python中查看数据类型的内置函数
python学习——内置函数、数据结构、标准库的技巧推荐我作为一名python初学者，为了强化记忆有必要把看过的一些优秀的文章中一些技巧通过notebook的方式练习一次。我认为这么做有几个优点：一来加深印象；二来也可以将学习过的内容保存方便日后查阅；第三也可以培养我写博的习惯（一直都没那个习惯）
jupyter notebook格式的文件github下载：
身为程序员除了需要具备解决问题的思路以外，代码的质量和简洁性也很关键，今天又学习到了一些觉得自己很高级的内容跟大家分享，内容包括：
- python内置函数开始
- python对数据结构的天然支持
- python强大的标准库
选择正确的内置功能
python有一个大型标准库，但只有一个内置函数的小型库，这些函数总是可用的，不需要导入。它们每一个都值得我们仔细研究，但是在研究前，我还是给大家一些小的提示，尤其是在其中一些函数的情况下，可以用什么替代更好。
1. 使用enumerate()而不是range()进行迭代
在面试中，这种情况可能比任何其他情况都要多：您有一个元素列表，您需要遍历列表，同时访问索引和值。
有一个名为fizzbuzz的经典编码面试问题可以通过迭代索引和值来解决。在fizzbuzz中，你将获得一个整数列表，任务是执行以下操作：
用“fizz”替换所有可被3整除的整数
用“buzz”替换所有可被5整除的整数
将所有可被3和5整除的整数替换为“fizzbuzz”
通常，开发人员将使用range()解决此问题：
|
|
numbers = [45, 22, 14, 65, 97, 7]for i in range(len(numbers)): if numbers[i] % 3 == 0 and numbers[i] % 5 == 0: numbers[i] = 'fizzbuzz' elif numbers[i] % 3 == 0: numbers[i] = 'fizz' elif numbers[i] % 5 == 0: numbers[i] = 'buzz'numbers |
['fizzbuzz', 22, 14, 'buzz', 97, 7]
range允许你通过索引访问数字元素，并且对于某些特殊情况也是一个很有用的工具。但在这种情况下，我们希望同时获取每个元素的索引和值，更优雅的解决方案使用enumerate()：
|
|
numbers = [45, 22, 14, 65, 97, 7]for i, num in enumerate(numbers): if num % 3 == 0 and num % 5 == 0: numbers[i] = 'fizzbuzz' elif num % 3 == 0: numbers[i] = 'fizz' elif num % 5 == 0: numbers[i] = 'buzz' numbers |
['fizzbuzz', 22, 14, 'buzz', 97, 7]
对于每个元素，enumerate()返回一个计数器和元素值。计数器默认为0，也是元素的索引。不想在0开始你的计数？只需使用可选的start参数来设置偏移量：
|
|
numbers = [45, 22, 14, 65, 97, 72]for i, num in enumerate(numbers, start=52): print(i, num) |
52 45
53 22
54 14
55 65
56 97
57 72
通过使用start参数，我们访问所有相同的元素，从第一个索引开始，但现在我们的计数从指定的整数值开始。
2. 使用递推式构造列表而不是map()和filter()
“我认为删除filter()和map()是非常有争议的。”
guido van rossum，python的创造者
一般使用者可能错误地认为它没有争议，但guido有充分的理由想要从python中删除map()和filter()。一个原因是python支持递推式构造列表，它通常更容易阅读并支持与map()和filter()相同的功能。
让我们首先看看我们如何构造对map()的调用以及等效的递推构造列表：
|
|
numbers = [4, 2, 1, 6, 9, 7]def square(x): return x*xlist(map(square, numbers)) |
[16, 4, 1, 36, 81, 49]
|
|
[square(x) for x in numbers] |
[16, 4, 1, 36, 81, 49]
使用map()和列表推导的两种方法都返回相同的值，但列表推导更容易阅读和理解。下面我们可以对filter()及其等效的列表推导做同样的事情：
|
|
def is_odd(x): return bool(x % 2)list(filter(is_odd, numbers)) |
[1, 9, 7]
|
|
[x for x in numbers if is_odd(x)] |
[1, 9, 7]
就像我们在map中看到的那样，filter和列表推导方法返回相同的值，但列表推导更容易理解。
