Python看起來似乎是一種任何人都可以學習的簡單語言，但實際上，學會不等于精通，Python的“后勁兒”超乎我們的想象，它容易入門卻很難掌握。在Python中，一個通常有多種處理方法，但很容易出錯的地方很多；或者僅僅因為不知道模塊的存在，你就得重新創建標準庫，這很浪費時間。

Python標準庫是一個巨大的野獸，它的生態系統絕對是龐大的。雖然Python模塊可能有200萬千兆字節，好在有一些使用技巧存在，我們可以用Python中與科學計算相關的標準庫和包來學習。

1.反轉字符串

雖然看似是很基礎的操作，但是用char循環來反轉字符串可能會非常繁瑣麻煩。幸運的是，Python包含了一個簡單的內置操作來準確地執行這個任務，我們只需訪問字符串上的索引：：-1。

a = “！dlrow olleH”

backward = a［：：-1］

2.Dims作為變量

在大多數語言中，為了將數組放入一組變量中需迭代循環值，或按位置訪問暗點，如下所示：

firstdim = array［1］

然而，在Python中有一種更好更快的方法。為了將一列值改為變量，可以簡單地將變量名設置為與數組長度相同的數組：

array = ［5， 10， 15， 20］

five， ten， fift， twent = array

3.生成器的next（）迭代

在編程中的大多數正常情況下，可以訪問一個索引，并使用計數器獲取位置數字，計數器將只是一個值，添加到：

array1 = ［5， 10， 15， 20］

array2 = （x ** 2 for x in range（10））

counter = 0for i in array1：# This code wouldn‘t work because ’i‘ is not in array2.

# i = array2［i］

i = array2［counter］

# ^^^ This code would because we areaccessing the position of i

我們也可以用next（）代替它。Next使用一個迭代器，該迭代器將當前位置存儲在內存中，并在后臺迭代列表：

g = （x ** 2 for x in range（10））

print（next（g））

print（next（g））

4.智能拆包

迭代地解壓值可能會非常耗費時力，Python中有幾種不錯的方法可以用來解壓列表的方法。其中一個是*，它將填充未分配的值并將它們添加到變量名下的新列表中。

a， *b， c = ［1， 2， 3， 4， 5］

5.列舉

不了解列舉那可不太行。列舉可以獲取列表中某些值的索引，在數據科學中使用數組而不是數據幀時，這就特別有用：

for i，w in enumerate（array）：

print（i，w）

6.命名切片

Python中，分割列表非常簡單，各式各樣優秀工具都能做到。特別好的一點是，它還能夠給列表命名，這對于Python中的線性代數特別有用：

a = ［0， 1， 2， 3， 4， 5］

LASTTHREE = slice（-3， None）

slice（-3， None， None）

print（a［LASTTHREE］）

7.Itertools

如果深入學習Python，那你肯定要熟悉itertools。itertools是標準庫中的一個模塊，它可以不斷地解決迭代問題。它不僅使編寫復雜循環大幅度變容易，而且還使代碼更簡潔快速。有數百種Itertools的使用示例，來看看其中一個：

c = ［［1， 2］， ［3， 4］， ［5， 6］］

# Let’s convert this matrix to a 1 dimensional list.

import itertools as it

newlist = list（it.chain.from_iterable（c））

8.分組相鄰列表

在for循環中，對相鄰循環進行分組當然很容易，特別是使用zip（），但這肯定不是最好的方法。為了更輕松便捷地實現這一點，可以用zip編寫一個lambda表達式，該表達式將對相鄰列表進行分組，如下所示：

a = ［1， 2， 3， 4， 5， 6］

group_adjacent = lambda a， k： zip（*（［iter（a）］ * k））

group_adjacent（a， 3） ［（1， 2， 3）， （4， 5， 6）］

group_adjacent（a， 2） ［（1， 2）， （3， 4）， （5， 6）］

group_adjacent（a， 1）

9.計數器

集合也是模塊中很好的標準庫，這里向大家介紹的是集合中的計數器。使用計數器，可以輕松獲得一個列表的計數。這對于獲取數據中的值總數、數據的空計數，以及查看數據的唯一值非常有用。

“為什么不直接使用Pandas呢？”使用Pandas來實現這一點無疑會困難得多，而且這只是在部署算法時需要添加到虛擬環境中的另一個依賴項。另外，Python中的計數器類型有很多Pandas系列沒有的特性，這使其在某些情況下更有用。

A = collections.Counter（［1， 1， 2，2， 3， 3， 3， 3， 4， 5， 6， 7］）

A Counter（{3： 4， 1： 2， 2： 2， 4： 1， 5： 1， 6： 1， 7： 1}）

A.most_common（1） ［（3， 4）］

A.most_common（3） ［（3， 4）， （1， 2）， （2， 2）］

10.出隊

如下所示，出隊能讓代碼非常整潔：

import collections

Q = collections.deque（）

Q.append（1）

Q.appendleft（2）

Q.extend（［3， 4］）

Q.extendleft（［5， 6］）

Q.pop（）

Q.popleft（）

Q.rotate（3）

Q.rotate（-3）

print（Q）

這些是筆者一直愛用的Python技巧，都非常通用和實用，實踐中總有機會能用到。Python的標準庫函數工具箱變得越來越多樣，還有很多筆者也沒聽說過的工具。學無止境，這多么令人興奮！