详细内容或原文请订阅后点击阅览
常见的Python标准库功能
认为Python标准库是可以预测的吗？想一想。本文介绍了在有趣的环境中使用熟悉功能的有趣方法。
来源:KDnuggets＃简介
＃您知道Python标准库的基础知识。您可能已经使用了Zip（）和GroupBy（）之类的功能来处理日常任务而不会大惊小怪。但这是大多数开发人员想念的：这些相同的功能可以以您可能从未考虑过的方式解决令人惊讶的“罕见”问题。本文解释了熟悉的Python功能的其中一些用途。
zip（）
groupby（）
🔗链接github上的代码
链接到GitHub上的代码＃1。itertools.groupby（）用于运行长度编码
itertools.groupby（）
大多数开发人员将groupby（）视为逻辑上数据分组的简单工具，但它对于运行长度编码也很有用，这是一种计算连续相同元素的压缩技术。此函数自然将相邻匹配项组合在一起，因此您可以将重复序列转换为紧凑的表示。
来自Itertools Import Groupby
＃从服务器日志分析用户活动模式
user_actions = ['login'，'login'，'浏览'，'浏览'，'browse'，
“购买”，“注销”，“注销”]
＃压缩为模式摘要
activity_patterns = [（action，len（list（group）））
为了采取行动，请在groupby中组（用户_actions）]
打印（activity_patterns）
＃计算每个活动阶段花费的总时间
total_duration = sum（计数动作，计数activity_patterns中）
print（f“ session持续{total_duration}操作”）
输出：
[（'login'，2），（'browse'，3），（'publice'，1），（'logout'，2）]
会话持续了8个操作
groupby（）函数将连续的相同元素标识并将它们分组在一起。通过将每个组转换为列表并测量其长度，您可以获得每个动作按顺序发生的次数。
＃2。zip（）带 *用于矩阵换位
矩阵换位 - 将行分为列 - 当您将Zip（）与Python的拆箱操作员相结合时，变得简单。
*
＃3。维护排序订单的一分为二
二等
前3名球员：[（'David'，3350），（'Bob'，3100），（'eva'，2900）]
HAPQ
来自Itertools Import Groupby ＃从服务器日志分析用户活动模式 user_actions = ['login'，'login'，'浏览'，'浏览'，'browse'， “购买”，“注销”，“注销”] ＃压缩为模式摘要 activity_patterns = [（action，len（list（group））） 为了采取行动，请在groupby中组（用户_actions）] 打印（activity_patterns） ＃计算每个活动阶段花费的总时间 total_duration = sum（计数动作，计数activity_patterns中） print（f“ session持续{total_duration}操作”）
输出：
[（'login'，2），（'browse'，3），（'publice'，1），（'logout'，2）] 会话持续了8个操作
groupby（）函数将连续的相同元素标识并将它们分组在一起。通过将每个组转换为列表并测量其长度，您可以获得每个动作按顺序发生的次数。
＃2。zip（）带 *用于矩阵换位
矩阵换位 - 将行分为列 - 当您将Zip（）与Python的拆箱操作员相结合时，变得简单。
*
＃3。维护排序订单
二等
前3名球员：[（'David'，3350），（'Bob'，3100），（'eva'，2900）]HAPQHAPQ