怎么用Python实现时间60秒效果-创新互联

这篇文章主要介绍“怎么用Python实现时间60秒效果”，在日常操作中，相信很多人在怎么用Python实现时间60秒效果问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用Python实现时间60秒效果”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

一、基本操作

1. 链式比较

i = 
3
print(1 < i < 
3)  # False
print(1 < i <= 3)  # True

2. 不用else和if实现计算器

from operator 
import *

def calculator(a, b, k):
   return {
       '+': add,
       '-': sub,
       '*': mul,
       '/': truediv,
       '**': pow
   }[k](a, b)

calculator(1, 
2, 
'+')  # 3
calculator(3, 4, '**')  # 81

3. 函数链

from operator 
import (add, sub)

def add_or_sub(a, b, oper):
   return (add 
if oper == 
'+' else sub)(a, b)

add_or_sub(1, 
2, 
'-')  # -1

4. 求字符串的字节长度

def str_byte_len(mystr):
   return (len(mystr.encode('utf-8')))

str_byte_len('i love python')  # 
13(个字节)
str_byte_len('字符')  # 
6(个字节)

5. 寻找第n次出现位置

def search_n(s, c, n):
   size = 
0
   for i, x 
in enumerate(s):
       if x == c:
           size += 
1
       if size == n:
           return i
   return -1

print(search_n("fdasadfadf", 
"a", 
3))# 结果为7，正确
print(search_n("fdasadfadf", "a", 30))# 结果为-1，正确

6. 去掉最高最低求平均

def score_mean(lst):
   lst.sort()
   lst2=lst[1:(len(lst)-1)]
   return round((sum(lst2)/len(lst2)),2)

score_mean([9.1, 
9.0,8.1, 
9.7, 
19,8.2, 
8.6,9.8]) 
# 9.07

7. 交换元素

def swap(a, b):
   return b, a

swap(1, 
0)  # (0,1)

二、基础算法

1. 二分搜索

def binarySearch(arr, 
left, 
right, x):
   while left <= 
right:
       mid = int(left + (right - 
left) / 
2); # 找到中间位置。求中点写成(left+right)/2更容易溢出，所以不建议这样写

       # 检查x是否出现在位置mid
       if arr[mid] == x:
           print('found %d 在索引位置%d 处' %(x,mid))
           return mid

           # 假如x更大，则不可能出现在左半部分
       elif arr[mid] < x:
           left = mid + 
1 #搜索区间变为[mid+1,right]
           print('区间缩小为[%d,%d]' %(mid+1,right))

       elif x           right = mid - 
1 #搜索区间变为[left,mid-1]
           print('区间缩小为[%d,%d]' %(left,mid-1))

   return -1

2. 距离矩阵

x,y = mgrid[0:5,0:5]
list(map(lambda xe,ye: [(ex,ey) for ex, ey in zip(xe, ye)], x,y))
[[(0, 0), (0, 1), (0, 2), (0, 3), (0, 4)],
[(1, 0), (1, 1), (1, 2), (1, 3), (1, 4)],
[(2, 0), (2, 1), (2, 2), (2, 3), (2, 4)],
[(3, 0), (3, 1), (3, 2), (3, 3), (3, 4)],
[(4, 0), (4, 1), (4, 2), (4, 3), (4, 4)]]

三、列表

1. 打印乘法表

for i in 
range(1,10):
   for j in 
range(1,i+1):
       print('{0}*{1}={2}'.format(j,i,j*i),end="\t")
   print()

结果：

1*1=1
1*2=2   
2*2=4
1*3=3   
2*3=6   
3*3=9
1*4=4   
2*4=8   
3*4=12  4*4=16
1*5=5   
2*5=10  3*5=15  4*5=20  5*5=25
1*6=6   
2*6=12  3*6=18  4*6=24  5*6=30  6*6=36
1*7=7   
2*7=14  3*7=21  4*7=28  5*7=35  6*7=42  7*7=49
1*8=8   
2*8=16  3*8=24  4*8=32  5*8=40  6*8=48  7*8=56  8*8=64
1*9=9   
2*9=18  3*9=27  4*9=36  5*9=45  6*9=54  7*9=63  8*9=72  9*9=81

