本篇分享是Python生态系统中关于一些有用的技巧。大多数技巧只是使用标准库中的包，但其他一些技巧会涉及一些第三方包。

在开始阅读本文内容之前，我们首先来回顾一下Python中的Iterables的概念。

很多人学习蟒蛇，不知道从何学起。

很多人学习python，掌握了基本语法之后，不知道在哪里寻找案例上手。

很多已经做了案例的人，却不知道如何去学习更多高深的知识。

那么针对这三类人，我给大家提供一个好的学习平台，免费获取视频教程，电子书，以及课程的源代码！

QQ群：101677771

欢迎加入，一起讨论一起学习！

根据Python标准文档，Iterable的概念如下：

一种能够一次返回一个成员的对象。

iterables的示例包括：

• 所有序列类型（如list、str和tuple）
• 一些非序列类型，如dict、文件对象以及类的实现中定义了__iter__()方法

Iterables是一个需要我们牢记的概念，因为接下来我们展示的许多技巧都使用itertools包。

itertools模块提供了一些函数，用于接收Iterable对象，而不仅仅是打印逐个对象。

2.Trick 1

在工作学习中，我们经常会需要使用一个简单的函数来实现从一个list来生成新的list,set或dict.此时我们就会用到iterables概念。

举例来说：

生成List:

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = [name.lower() for name in names]

生成Set:

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = {
 name.lower() for name in names}

生成Dict:

names = ['John', 'Bard', 'Jessica' 'Andres']
lower_names = {
 name:name.lower() for name in names}

个人建议：

仅当for语句、函数调用和方法调用的数量较少时使用。

3.Trick 2

有时，我们需要获得两个列表对象之间的所有可能组合。

我们首先想到的实现可能如下：

l1 = [1, 2, 3]
l2 = [4, 5, 6]
combinations = []
for e1 in l1:
  for e2 in l2:
    combinations.append((e1, e2))

或者简化一下，如下：

combinations = [(e1, e2) for e1 in l1 for e2 in l1]

上述实现已经很简洁了，但标准库itertools提供product函数，从而提供了相同的结果。如下所示：

from itertools import product
l1 = [1, 2, 3]
l2 = [4, 5, 6]
combinatios = product(l1, l2)

4.Trick3

假设有一个元素列表，我们需要在每对相邻元素之间比较或应用一些操作，这有时称为2个元素的滑动窗口。我们可以采用以下方式：

from itertools import tee
from typing import Iterable

def window2(iterable: Iterable):
  it, offset = tee(iter(iterable))
  next(offset)
  return zip(it, offset)
l = [1, 2, 3, 4, 5, 6]
dd = window2(l)
for a in dd:
    print(a)

运行结果如下：

(1, 2)
(2, 3)
(3, 4)
(4, 5)
(5, 6)

5.Trick4

有时，我们会需要一个类来存储信息，但是如果我们觉得创建一个类并定义其__init__()函数太麻烦时，我们不妨选择使用dataclass。如下所示：

from dataclasses import dataclass
@dataclass
class Person:
  name: str
  age: int
  address: str

上述代码创建了一个具有默认构造函数的类，该类以与声明相同的顺序接收相应字段的赋值。

person = Person(name='John', age=12, address='nanjing street')

dataclass的另一个优点是，默认情况下，会生成特殊方法，如__str__、 repr 、__eq__等。关于dataclass的更多用法，可以 参考官网 。

值得一提的是我们在类中声明的成员变量的类型注释（str、int等）并不强制在构造函数中传递的值属于这种类型。也就是说dataclasses构造对象时并不执行数据类型的检查。

6.Trick5

我们有时希望将一个对象上的操作视为tuple上的操作，一种选择是使用collections.namedtuple,但也存在更类似于dataclass的实现。如下：

from typing import NamedTuple
class Coordinate(NamedTuple):
  x: int
  y: int

上述定义了一个标准的类可以被当做tuple来使用，如下：

coordinate = Coordinate(10, 15)
coordinate.x == coordinate[0] // True 
coordinate.y == coordinate[1] // True

7.Trick6

假如我们有一个dataclass，需要验证输入数据是否符合类型注释。在这种情况下，安装第三方软件包pydantic并将

from dataclasses import dataclass 替换为 from pydantic.dataclasses import dataclass 即可，如下：

from pydantic.dataclasses import dataclass
@dataclass
class Person:
  name: str
  age: int
  address: str

这将生成一个类，该类具有根据成员变量声明的类型进行输入数据的解析和类型验证。 Pydantic 在运行时强制执行类型提示，并在数据无效时提供友好的错误提醒。

8.Trick7

在某些情况下，我们需要生成一些容器中元素频率的基本统计信息。在这种情况下，您可以使用标准结构Counter来接收iterable并根据元素的频率生成相应的统计信息。

from collections import Counter
l = [1, 1, 2, 3, 4, 4]
frequencys = Counter(l)
print(frequencys[1])    // Ouput: 2
print(frequencys[2])    // Ouput: 1
print(frequencys[2323]) // Ouput: 0

Counter也提供了一些其他方法，比如如most_common，用于检索最常见的元素。

9.Trick8

如果我们相对两个list中的元素对做相应的函数处理，我们最容易想到的方法如下：

l1 = [1, 2, 3]
l2 = [4, 5, 6]
for (e1, e2) in zip(l1, l2):
  f(e1, e2)

但是使用函数map可以让代码更加简洁一些。

l1 = [1, 2, 3]
l2 = [4, 5, 6]
map(f, l1, l2)

10.Trick9

有时候我们需要从一个list中随机选择一个元素，此时我们使用random.choice.如下所示：

from random import choice
l = [1, 2, 3]
random = choice(l)

如果我们需要随机选择多个元素呢？当然是使用random.choices.

from random import choices
l = [1, 2, 3, 4, 5]
random_elements = choices(l, k=3)

上述代码中的参数k为我们随机选择元素的个数。

11.总结

本文重点介绍了在python中9个和迭代相关的使用技巧，可以方便提升大家的工作效率。