Голосование закончено!
Сегодня мы разыграем код на PyCharm Professional, любезно предоставленный одним из наших подписчиков.
Победил: @a1*20
Всего участников: 46
Всем спасибо за участие! С победителем уже связались. Никнейм убрал на всякий случай.
Сегодня мы разыграем код на PyCharm Professional, любезно предоставленный одним из наших подписчиков.
Победил: @a1*20
Всего участников: 46
Всем спасибо за участие! С победителем уже связались. Никнейм убрал на всякий случай.
Что выведут переменные a и b?
a = [1, 2]
b = a
a = a + [3, 4]
print(‘a =’, a)
print(‘b =’, b)
Правильный ответ:
Хорошо, но как вам такое?
Вывод:
Объяснение:
▪️a += b не ведет себя так же, как a = a + b
▪️выражение a = a + [3, 4] генерирует новый объект и устанавливает ссылку a на этот новый объект, оставляя b неизменным
a = [1, 2, 3, 4]
b = [1, 2]
Хорошо, но как вам такое?
a = [1, 2]
b = a
a += [3, 4]
Вывод:
>>> a
[1, 2, 3, 4]
>>> b
[1, 2, 3, 4]
Объяснение:
▪️a += b не ведет себя так же, как a = a + b
▪️выражение a = a + [3, 4] генерирует новый объект и устанавливает ссылку a на этот новый объект, оставляя b неизменным
Форматирование списка
В функциональном стиле:
Вывод:
#tips
>>> l = [[1, 2, 3], [4, 5], [6], [7, 8, 9]]
>>> sum(l, [])
[1, 2, 3, 4, 5, 6, 7, 8, 9]
В функциональном стиле:
from functools import reduce
from operator import add
data = [[1, 2, 3], [4, 5, 6]]
reduce(add, data)
Вывод:
>>> data
[1, 2, 3, 4, 5, 6]
#tips
Использование переменной, не определенной в области
Вывод:
Объяснение:
▪️Когда ты назначаешь переменную в области видимости, она становится локальной. Таким образом, переменная a становится локальной для области func2, но поскольку она ранее не была инициализирована в той же области, возникает ошибка.
▪️Чтобы изменить внешнюю переменную области a в func2, используй ключевое слово global:
Вывод:
#global
a = 42
def func1():
return a
def func2():
a += 1
return a
Вывод:
>>> func1()
42
>>> func2()
UnboundLocalError: local variable 'a' referenced before assignment
Объяснение:
▪️Когда ты назначаешь переменную в области видимости, она становится локальной. Таким образом, переменная a становится локальной для области func2, но поскольку она ранее не была инициализирована в той же области, возникает ошибка.
▪️Чтобы изменить внешнюю переменную области a в func2, используй ключевое слово global:
def func2()
global a
a += 1
return a
Вывод:
>>> func2()
43
#global
Return
Вывод:
Объяснение:
▪️Когда в try-блоке «try … finally» выполняется оператор return, break или continue, finally также выполняется «на выходе».
▪️Возвращаемое значение функции определяется последним выполненным оператором return. Поскольку finally выполняется всегда, оператор return, выполняемый в finally, всегда будет последним.
#return
def func():
try:
return 'try'
finally:
return 'finally’
Вывод:
>>> func()
'finally’
Объяснение:
▪️Когда в try-блоке «try … finally» выполняется оператор return, break или continue, finally также выполняется «на выходе».
▪️Возвращаемое значение функции определяется последним выполненным оператором return. Поскольку finally выполняется всегда, оператор return, выполняемый в finally, всегда будет последним.
#return
Вложенные list comprehensions
В list comprehensions можно использовать несколько for:
#tips
В list comprehensions можно использовать несколько for:
>>> l = [[1,2,3], [4,5,6]]
>>> [lll * 2 for ll in l for lll in ll]
[2, 4, 6, 8, 10, 12]
#tips
The random module
Нетрудно догадаться, что модуль random служит для генерации случайных чисел. В основу его работы положен алгоритм Мерсенна. Функция random.random() возвращает случайный float из интервала [0.0, 1.0). Результат всегда будет меньше чем 1.0.
Стоит рассмотреть два интересных примера использования функции random.
▪️Для того, чтобы выбрать рандомный элемент из списка или кортежа, используйте random.choice()
▪️Для того, чтобы выбрать несколько элементов из списка или кортежа, используйте random.choices()
#random
Нетрудно догадаться, что модуль random служит для генерации случайных чисел. В основу его работы положен алгоритм Мерсенна. Функция random.random() возвращает случайный float из интервала [0.0, 1.0). Результат всегда будет меньше чем 1.0.