2. 嵌套数组完全展开

from collections.abc 
import *

def flatten(input_arr, output_arr=None):
   if output_arr 
is None:
       output_arr = []
   for ele 
in input_arr:
       if isinstance(ele, Iterable): 
# 判断ele是否可迭代
           flatten(ele, output_arr)  # 尾数递归
       else:
           output_arr.append(ele)    # 产生结果
   return output_arr

flatten([[1,2,3],[4,5]], [6,7]) # [6, 7, 1, 2, 3, 4, 5]

3. 将list等分为子组

from 
math import ceil

def divide(lst, size):
   if size <= 
0:
       return [lst]
   return [lst[i * size:(i+1)*size] 
for i 
in range(0, 
ceil(len(lst) / size))]

r = divide([1, 
3, 
5, 
7, 
9], 
2) # 
[[1, 3], [5, 7], [9]]

4. 生成fibonacci序列前n项

def fibonacci(n):
   if n <= 
1:
       return [1]
   fib = [1, 
1]
   while len(fib) < n:
       fib.append(fib[len(fib) - 
1] + fib[len(fib) - 
2])
   return fib

fibonacci(5)  # [1, 1, 2, 3, 5]

5. 过滤掉各种空值

def filter_false(lst):
   return list(filter(bool, lst))

filter_false([None, 
0, 
False, 
'', [], 
'ok', [1, 
2]])# ['ok', [1, 2]]

6. 返回列表头元素

def head(lst):
   return lst[0] 
if len(lst) > 
0 else None

head([])  # None
head([3, 4, 1])  # 3

7. 返回列表尾元素

def tail(lst):
   return lst[-1] 
if len(lst) > 
0 else None

print(tail([]))  # None
print(tail([3, 4, 1]))  # 1

8. 对象转换为可迭代类型

from collections.abc 
import Iterable

def cast_iterable(val):
   return val if isinstance(val, Iterable) 
else [val]

cast_iterable('foo')# foo
cast_iterable(12)# [12]
cast_iterable({'foo': 
12})# {'foo': 
12}

9. 求更长列表

def max_length(*lst):
   return max(*lst, key=lambda v: len(v))

r = max_length([1, 2, 3], [4, 5, 6, 7], [8])# [4, 5, 6, 7]

10. 出现最多元素

def max_frequency(lst):
   return max(lst, default='列表为空', key=lambda v: lst.count(v))

lst = [1, 3, 3, 2, 1, 1, 2]
max_frequency(lst) # 1

11. 求多个列表的大值

def max_lists(*lst):
   return max(max(*lst, key=lambda v: max(v)))

max_lists([1, 2, 3], [6, 7, 8], [4, 5]) # 8

12. 求多个列表的最小值

def min_lists(*lst):
   return min(min(*lst, key=lambda v: max(v)))

min_lists([1, 2, 3], [6, 7, 8], [4, 5]) # 1

13. 检查list是否有重复元素

def has_duplicates(lst):
   return len(lst) == len(set(lst))

x = [1, 1, 2, 2, 3, 2, 3, 4, 5, 6]
y = [1, 2, 3, 4, 5]
has_duplicates(x)  # False
has_duplicates(y)  # True

14. 求列表中所有重复元素

from collections import Counter

def find_all_duplicates(lst):
   c = Counter(lst)
   return list(filter(lambda k: c[k] > 1, c))

find_all_duplicates([1, 2, 2, 3, 3, 3])  # [2,3]

15. 列表反转

def reverse(lst):
   return lst[::-1]

reverse([1, -2, 3, 4, 1, 2])# [2, 1, 4, 3, -2, 1]

16. 浮点数等差数列

def rang(start, 
stop, n):
   start,stop,n = 
float('%.2f' % 
start), 
float('%.2f' % 
stop),int('%.d' % n)
   step = (stop-start)/n
   lst = [start]
   while n > 
0:
       start,n = 
start+step,n-1
       lst.append(round((start), 
2))
   return lst

rang(1, 
8, 
10) 
# [1.0, 1.7, 2.4, 3.1, 3.8, 4.5, 5.2, 5.9, 6.6, 7.3, 8.0]

四、字典

1. 字典值大的键值对列表

def max_pairs(dic):
   if len(dic) == 
0:
       return dic
   max_val = max(map(lambda v: v[1], dic.items()))
   return [item 
for item 
in dic.items() 
if item[1] == max_val]

max_pairs({'a': 
-10, 
'b': 
5, 
'c': 
3, 
'd': 
5})# [('b', 5), ('d', 5)]