来自其他语言的开发人员可能不同意构造列表比map和filter更容易阅读，但根据我的经验，初学者能够更直观地写出列表推导。但无论哪种方式，在编码面试中使用列表推导很少会出错，因为它会让你知道python中最常见的是什么。
3. 使用断点breakpoint()调试而不是print()
你可能通过在代码中添加print并查看打印出的内容来调试一个小问题。这种方法起初效果很好，但很快变得很麻烦。另外，在编码面试设置中，你几乎不希望在整个代码中调用print()。
相反，你应该使用调试器。对于不是很琐碎的错误，它几乎总是比使用print()更快，并且鉴于调试是编写软件的重要部分，它表明你知道如何使用可以在工作中快速开发的工具。
**如果你使用的是python 3.7，则无需导入任何内容，只需在代码中要放入调试器的位置调用breakpoint(): **
|
|
# some complicated code with bugsbreakpoint() |
调用breakpoint()会将你带入pdb，这是默认的python调试器。在python 3.6及更早版本中，你可以通过显式导入pdb来执行相同的操作：
|
|
import pdb; pdb.set_trace() |
像breakpoint()一样，pdb.set_trace()会将你带入pdb调试器。它不是那么简洁，而且需要记住的多一点。你可能想要尝试其他调试器，但pdb是标准库的一部分，因此它始终可用。无论你喜欢哪种调试器，在进行编码面试设置之前，都值得尝试使用它们来适应工作流程。
|
|
import platform print(platform.python_version())# breakpoint() |
3.7.2
4. 使用f-strings格式化字符串
python有很多不同的方法来处理字符串格式化，有时候不知道使用哪个。在coding的面试中，如果使用python 3.6+，建议的格式化方法是python的f-strings。
f-strings支持使用字符串格式化迷你语言，以及强大的字符串插值。这些功能允许你添加变量甚至有效的python表达式，并在添加到字符串之前在运行时对它们进行评估：
|
|
def get_name_and_decades(name, age): return f"my name is {name} and i'm {age / 10:.5f} decades old."get_name_and_decades("maria", 31) |
"my name is maria and i'm 3.10000 decades old."
f-string允许你将maria放入字符串中，并在一个简洁的操作中添加具有所需格式的年龄。需要注意的一个风险是，如果你输出用户生成的值，那么可能会带来安全风险，在这种情况下，模板字符串可能是更安全的选择。
5. 使用sorted()对复杂列表进行排序
大量的编码面试问题需要进行某种排序，并且有多种有效的方法可以进行排序。除非面试官希望你实现自己的排序算法，否则通常最好使用sorted()。你可能已经看到了排序的最简单用法，例如按升序或降序排序数字或字符串列表：
|
|
sorted([6,5,3,7,2,4,1]) |
[1, 2, 3, 4, 5, 6, 7]
|
|
sorted(['cat', 'dog', 'cheetah', 'rhino', 'bear'], reverse=true) |
['rhino', 'dog', 'cheetah', 'cat', 'bear']
默认情况下，sorted()已按升序对输入进行排序，而reverse关键字参数则按降序排序。
值得了解的是可选关键字key，它允许你在排序之前指定将在每个元素上调用的函数。添加函数允许自定义排序规则，如果要对更复杂的数据类型进行排序，这些规则特别有用：
|
|
animals = [ {'type': 'penguin', 'name': 'stephanie', 'age': 8}, {'type': 'elephant', 'name': 'devon', 'age': 3}, {'type': 'puma', 'name': 'moe', 'age': 5},]sorted(animals, key=lambda animal: animal['age']) |
[{'type': 'elephant', 'name': 'devon', 'age': 3},
{'type': 'puma', 'name': 'moe', 'age': 5},
{'type': 'penguin', 'name': 'stephanie', 'age': 8}]
通过传入一个返回每个元素年龄的lambda函数，可以轻松地按每个字典的单个值对字典列表进行排序。在这种情况下，字典现在按年龄按升序排序。
有效利用数据结构
算法在面试中得到了很多关注，但数据结构可能更为重要。在coding面试环境中，选择正确的数据结构会对性能产生重大影响。除了理论数据结构之外，python还在其标准数据结构实现中内置了强大而方便的功能。这些数据结构在面试中非常有用，因为它们默认为你提供了许多功能，让你可以将时间集中在问题的其他部分。
