python简单代码画图表白,python简单代码hello world

最新推荐文章于 2025-12-01 18:34:47 发布

原创最新推荐文章于 2025-12-01 18:34:47 发布 · 821 阅读

26 ·

CC 4.0 BY-SA版权

文章标签：

#java

本文介绍了Python中的一些实用函数，如argpartition用于查找最大值索引、clip确保数值范围、zip合并可迭代对象等，以及列表推导、字符串操作、字典处理和数据筛选等技巧，帮助读者提升编程效率。

大家好，小编来为大家解答以下问题，python简单代码编程贪吃蛇，python简单代码画图表白，今天让我们一起来看看吧！

在当今数字化时代，Python语言因易懂、易维护、具有丰富的功能函数等特点，被广泛应用于各行各业中。

"冰冻三尺非一日之寒，水滴石穿非一日之功"，想学好一门语言最重要的方法就是日常积累和实践，今天这篇文章将给大家分享一些看似简单，日常工作中却非常实用的函数及技巧python四瓣花怎么画。

1. argpartition()

借助于 argpartition()，Numpy 可以找出 N 个最大数值的索引，也会将找到的这些索引输出。然后我们根据需要对数值进行排序。

# argpartition()
import numpy as np
x = np.array([11, 10, 15, 1, 0, 7, 8, 6, 9, 15, 16, 5, 4, 6, 0])
index_val = np.argpartition(x, -4)[-4:]
print(np.sort(x[index_val]))

[11 15 15 16]

2. clip()

clip() 使得一个数组中的数值保持在一个区间内。有时，我们需要保证数值在上下限范围内。为此，我们可以借助 Numpy 的 clip() 函数实现该目的。给定一个区间，则区间外的数值被剪切至区间上下限（interval edge）。

import numpy as np
x = np.array([11, 10, 15, 1, 0, 7, 8, 6, 9, 15, 16, 5, 4, 6, 0])
y = np.clip(x, 4, 10)
print(y)

[10 10 10  4  4  7  8  6  9 10 10  5  4  6  4]

3. zip()

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。

afc = ['I', '人工智能']
nfc = ['python', '机器学习']
for teama, teamb in zip(afc, nfc):
    print(teama + '与' + teamb)

I与python
人工智能与机器学习

4. 列表推导式

已知一个列表，我们可以刷选出偶数列表方法：

numbers = [1, 2, 3, 4, 5, 6, 7, 8]
even = []
for number in numbers:
    if number%2 == 0:
        even.append(number)
print(even)

转变如下：

numbers = [1, 2, 3, 4, 5, 6, 7, 8]
even = [number for number in numbers if number%2 == 0]
print(even)

[2, 4, 6, 8]

和列表推导类似，字典可以做同样的工作：

numbers = [1, 2, 3, 4, 5, 6, 7, 8]
teams = ['Packers', '49ers', 'Ravens', 'Patriots']
print({key: value for value, key in enumerate(teams)})

{'Packers': 0, '49ers': 1, 'Ravens': 2, 'Patriots': 3}

5. 字符串合并与拆解

字符串合并

list = ['I', 'love', 'Python与人工智能']
print(' '.join(list))

字符串拆解

list = 'I love Python与人工智能'
print(list.split(' '))

['I', 'love', 'Python与人工智能']

6. 字典的合并

dict1 = {'a':1, 'b':2}
dict2 = {'c':3, 'd':4}
combine_dict = {**dict1, **dict2}
print('-------方法1--------')
print(combine_dict)
print('-------方法2--------')
dict1.update(dict2)
print(dict1)

-------方法1--------
{'a': 1, 'b': 2, 'c': 3, 'd': 4}
-------方法2--------
{'a': 1, 'b': 2, 'c': 3, 'd': 4}

7. where()

where() 用于从一个数组中返回满足特定条件的元素。比如，它会返回满足特定条件的数值的索引位置。where() 与 SQL 中使用的 where condition 类似，如以下示例所示：

import numpy as np
y = np.array([11, 10, 15, 1, 0, 7, 8, 6, 9, 15, 16, 5, 4, 6, 0])
print(np.where(y > 5))

(array([ 0,  1,  2,  5,  6,  7,  8,  9, 10, 13], dtype=int64),)

8. eval()

eval(str_expression)作用是将字符串转换成表达式，并且执行。

a = eval('[1, 2, 3, 4]')
print(type(a))  
b = eval('max([2,4,5])')
print(b)

9. sorted()

在处理数据过程中，我们经常会用到排序操作，比如将列表、字典、元组里面的元素正/倒排序。这时候就需要用到sorted() ，它可以对任何可迭代对象进行排序，并返回列表。对列表升序操作：

a = sorted([2, 4, 3, 7, 1, 9, 0, 5])
print(a)

[0, 1, 2, 3, 4, 5, 7, 9]

10. map()

map() 会根据提供的函数对指定序列做映射。第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。

# 提供了两个列表，对相同位置的列表数据进行相加
a = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
print(list(a))

[3, 7, 11, 15, 19]

11. reduce()

前面说到对列表里的每个数字作平方处理，用map()函数。那我想将列表里的每个元素相乘，该怎么做呢？这时候用到reduce()函数。

from functools import reduce
nums = [1, 2, 3, 4, 5]
a = reduce(lambda x,y:x*y, nums)
print(a)

12. data_range

从外部 API 或数据库获取数据时，需要多次指定时间范围。Pandas 的 data_range 覆盖了这一需求。

import pandas as pd
date_from = '2019-01-01'
date_to = '2019-01-12'
date_range = pd.date_range(date_from, date_to, freq='D')
print(date_range)

DatetimeIndex(['2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04',
               '2019-01-05', '2019-01-06', '2019-01-07', '2019-01-08',
               '2019-01-09', '2019-01-10', '2019-01-11', '2019-01-12'],
              dtype='datetime64[ns]', freq='D')

13. lambda

很多语言都有匿名函数，python的匿名函数写作lambda，当需要实现一定功能而又不想“大张旗鼓”的 def 一个函数时，lambda就是最优的选择。

f = lambda x:x**2
f(2)

14. format

Python2.6 开始，新增了一种格式化字符串的函数 str.format()，它增强了字符串格式化的功能。基本语法是通过 {} 和 : 来代替以前的 % 。format 函数可以接受不限个参数，位置可以不按顺序。

print("{} {}".format("hello", "world"))   # 不设置指定位置，按默认顺序
print("{1} {0} {1}".format("hello", "world")) # 设置指定位置

hello world
world hello world