使用 Python 标准库，也可以做的 3 件很酷的事情！

第三方库在使 Python 成为数据科学首选时起着至关重要的作用。从清理原始数据到构建高级机器学习管道，你可以找到用于简化任务并促进开发过程的 Python 库。

在这丰富的库选择中，我们有时会忽视 Python 的内置功能，也就是 Python 标准库。

Python的内置函数和方法对于与数据相关的任务非常有效。实际上，我们经常使用其中一些，比如 len、range 和 sorted。在本文中，我们将提及一些内置函数，并学习如何利用它们做三件有趣的事情。

1. 字符串模块用于数据清洗

字符串模块有几个函数可用于执行常见的字符串操作。我主要用它们来进行数据清洗。

文本数据有时可能非常杂乱，需要进行大量的清洗和处理才能用于下游处理过程。

考虑一个需要从文本中删除标点符号的情况。有不同的方法可以做到这一点，但使用 maketrans 方法非常简单。它返回一个翻译表，可以传递给 translate 函数来执行这个翻译。此外，string.punctuation 可以避免我们编写所有的标点符号。

这是我们在代码中如何做的：

import string

sentence = "Hello!!!! Are you planning? to come to the WEDDING?!"

trans = str.maketrans("", "", string.punctuation)

sentence.translate(trans)
# 输出
'Hello Are you planning to come to the WEDDING'

变量 trans 是一个翻译表，将 string.punctuation 中的每个字符映射到一个空字符串，这意味着将它们删除。

为了使其更标准化，我们可以将字母转换为小写。

sentence.translate(trans).lower()
# 输出
'hello are you planning to come to the wedding'

2. dict 构造函数

dict 构造函数创建了一个字典，这是Python的内置数据结构之一。字典由键值对组成。

字典在各种任务中非常有用。使用字典的一个优点是，字典操作的时间复杂度通常是常数时间 (即 O(1))，因为它们使用哈希表作为底层数据结构。

dict 构造函数之所以如此有用，是因为它对输入的灵活性。它能够将不同类型的数据格式转换为键值映射。让我们看一些例子。

# 两个列表
names = ["John", "Jane", "Dan"]
grades = [90, 87, 92]

dict(zip(names, grades))
# 输出
{'John': 90, 'Jane': 87, 'Dan': 92}

# Pandas Series
import pandas as pd

text = "It takes consistency and dedication to learn data science as it is still an evolving field"

ser = pd.Series(text.lower().split(" ")).value_counts()

dict(ser)
# 输出
{'it': 2,
 'takes': 1,
 'consistency': 1,
 'and': 1,
 'dedication': 1,
 'to': 1,
 'learn': 1,
 'data': 1,
 'science': 1,
 'as': 1,
 'is': 1,
 'still': 1,
 'an': 1,
 'evolving': 1,
 'field': 1}

# 元组列表
grades = [("John", 85), ("Emily", 90), ("Max", 78)]

dict(grades)
# 输出
{'John': 85, 'Emily': 90, 'Max': 78}

3. F-strings

在字符串中写入变量是一种常见的做法，用于调试和记录日志。这被称为字符串插值，它通过编写占位符来在字符串中保存变量值。

Python 中有不同的字符串插值方法。最新的方法是格式化字符串字面值 (即 f-strings)。它们是在 Python 3.6 中引入的。

F-strings 比其他字符串插值方法更易读，也更灵活。我们将介绍一些示例，演示了 f-strings 的灵活性以及如何更高效地使用它们。

# 使大数字易于阅读
number = 3450045402359

print(f"Number of rows in raw data: {number:,d}")
# 输出
Number of rows in raw data: 3,450,045,402,359

# 解析日期
from datetime import datetime
today = datetime.today().date()

print(f"The date is {today}.")
print(f"The year is {today:%Y}.")
print(f"The month is {today:%B}.")

# 输出
The date is 2023-12-20.
The year is 2023.
The month is December.

# 更多示例
from datetime import timedelta, datetime

today = datetime.today().date()

print(f"Due date is {today + timedelta(days=35)}") # 添加35天
# 输出
Due date is 2024-01-24

# 成员 ID
member_ids = [1010, 1011, 1023, 1030, 1039, 1045]

print(f"There are {len(member_ids)} members.")
# 输出
There are 6 members.

F-strings 还允许写入表达式，使得它们更加灵活。我们可以在 f-strings 中进行计算，因此如果仅需要用于调试，则无需创建新变量。

以上是一些示例，演示了如何使用 f-strings 进行更多操作，比如将数字转换为二进制格式和填充。

最后

Python 标准库提供了大量函数来处理各种操作。我们通常使用第三方库，这些库旨在解决特定任务，比如 Pandas 用于数据清洗和分析，NumPy 用于科学计算。这并不意味着我们不应该使用Python标准库。使用其他库并不是一个阻碍。相反，标准库只是增强了其他库的功能。

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方优快云官方认证二维码或者点击链接免费领取【保证100%免费】

点击免费领取《优快云大礼包》：Python入门到进阶资料 & 实战源码 & 兼职接单方法 安全链接免费领取