pythonrose

A. python 开发中有哪些高级技巧

我列出来几个，不知道算不算高级技巧，但是我个人觉得非常有用。

1. 善用迭代器

迭代器在很多语言里面都有，而在 Python里适当的场景用迭代器会非常的“爽”。一来因为迭代器每次产生一个对象，适当使用能有效节省内存；二来它能达到部分“延迟计算”的效果。除此以外，因为 Generator （yield 关键字）和 Generator Expression 的存在，有时候使用迭代器能提升代码可读性。

举例，itertools.islice((calculate_for_value(v) for v in values), 0, 12) 能够只在
[0, 12) 范围内计算，而且是延迟计算的，即迭代到了那个对象才去计算。又如 any(i % 3 == 0 for i in
numbers) 能够找出 numbers 里第一个能被 3 整除的值，因为里面是个 Generator
Expression（迭代器的一种），所以找出以后 any 函数就会立即返回，并不需要对整个 numbers 列表计算 i % 3。

顺带推荐下这个库 erikrose/more-itertools ，里面包含了很多实用的迭代器函数，是对标准库 itertools 的一个很不错的补充。

2. 善用描述符（Descriptor）

Python 的描述符是对“属性”的抽象，一个描述符定义成类属性以后，能够控制这个类的实例上同名实例属性的 get、set、delete 行为，比 __getattr__ 这样的实例级 magic method 有更细的粒度，并且更容易复用。这个文档有简单的描述 Descriptor HowTo Guide ，可见 Python 的“实例方法”、@property 全由它实现，一些第三方库也有用到（例如 SQLAlchemy 的 Column、WTForms 的 Field 乃至 Python 3.4 新增的 enum.Enum 类型）。

利用描述符特性，可以在业务代码中实现一些非常方便的定制，例如可以自己实现一个能缓存返回值的 cached_property（也可以不用自己实现，直接用 Werkzeug 的）。

3. 尽量不要用反射技巧去 fight with language

我个人的一个观点：用一门编程语言就应该入乡随俗，fight with language 的事情不要做太多为好。因为闭门造的轮子很难造圆，更何况站在语言使用者的层面去和语言的设计搏击实在很不自量力。

问题问的是“高级技巧”，那么对于一个动态语言，反射当然算高级技巧的。可是我见过一些利用 Python 的反射来扫描出一些包中所有 .py 文件然后自动 import 包下的所有模块的。且不说这个做法破坏了 Python “模块即是命名空间” 和 lazy import 的设定，光是从“正确性”来说就有一堆问题。这个做法仅仅考虑到了模块文件系统中的场景，没考虑到可能模块在一个 zip 中的情况。就算再增强一下实现，考虑上 zip 的 import，那 Python 还有 PEP 302 定义的 Import Hook 用法呢，被这样一 hack 就完全没法用了。这种 fight with language 的做法很难去做到真正的“正确”。

所以我觉得还有一个 Python 的技巧就是想使用“高级技巧”的时候谨慎地考虑使用。静下来想想自己是不是在 fight with language 了，如果是的话，建议停手。要不就入乡随俗，要不就认真考虑一下 Python 是不是真的有值得去改进的地方。后者是需要经过很多深思熟虑的，不是 10 分钟的想法就够。如果后者的回答真的是“是”，我想可能正确的做法是写一个 PEP 然后和社区讨论，看能否将改进直接施于 Python 未来的版本之上，而不是在自己的代码里用一个看似高级技巧实是丑陋的 hack 的实现来对抗语言本身。

-------------------------------------------------------------------------------

其他的一些 Python 特色的技巧，例如 decorator、contextmanager 等，因为各路 Python 开发者基本都很熟悉，我就没列出来了。

-------------------------------------------------------------------------------

B. 用python对10个数进行排序

sort_values(by,axis=0,ascending=True,inplace=False,kind='quicksort',na_position='last')

by:可以填入字符串或者字符串组成的列表。也就是说，如果axis=0，那么by="列名"；如果axis=1，那么by="行名"。

axis:{0 or ‘index’, 1 or ‘columns’}, default 0，意思就是如果axis=0，就按照索引排序，即纵向排序；如果axis=1，则按列排序，即横向排序。默认是axis=0。

ascending:输入布尔型，True是升序，False是降序，也可以可以是[True,False]，即第一个字段升序，第二个字段降序 。

inplace: 输入布尔型，是否用排序后的数据框替换现有的数据框（这个在之前的文章写过很多次了~）

kind:排序的方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}，默认是使用‘quicksort’。这个参数用的比较少，大家可以试一试。

na_position :{‘first’, ‘last’}，缺失值的排序，也就说决定将缺失值放在数据的最前面还是最后面。first是排在前面，last是排在后面，默认是用last。

创建数据表：

scores=pd.DataFrame([[87,56,85],[46,87,97],[34,65,86]],
columns=['jack','rose','mike'])
scores

‘rose’这一列进行降序排序：

df_sc=scores.sort_values(by='rose',ascending=False)
df_sc

‘mike’这一列进行升序排序：

df_sc=scores.sort_values(by='mike',ascending=True)
df_sc

对第0行进行升序排序：

scores.sort_values(by=0,axis=1,ascending=True)

我们再尝试对第1行进行升序，第0行进行降序：

scores.sort_values(by=[1,0],axis=1,ascending=[True,False]