>>> random.random()
0.4631297580529897
>>> random.random()
0.5855244248224873
Стоит рассмотреть два интересных примера использования функции random.
▪️Для того, чтобы выбрать рандомный элемент из списка или кортежа, используйте random.choice()
>>> items = ['one', 'two', 'three', 'four', 'five']
>>> random.choice(items)
’two’
▪️Для того, чтобы выбрать несколько элементов из списка или кортежа, используйте random.choices()
>>> random.choices(items, k=3)
['three', 'five', 'four’]
#random
Сортировка словаря по значению
Или c помощью operator:
#tips
>>> xs = {'a': 4, 'b': 3, 'c': 2, 'd': 1}
>>> sorted(xs.items(), key=lambda x: x[1])
[('d', 1), ('c', 2), ('b', 3), ('a', 4)]Или c помощью operator:
>>> import operator
>>> sorted(xs.items(), key=operator.itemgetter(1))
[('d', 1), ('c', 2), ('b', 3), ('a', 4)]
#tips
Метод get для словарей
Вывод:
Вызов функции с аргументом по умолчанию (или без существующего ключа):
#tips #dict
name_for_userid = {
382: "Alice",
590: "Bob",
951: "Dilbert",
}
def greeting(userid):
return "Hi {}".format(name_for_userid.get(userid, “there”))Вывод:
>>> greeting(382)
"Hi Alice!”
Вызов функции с аргументом по умолчанию (или без существующего ключа):
>>> greeting(333333)
"Hi there!”
#tips #dict
type() vs isinstance()
С помощью функции type() можно проверить, принадлежит ли аргумент тому или иному типу:
В отличие от type(), функция isinstance() специально создана для проверки принадлежности данных определенному классу (типу данных):
isinstance() по сравнению с type() позволяет проверить данные на принадлежность хотя бы одному типу из кортежа, переданного в качестве второго аргумента:
Кроме того, isinstance() поддерживает наследование. Для isinstance() экземпляр производного класса также является экземпляром базового класса. Для type() это не так:
#tips #isinstance
С помощью функции type() можно проверить, принадлежит ли аргумент тому или иному типу:
>>> a = 10
>>> b = [1, 2, 3]
>>> type(a) == int
True
>>> type(b) == list
True
>>> type(a) == float
False
В отличие от type(), функция isinstance() специально создана для проверки принадлежности данных определенному классу (типу данных):
>>> isinstance(a, int)
True
>>> isinstance(b, list)
True
>>> isinstance(b, tuple)
False
>>> c = (4, 5, 6)
>>> isinstance(c, tuple)
True
isinstance() по сравнению с type() позволяет проверить данные на принадлежность хотя бы одному типу из кортежа, переданного в качестве второго аргумента:
>>> isinstance(a, (float, int, str))
True
>>> isinstance(a, (list, tuple, dict))
False
Кроме того, isinstance() поддерживает наследование. Для isinstance() экземпляр производного класса также является экземпляром базового класса. Для type() это не так:
>>> class A (list):
... pass
...
>>> a = A()
>>> type(a) == list
False
>>> type(a) == A
True
>>> isinstance(a, A)
True
>>> isinstance(a, list)
True
#tips #isinstance
Мы с @python_lounge создали совместный чат для питонистов и для тех, что еще только начинает. В планах участники будут помогать друг другу с различными ошибками и просто отвечать на вопросы.
@pychat_ru - ждем всех.
@pychat_ru - ждем всех.
Hello World pinned «Мы с @python_lounge создали совместный чат для питонистов и для тех, что еще только начинает. В планах участники будут помогать друг другу с различными ошибками и просто отвечать на вопросы. @pychat_ru - ждем всех.»
Namedtuples
Использование namedtuple немного короче, чем объявление класса напрямую:
Строковое представление нашего объекта:
Как и обычный кортеж, namedtuple неизменяем:
#tips
Использование namedtuple немного короче, чем объявление класса напрямую:
>>> from collections import namedtuple
>>> Car = namedtuple('Car', 'color mileage anothernumber’)
>>> my_car = Car('red', 3812.4, 228)
>>> my_car.color
'red'
>>> my_car.mileage
3812.4
>>> my_car.anothernumber
228
Строковое представление нашего объекта:
>>> my_car
Car(color='red' , mileage=3812.4, anothernumber=228)
Как и обычный кортеж, namedtuple неизменяем:
>>> my_car.color = 'blue'
AttributeError: "can't set attribute”
#tips
Как работает цикл for в Python?
