用 zip 将字典转化为元组，再用 sorted 进行排序
from random import randint
data = {x: randint(60, 100) for x in "xyzfafs"}
sorted(data)
data = sorted(zip(data.values(), data.keys()))
方法2:
# 利用 sorted 函数的 key 参数
from random import randint
data = {x: randint(60, 100) for x in "xyzfafs"}
data.items()
sorted(data.items(), key=lambda x: x[1])
五、在多个字典中找到公共键
第一轮：{"C罗": 1, "苏亚雷斯":2, "托雷斯": 1..}
第二轮：{"内马尔": 1, "梅西":2, "姆巴佩": 3..}
第三轮：{"姆巴佩": 2, "C罗":2, "内马尔": 1..}
from random import randint, sample
from functools import reduce
# 模拟随机的进球球员和进球数
s1 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))}
s2 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))}
s3 = {x: randint(1, 4) for x in sample("abfcdrg", randint(1, 5))}
# 首先获取字典的 keys，然后取每轮比赛 key 的交集。由于比赛轮次数是不定的，所以使用 map 来批量操作
# map(dict.keys, [s1, s2, s3])
# 然后一直累积取其交集，使用 reduce 函数
reduce(lambda x, y: x & y, map(dict.keys, [s1, s2, s3]))
以上就是Python 高效编程技巧分享的详细内容，更多关于Python 高效编程技巧的资料请关注脚本之家其它相关文章！