2. 字典值最小的键值对列表

def min_pairs(dic):
   if len(dic) == 
0:
       return []
   min_val = min(map(lambda v: v[1], dic.items()))
   return [item 
for item in dic.items() 
if item[1] == min_val]
min_pairs({}) # []

r = min_pairs({'a': 
-10, 
'b': 
5, 
'c': 
3, 
'd': 
5})
print(r)  # [('b', 
5), ('d', 
5)]

3. 合并两个字典

def merge_dict2(dic1, dic2):
   return {**dic1, **dic2}  # python3.5后支持的一行代码实现合并字典

merge_dict({'a': 
1, 
'b': 
2}, {'c': 
3})  # {'a': 
1, 
'b': 
2, 
'c': 
3}

4. 求字典前n个大值

from heapq import nlargest

# 返回字典d前n个大值对应的键
def topn_dict(d, n):
   return nlargest(n, d, key=lambda k: d[k])

topn_dict({'a': 10, 'b': 8, 'c': 9, 'd': 10}, 3)  # ['a', 'd', 'c']

5. 求最小键值对

d={'a':-10,'b':5, 
'c':3,'d':5}
min(d.items(),key=lambda x:x[1]) 
#('a', -10)

五、集合

1. 互为变位词

from collections 
import Counter
# 检查两个字符串是否 相同字母异序词，简称：互为变位词
def anagram(str1, str2):
   return Counter(str1) == Counter(str2)

anagram('eleven+two', 
'twelve+one')  # True 这是一对神器的变位词
anagram('eleven', 
'twelve')  # False

六、文件操作

1. 查找指定文件格式文件

import os

def find_file(work_dir,extension='jpg'):
   lst = []
   for filename 
in os.listdir(work_dir):
       print(filename)
       splits = 
os.path.splitext(filename)
       ext = splits[1] # 拿到扩展名
       if ext == 
'.'+extension:
           lst.append(filename)
   return lst

find_file('.','md') # 返回所有目录下的md文件

七、正则和爬虫

1. 爬取天气数据并解析温度值

素材来自朋友袁绍

import requests
from lxml 
import etree
import pandas 
as pd
import re

url = 
'http://www.weather.com.cn/weather1d/101010100.shtml#input'
with requests.get(url) 
as res:
   content = res.content
   html = etree.HTML(content)

通过lxml模块提取值，lxml比beautifulsoup解析在某些场合更高效

location = html.xpath('//*[@id="around"]//a[@target="_blank"]/span/text()')
temperature = html.xpath('//*[@id="around"]/div/ul/li/a/i/text()')

结果：

['香河', 
'涿州', 
'唐山', 
'沧州', 
'天津', 
'廊坊', 
'太原', 
'石家庄', 
'涿鹿', 
'张家口', 
'保定', 
'三河', 
'北京孔庙', 
'北京国子监', 
'中国地质博物馆', 
'月坛公
园', 
'明城墙遗址公园', 
'北京市规划展览馆', 
'什刹海', 
'南锣鼓巷', 
'天坛公园', 
'北海公园', 
'景山公园', 
'北京海洋馆']

['11/-5°C', 
'14/-5°C', 
'12/-6°C', 
'12/-5°C', 
'11/-1°C', 
'11/-5°C', 
'8/-7°C', 
'13/-2°C', 
'8/-6°C', 
'5/-9°C', 
'14/-6°C', 
'11/-4°C', 
'13/-3°C'
, 
'13/-3°C', 
'12/-3°C', 
'12/-3°C', 
'13/-3°C', 
'12/-2°C', 
'12/-3°C', 
'13/-3°C', 
'12/-2°C', 
'12/-2°C', 
'12/-2°C', 
'12/-3°C']

df = pd.DataFrame({'location':location, 
'temperature':temperature})
print('温度列')
print(df['temperature'])

正则解析温度值

df['high'] = df['temperature'].apply(lambda x: 
int(re.match('(-?[0-9]*?)/-?[0-9]*?°C', x).group(1) ) )
df['low'] = df['temperature'].apply(lambda x: 
int(re.match('-?[0-9]*?/(-?[0-9]*?)°C', x).group(1) ) )
print(df)