1. 使用set存储唯一值
我们通常需要从现有数据集中删除重复元素。新的开发人员有时会在列表应该使用集合时执行此操作，这会强制执行所有元素的唯一性。
假装你有一个名为get_random_word()的函数。它将始终从一小组单词中返回一个随机选择：
|
|
import randomall_words = "all the words in the world".split()def get_random_word(): return random.choice(all_words) |
你应该重复调用get_random_word()以获取1000个随机单词，然后返回包含每个唯一单词的数据结构。以下是两种常见的次优方法和一种好的方法。
糟糕的方法
get_unique_words()将值存储在列表中，然后将列表转换为集合：
|
|
def get_unique_words(): words = [] for _ in range(1000): words.append(get_random_word()) return set(words)get_unique_words() |
{'all', 'in', 'the', 'words', 'world'}
这种方法并不可怕，但它不必要地创建了一个列表，然后将其转换为集合。面试官几乎总是注意到（并询问）这种类型的设计选择。
更糟糕的做法
为避免从列表转换为集合，你现在可以在不使用任何其他数据结构的情况下将值存储在列表中。然后，通过将新值与列表中当前的所有元素进行比较来测试唯一性：
|
|
def get_unique_words(): words = [] for _ in range(1000): word = get_random_word() if word not in words: words.append(word) return wordsget_unique_words() |
['world', 'words', 'all', 'the', 'in']
优秀的方法
现在，你完全跳过使用列表，而是从头开始使用一组：
|
|
def get_unique_words(): words = set() for _ in range(1000): words.add(get_random_word()) return wordsget_unique_words() |
{'all', 'in', 'the', 'words', 'world'}
除了从头开始使用集合之外，这可能与其他方法没有太大的不同。如果你考虑.add()中发生了什么，它甚至听起来像第二种方法：得到单词，检查它是否已经在集合中，如果没有，则将其添加到数据结构中。
那么为什么使用与第二种方法不同的集合呢？
它们是不同的，。查找时间的差异意味着添加到集合的时间复杂度以o(n)的速率增长，这在大多数情况下比第二种方法的o(n^2)好得多。
2. 使用生成器节省内存
前面提到，列表推导是方便的工具，但有时会导致不必要的内存使用。想象一下，你被要求找到前1000个完美正方形的总和，从1开始。你知道列表推导，所以你快速编写一个有效的解决方案：
|
|
sum([i * i for i in range(1, 1001)]) |
333833500
解决方案会列出1到1,000,000之间的每个完美平方，并对值进行求和。你的代码会返回正确的答案，但随后您的面试官会开始增加您需要总和的完美正方形的数量。
起初，你的功能不断弹出正确的答案，但很快就开始放慢速度，直到最后这个过程似乎永远持续下去。这不是你想要在面试中发生的一件事。
这里发生了什么？
它正在列出你要求的每个完美的方块，并将它们全部加起来。具有1000个完美正方形的列表在计算机术语中可能不会很大，但是1亿或10亿是相当多的信息，并且很容易占用计算机的可用内存资源。这就是这里发生的事情。
值得庆幸的是，有一种解决内存问题的快捷方法。你只需用括号替换方括号：
|
|
sum((i * i for i in range(1, 1001))) |
333833500
换出括号会将列表推导更改为生成器表达式。当你知道要从序列中检索数据，但不需要同时访问所有数据的时候，生成器表达式非常适合。
生成器表达式返回生成器对象，而不是创建列表。该对象知道它在当前状态中的位置（例如，i = 49）并且仅在被要求时计算下一个值。
因此，当sum通过重复调用.__ next __()来迭代生成器对象时，生成器检查i
等于多少，计算i * i，在内部递增i，并将正确的值返回到sum。该设计允许生成器用于大量数据序列，因为一次只有一个元素存在于内存中。
3. 使用.get()和.setdefault()在字典中定义默认值
最常见的编程任务之一涉及添加，修改或检索可能在字典中或可能不在字典中的项。python字典具有优雅的功能，可以使这些任务简洁明了，但开发人员通常会在不需要时检查值。
想象一下，你有一个名为cowboy的字典，你想得到那个cowboy的名字。一种方法是使用条件显式检查key：
|
|