Python не имеет традиционных циклов for. Для того, чтобы объяснить это, рассмотрим цикл for написанный в C стиле:
Так работает типичный цикл for в C-подобных языках программирования. Но цикл в Python так не работает. Цикл в Python это скорее foreach цикл.
📎 В циклах Python нет индексной переменной
📎 Здесь нет инициализации индекса, проверки границ или инкрементации индекса
📎 Циклы в Python работают со всеми элементами листа
📎 Именно поэтому эти циклы могут работать с любыми итерируемыми объектами, например:
#for #iterators #tips
Python не имеет традиционных циклов for. Для того, чтобы объяснить это, рассмотрим цикл for написанный в C стиле:
int numbers[5] = {1, 2, 3, 4, 5};
for (int i = 0; i < size; ++i) {
printf(“%d\n”, numbers[i]);
}Так работает типичный цикл for в C-подобных языках программирования. Но цикл в Python так не работает. Цикл в Python это скорее foreach цикл.
numbers = [1, 2, 3, 4, 5]
for n in numbers:
print(n)
📎 В циклах Python нет индексной переменной
📎 Здесь нет инициализации индекса, проверки границ или инкрементации индекса
📎 Циклы в Python работают со всеми элементами листа
📎 Именно поэтому эти циклы могут работать с любыми итерируемыми объектами, например:
numbers = [1, 2, 3, 4, 5]
iterator = iter(numbers)
for item in iterator:
print(item)
#for #iterators #tips
Function argument unpacking
Создадим простую функцию.
Создадим к ней дополнительно кортеж и словарь.
Теперь мы можем передавать их в нашу функцию вот так просто, это удобно:
#tips
Создадим простую функцию.
def myfunc(x, y, z):
print(x, y, z)
Создадим к ней дополнительно кортеж и словарь.
tuple_vec = (1, 0, 1)
dict_vec = {'x': 1, 'y': 0, 'z': 1}
Теперь мы можем передавать их в нашу функцию вот так просто, это удобно:
>>> myfunc(*tuple_vec)
1, 0, 1
>>> myfunc(**dict_vec)
1, 0, 1
#tips
Есть ли разница между [] и list()?
В принципе результат будет одним и тем же, но давайте заглянем глубже:
Инициализация листа с помощью конструктора list() выглядит как минимум в 4-5 раз медленнее. Попробуем заглянуть внутрь с помощью модуля dis, который служит для изучения байткода Python’a.
Ответ заключается в том, что в то случае когда мы выбираем list() вместо [] мы теряем вычислительное время на “избыточный” вызов самой функции list().
📎 Во многих случаях это не настолько важно, поскольку мы имеем дело с микросекундами. Однако стоит об этом помнить, если ты имеешь дело с big data.
#list
>>> f = []
>>> f = list()
В принципе результат будет одним и тем же, но давайте заглянем глубже:
>>> timeit.timeit(‘[]’, number=10**8)
2.25569809000001
>>> timeit.timeit(‘list()’, number=10**8)
10.330681907999995
Инициализация листа с помощью конструктора list() выглядит как минимум в 4-5 раз медленнее. Попробуем заглянуть внутрь с помощью модуля dis, который служит для изучения байткода Python’a.
>>> dis.dis('f=[]')
1 0 BUILD_LIST 0
2 STORE_NAME 0 (f)
4 LOAD_CONST 0 (None)
6 RETURN_VALUE
>>> dis.dis('f=list()')
1 0 LOAD_NAME 0 (list)
2 CALL_FUNCTION 0
4 STORE_NAME 1 (f)
6 LOAD_CONST 0 (None)
8 RETURN_VALUEОтвет заключается в том, что в то случае когда мы выбираем list() вместо [] мы теряем вычислительное время на “избыточный” вызов самой функции list().
📎 Во многих случаях это не настолько важно, поскольку мы имеем дело с микросекундами. Однако стоит об этом помнить, если ты имеешь дело с big data.
#list
Какими модулями чаще пользуешься?
Anonymous Poll
25%
numpy/scipy
5%
matplotlib/seaborn
38%
requests/urllib2
9%
PIL/pillow
9%
threading/multiprocessing
14%
pandas/scikit-learn