详细说明子字符创捕获

除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（group）。比如：^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码

m = re.match(r'^(\d{3})-(\d{3,8})$', 
'010-12345')
print(m.group(0))
print(m.group(1))
print(m.group(2))

# 010-12345
# 010
# 12345

如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。

注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。

最终结果

Name: temperature, dtype: object
   location temperature  high  low
0         
香河     
11/-5°C    11   
-5
1         
涿州     
14/-5°C    14   
-5
2         
唐山     
12/-6°C    12   
-6
3         
沧州     
12/-5°C    12   
-5
4         
天津     
11/-1°C    11   
-1
5         
廊坊     
11/-5°C    11   
-5
6         
太原      8/-7°C     
8   
-7
7        石家庄     
13/-2°C    13   
-2
8         
涿鹿      8/-6°C     
8   
-6
9        张家口      5/-9°C     
5   
-9
10        保定     
14/-6°C    14   
-6
11        三河     
11/-4°C    11   
-4
12      北京孔庙     
13/-3°C    13   
-3
13     
北京国子监     
13/-3°C    13   
-3
14   
中国地质博物馆     
12/-3°C    12   
-3
15      月坛公园     
12/-3°C    12   
-3
16   
明城墙遗址公园     
13/-3°C    13   
-3
17  北京市规划展览馆     
12/-2°C    12   
-2
18       
什刹海     
12/-3°C    12   
-3
19      南锣鼓巷     
13/-3°C    13   
-3
20      天坛公园     
12/-2°C    12   
-2
21      北海公园     
12/-2°C    12   
-2
22      景山公园     
12/-2°C    12   
-2
23     
北京海洋馆     
12/-3°C    12   
-3

2. 批量转化驼峰格式

import re
def camel(s):
   s = re.sub(r"(\s|_|-)+", 
" ", s).title().replace(" ", 
"")
   return s[0].lower() + s[1:]

# 批量转化
def batch_camel(slist):
   return [camel(s) for s in slist]

batch_camel(['student_id', 'student\tname', 'student-add']) #['studentId', 'studentName', 'studentAdd']

八、绘图

1. turtle绘制奥运五环图结果：

2. turtle绘制漫天雪花结果：

3. 4种不同颜色的色块，它们的颜色真的不同吗？

4. 词频云图

import hashlib
import pandas 
as pd
from wordcloud 
import WordCloud
geo_data=pd.read_excel(r"../data/geo_data.xlsx")
words = 
','.join(x 
for x 
in geo_data['city'] 
if x != []) 
#筛选出非空列表值
wc = WordCloud(
   background_color="green", #背景颜色"green"绿色
   max_words=100, #显示大词数
   font_path='./fonts/simhei.ttf', #显示中文
   min_font_size=5,
   max_font_size=100,
   width=500  #图幅宽度
   )
x = wc.generate(words)
x.to_file('../data/geo_data.png')

八、生成器

1. 求斐波那契数列前n项(生成器版)

def fibonacci(n):
   a, b = 
1, 
1
   for _ 
in range(n):
       yield a
       a, b = b, a + b

list(fibonacci(5))  # [1, 1, 2, 3, 5]

2. 将list等分为子组(生成器版)

from 
math import ceil

def divide_iter(lst, n):
   if n <= 
0:
       yield lst
       return
   i, div = 
0, 
ceil(len(lst) / n)
   while i < n:
       yield lst[i * div: (i + 
1) * div]
       i += 
1

list(divide_iter([1, 
2, 
3, 
4, 
5], 
0))  # 
[[1, 2, 3, 4, 5]]
list(divide_iter([1, 
2, 
3, 
4, 
5], 
2))  # 
[[1, 2, 3], [4, 5]]

九、keras

1. Keras入门例子

import numpy 
as np
from keras.models 
import Sequential
from keras.layers 
import Dense

data = np.random.random((1000, 
1000))
labels = np.random.randint(2, size=(1000, 
1))
model = Sequential()
model.add(Dense(32,
               activation='relu',
               input_dim=100))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimize='rmsprop', loss='binary_crossentropy',
             metrics=['accuracy'])
model.fit(data, labels, epochs=10, batch_size=32)
predictions = model.predict(data)

到此，关于“怎么用Python实现时间60秒效果”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联-成都网站建设公司网站，小编会继续努力为大家带来更多实用的文章！