### Python常用代码片段及详细解释 Python作为一门简洁高效的编程语言，在日常开发中有许多常用的代码片段可以显著提升开发效率。以下是按照功能分类整理的常用代码片段及其详细解释： #### 一、数据处理与操作 | 功能类别 | 代码片段 | 应用场景说明 | |---------|---------|-------------| | 列表过滤 | `filtered_list = [x for x in original_list if condition]` | 快速筛选列表中符合条件的元素 | | 列表去重 | `unique_list = list(set(original_list))` | 去除列表中的重复元素 | | 数据分组 | `from itertools import groupby`<br>`grouped = groupby(data, key_func)` | 按指定键函数对数据进行分组 | **列表过滤与数据处理示例：** ```python # 过滤出列表中所有偶数 numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] even_numbers = [x for x in numbers if x % 2 == 0] print(even_numbers) # 输出: [2, 4, 6, 8, 10] [ref_2] # 使用filter函数实现相同功能 even_numbers_filter = list(filter(lambda x: x % 2 == 0, numbers)) print(even_numbers_filter) # 输出: [2, 4, 6, 8, 10] [ref_2] # 字典列表数据分组示例 from itertools import groupby students = [ {'name': 'Alice', 'grade': 'A'}, {'name': 'Bob', 'grade': 'B'}, {'name': 'Charlie', 'grade': 'A'}, {'name': 'David', 'grade': 'C'} ] # 按成绩分组 students.sort(key=lambda x: x['grade']) grouped_students = {grade: list(group) for grade, group in groupby(students, key=lambda x: x['grade'])} print(grouped_students) [ref_5] ``` #### 二、文件操作与IO处理 文件读写是Python编程中的基础操作，以下代码片段展示了常见的文件处理方法： ```python # 读取文件内容 with open('example.txt', 'r', encoding='utf-8') as file: content = file.read() print(content) [ref_2] # 逐行读取文件 with open('example.txt', 'r', encoding='utf-8') as file: for line in file: print(line.strip()) # strip()去除行尾换行符 [ref_2] # 写入文件 data = ["第一行内容", "第二行内容", "第三行内容"] with open('output.txt', 'w', encoding='utf-8') as file: for line in data: file.write(line + '\n') [ref_2] # 追加模式写入 with open('output.txt', 'a', encoding='utf-8') as file: file.write('这是追加的内容\n') [ref_2] ``` #### 三、字符串处理与正则表达式 字符串操作是Python的强项，以下代码片段展示了常用的字符串处理方法： ```python import re # 字符串分割与连接 text = "apple,banana,orange,grape" fruits = text.split(',') # 按逗号分割 print(fruits) # 输出: ['apple', 'banana', 'orange', 'grape'] [ref_2] # 字符串连接 new_text = '-'.join(fruits) print(new_text) # 输出: apple-banana-orange-grape [ref_2] # 正则表达式匹配 email_pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b' text = "请联系我们: support@example.com 或 sales@company.org" emails = re.findall(email_pattern, text) print(emails) # 输出: ['support@example.com', 'sales@company.org'] [ref_2] # 字符串替换 text = "Hello World" new_text = text.replace("World", "Python") print(new_text) # 输出: Hello Python [ref_2] ``` #### 四、日期时间处理 Python的datetime模块提供了强大的日期时间处理功能： ```python from datetime import datetime, timedelta # 获取当前日期时间 now = datetime.now() print(f"当前时间: {now}") # 输出: 当前时间: 2024-01-15 10:30:45.123456 [ref_5] # 格式化日期时间 formatted = now.strftime("%Y-%m-%d %H:%M:%S") print(f"格式化后: {formatted}") # 输出: 格式化后: 2024-01-15 10:30:45 [ref_5] # 日期时间计算 one_week_later = now + timedelta(days=7) print(f"一周后: {one_week_later}") [ref_5] # 日期解析 date_string = "2024-01-15" parsed_date = datetime.strptime(date_string, "%Y-%m-%d") print(f"解析后的日期: {parsed_date}") [ref_5] ``` #### 五、数据结构操作 Python内置数据结构的常用操作方法： ```python # 字典操作 person = {'name': 'Alice', 'age': 25, 'city': 'Beijing'} # 安全获取字典值 age = person.get('age', 0) # 如果键不存在返回默认值0 print(f"年龄: {age}") [ref_2] # 字典合并 update_info = {'age': 26, 'job': 'Engineer'} person.update(update_info) print(person) # 输出: {'name': 'Alice', 'age': 26, 'city': 'Beijing', 'job': 'Engineer'} [ref_2] # 列表枚举遍历 fruits = ['apple', 'banana', 'orange'] for index, fruit in enumerate(fruits): print(f"索引 {index}: {fruit}") # 输出: 索引 0: apple, 索引 1: banana, 索引 2: orange [ref_5] # 多个列表同时遍历 names = ['Alice', 'Bob', 'Charlie'] ages = [25, 30, 35] for name, age in zip(names, ages): print(f"{name} is {age} years old") [ref_5] ``` #### 六、调试与性能优化 提高代码质量和性能的常用技巧： ```python import subprocess from pprint import pprint import copy # 调用外部命令 result = subprocess.run(['ls', '-l'], capture_output=True, text=True) print(result.stdout) [ref_5] # 美化打印复杂数据结构 complex_data = { 'users': [ {'name': 'Alice', 'details': {'age': 25, 'hobbies': ['reading', 'swimming']}}, {'name': 'Bob', 'details': {'age': 30, 'hobbies': ['gaming', 'coding']}} ] } pprint(complex_data) [ref_5] # 深拷贝与浅拷贝 original_list = [[1, 2], [3, 4]] shallow_copy = copy.copy(original_list) # 浅拷贝 deep_copy = copy.deepcopy(original_list) # 深拷贝 [ref_5] # 性能测试装饰器 import time def timer(func): def wrapper(*args, **kwargs): start_time = time.time() result = func(*args, **kwargs) end_time = time.time() print(f"函数 {func.__name__} 执行时间: {end_time - start_time:.4f}秒") return result return wrapper @timer def slow_function(): time.sleep(1) return "完成" slow_function() ``` #### 七、Python解释器使用技巧 Python自带的终端解释器可以快速测试代码片段： ```python # 在终端中直接启动Python解释器 # 命令: python 或 python3 # 然后可以直接输入代码测试 # >>> print("Hello, World!") # >>> 2 + 3 * 4 # >>> import math # >>> math.sqrt(16) [ref_1] ``` 这些代码片段涵盖了Python编程中最常用的场景，熟练掌握它们可以显著提升开发效率。每个片段都经过精心挑选，既体现了Python的简洁优雅，又具备实际应用价值。在日常开发中，建议将这些代码片段整理成个人的代码库，以便快速复用 [ref_2][ref_5]。