cowboy = {'age': 32, 'horse': 'mustang', 'hat_size': 'large'}if 'name' in cowboy: name = cowboy['name']else: name = 'the man with no name'name |
'the man with no name'
此方法首先检查字典中是否存在name键，如果存在，则返回相应的值。否则，它返回默认值。
虽然清楚地检查key确实有效，但如果使用.get()，它可以很容易地用一行代替：
|
|
name = cowboy.get('name', 'the man with no name')name |
'the man with no name'
get()执行与第一种方法相同的操作，但现在它们会自动处理。如果key存在，则返回适当的值。否则，将返回默认值。
但是，如果你想在仍然访问name的key时使用默认值更新字典呢？ .get()在这里没有真正帮助你，所以你只需要再次显式检查这个值：
|
|
if 'name' not in cowboy: cowboy['name'] = 'the man with no name'name = cowboy['name']name |
'the man with no name'
检查values并设置默认值是一种有效的方法，并且易于阅读，但python再次使用.setdefault()提供了更优雅的方法：
|
|
name = cowboy.setdefault('name', 'the man with no name')name |
'the man with no name'
.setdefault()完成与上面代码片段完全相同的操作。它检查cowboy中是否存在名称，如果是，则返回该值。否则，它将cowboy ['name']设置为the man with no name并返回新值。
利用python的标准库
默认情况下，python提供了许多功能，这些功能只是一个导入语句。它本身就很强大，但知道如何利用标准库可以增强你的编码面试技巧。
从所有可用模块中挑选最有用的部分很困难，因此本节将仅关注其实用功能的一小部分。希望这些对您在编码访谈中有用，并且您希望了解更多有关这些和其他模块的高级功能的信息。
1. 使用collections.defaultdict()处理缺少的字典键
当你为单个键设置默认值时，.get()和.setdefault()可以正常工作，但通常需要为所有可能的未设置键设置默认值，尤其是在面试环境中进行编程时。
假装你有一群学生，你需要记录他们在家庭作业上的成绩。输入值是具有格式（student_name，grade）的元组列表，但是你希望轻松查找单个学生的所有成绩而无需迭代列表。
存储成绩数据的一种方法是使用将学生姓名映射到成绩列表的字典：
|
|
student_grades = {}grades = [ ('elliot', 91), ('neelam', 98), ('bianca', 81), ('elliot', 88),]for name, grade in grades: if name not in student_grades: student_grades[name] = [] student_grades[name].append(grade)student_grades |
{'elliot': [91, 88], 'neelam': [98], 'bianca': [81]}
在这种方法中，你迭代学生并检查他们的名字是否已经是字典中的属性。如果没有，则将它们添加到字典中，并将空列表作为默认值。然后将实际成绩附加到该学生的成绩列表中。
但是有一个更简洁的方法，可以使用defaultdict，它扩展了标准的dict功能，允许你设置一个默认值，如果key不存在，它将按默认值操作：
|
|
from collections import defaultdictstudent_grades = defaultdict(list)for name, grade in grades: student_grades[name].append(grade) student_grades |
defaultdict(list, {'elliot': [91, 88], 'neelam': [98], 'bianca': [81]})
在这种情况下，你将创建一个defaultdict，它使用不带参数的list构造函数作为默认方法。没有参数的list返回一个空列表，因此如果名称不存在则defaultdict调用list()，然后再把学生成绩添加上。如果你想更炫一点，你也可以使用lambda函数作为值来返回任意常量。
利用defaultdict可以使代码更简洁，因为你不必担心key的默认值。相反，你可以在defaultdict里处理它们一次，然后key就终存在了。
2. 使用collections.counter计算hashable对象
假如你有一长串没有标点符号或大写字母的单词，你想要计算每个单词出现的次数。
你可以使用字典或defaultdict增加计数，但collections.counter提供了一种更清晰，更方便的方法。 counter是dict的子类，它使用0作为任何缺失元素的默认值，并且更容易计算对象的出现次数：