Python奇遇記：數據結構窺探2

上次咱們講了幾個不常見的數據類型，每一個都有本身特殊的用途，雖然不常常用到，瞭解一下也好。好比咱們提到的數組類型，若是在數據量很大的時候同時要效率，就可使用它。此次來講說python中常見的數據類型像列表、元組、字典、集合中的一些頗有用的技巧，幫助你提升開發效率。

來看看。

列表有一個頗有用的技巧是使用列表推導式，這個你們可能都知道，若是你須要迭代列表中的數據，使用循環是個很麻煩的事，使用列表推導式一行就搞定。

datas = [3, 4, 2, 8, 12, 5, 7]
# 找出列表中小於10的數據
print([data for data in datas if data<10])

[3, 4, 2, 8, 5, 7]

除了列表推導式，還有字典推導式，集合推導式，用法都同樣。還有一個特殊的生成器表達式，生成器表達式並不會在剛開始就生成一個數據類型，而是在迭代時才生成，這樣能夠節省內存。若是你的數據量很大的話，考慮使用生成器表達式。生成器表達式使用小括號。

# 使用上面的數據
# 生成器表達式使用小括號
r = (data for data in datas if data<10)
# 你看，打印r時並不會輸出結果
print(r)
# 如今就能夠了
# enumerate同時返回下標和元素
for i, j in enumerate(r):
    print(i, j)

<generator object <genexpr> at 0x7f7c93644db0>
0 3
1 4
2 2
3 8
4 5
5 7

須要注意的事，生成器表達式一次只能用一次迭達，上面咱們對r進行了一次迭代，若是再次輸出就是空的。

關於什麼是生成器咱們下次再講。

若是咱們須要找出列表中的某個數據？或者是某一部分的數據？

使用切片。切片不只對列表有用，一樣適用於元組和字符串。切片中以冒號間隔，前兩個參數爲起始點，第三個爲步長，也就是每隔幾個找一個出來。

a = [2, 3, 'a', 6, 4]
print(a[3:4])

b = 'hahahah'
# 步長爲2
print(b[::2])
# 若是步長設爲1，就是從後往前取值
# 對b取反
print(b[::-1])

c = (2, 2, 3, 4, 5)
print(c[:3])

[6]
hhhh
hahahah
(2, 2, 3)

每次都用數字表示切片的起始點看起來很麻煩對不對，還要記住從哪開始從哪結束。若是你須要對不少不一樣的數據都執行一樣的切片操做，最好是爲切片命名，這樣只需定義一次就好了。切片命名使用slice方法，內部參數與切片同樣。

items = [1, 2, 3, 4, 5, 6, 7]
# slice用來對切片命名，好比規定這個切片是從2到4，2個步長，而後就可使用了
a = slice(2, 4)
print(a)
print(items[a])

# 其它的數據也能用
itemss = [1, 2, 4, 6, 5, 6, 7]
print(itemss[a])

slice(2, 4, None)
[3, 4]
[4, 6]

還有一個技巧叫作拆包，就是把一個列表或者字符同時賦值給多個變量，任何可迭代對象（也就是可以用for循環）均可以使用拆包。好比有一個函數返回了多個數據，咱們在調用時就能夠直接賦值給多個變量，而不用再定義一個數據類型，而後再賦值。多麻煩啊。

a, b, c = [1, 2, 4]
print(a)
a, b = 'it'
print(a)

1
i

有一個問題，若是個人數據不少，難道要一個一個賦值給變量。多麻煩啊。對剩餘的的數據，使用星號代替便可。若是數據不是你須要的，使用_代替，使用其它的字符也是能夠的，這只是一個約定而已。

# 能夠這樣
data = [1, 2, 3, 4, 5, 6]
a, b, *r = data
print(r)
# 也能夠這樣
*a, b, c, d = data
print(a)

[3, 4, 5, 6]
[1, 2, 3]

最後一個技巧。

若是咱們須要統計一個序列（字符串、列表、元組）中某個元素出現的次數，怎麼實現？循環這個序列，利用元素的下標，若是某個元素出現則加1，想一想都麻煩。使用collections.Counter。counter中有個most_common方法，接受須要統計的元素個數做爲參數。例子以下：

words = [
    'look', 'into', 'my', 'eyes', 'look', 'into', 'my', 'eyes',
    'the', 'eyes', 'the', 'eyes', 'the', 'eyes', 'not', 'around', 'the',
    'eyes', "don't", 'look', 'around', 'the', 'eyes', 'look', 'into',
    'my', 'eyes', "you're", 'under'
]
from collections import Counter
word_counts = Counter(words)
# 出現頻率最高的3個單詞
top_three = word_counts.most_common(3)
print(top_three)

[('eyes', 8), ('the', 5), ('look', 4)]

限於篇幅，還有許多awesome的技巧沒有涉及，下篇文章咱們再講。但願上面說的一些東西對你有幫助。

---

本人才疏學淺，上文中不免有些錯誤，還請各位品評指正。若是以爲寫的還行，歡迎關注個人公衆號MLGroup,帶你走進機器學習的世界。