42 个 Python 实用小例子

4. 求字符串的字节长度

注意中文字符在 UTF-8 编码下通常占用多个字节。

def str_byte_len(mystr):
    return len(mystr.encode('utf-8'))

print(str_byte_len('i love python'))  # 13(个字节)
print(str_byte_len('字符'))  # 6(个字节)

5. 寻找第 n 次出现位置

遍历字符串统计目标字符出现次数。

def search_n(s, c, n):
    size = 0
    for i, x in enumerate(s):
        if x == c:
            size += 1
        if size == n:
            return i
    return -1

print(search_n("fdasadfadf", "a", 3))  # 结果为 7，正确
print(search_n("fdasadfadf", "a", 30))  # 结果为 -1，正确

6. 去掉最高最低求平均

常用于评分系统，去除极端值后计算平均分。

def score_mean(lst):
    lst.sort()
    lst2 = lst[1:(len(lst)-1)]
    return round((sum(lst2)/len(lst2)), 2)

print(score_mean([9.1, 9.0, 8.1, 9.7, 19, 8.2, 8.6, 9.8]))  # 9.07

7. 交换元素

Python 特有的元组解包语法，无需临时变量。

def swap(a, b):
    return b, a

print(swap(1, 0))  # (0, 1)

二、基础算法

1. 二分搜索

高效查找有序数组中的元素，时间复杂度为 O(log n)。

def binarySearch(arr, left, right, x):
    while left <= right:
        mid = int(left + (right - left) / 2)
        if arr[mid] == x:
            print(f'found {x} 在索引位置{mid}处')
            return mid
        elif arr[mid] < x:
            left = mid + 1
        elif x < arr[mid]:
            right = mid - 1
    return -1

2. 距离矩阵

使用 NumPy 生成网格坐标点。

import numpy as np

x, y = np.mgrid[0:5, 0:5]
result = list(map(lambda xe, ye: [(ex, ey) for ex, ey in zip(xe, ye)], x, y))
print(result)

三、列表

1. 打印乘法表

嵌套循环输出九九乘法表。

for i in range(1, 10):
    for j in range(1, i+1):
        print('{0}*{1}={2}'.format(j, i, j*i), end="\t")
    print()

2. 嵌套数组完全展开

递归处理多维列表结构。

from collections.abc import Iterable

def flatten(input_arr, output_arr=None):
    if output_arr is None:
        output_arr = []
    for ele in input_arr:
        if isinstance(ele, Iterable):
            flatten(ele, output_arr)
        else:
            output_arr.append(ele)
    return output_arr

print(flatten([[1, 2, 3], [4, 5]], [6, 7]))  # [6, 7, 1, 2, 3, 4, 5]

3. 将 list 等分为子组

根据指定大小分割列表。

from math import ceil

def divide(lst, size):
    if size <= 0:
        return [lst]
    return [lst[i * size:(i+1)*size] for i in range(0, ceil(len(lst) / size))]

r = divide([1, 3, 5, 7, 9], 2)  # [[1, 3], [5, 7], [9]]

4. 生成 fibonacci 序列前 n 项

迭代生成斐波那契数列。

def fibonacci(n):
    if n <= 1:
        return [1]
    fib = [1, 1]
    while len(fib) < n:
        fib.append(fib[len(fib) - 1] + fib[len(fib) - 2])
    return fib

print(fibonacci(5))  # [1, 1, 2, 3, 5]

5. 过滤掉各种空值

利用 bool 函数的真值测试特性。

def filter_false(lst):
    return list(filter(bool, lst))

print(filter_false([None, 0, False, '', [], 'ok', [1, 2]]))  # ['ok', [1, 2]]

6. 返回列表头元素

安全获取列表第一个元素。

def head(lst):
    return lst[0] if len(lst) > 0 else None

print(head([]))  # None
print(head([3, 4, 1]))  # 3

7. 返回列表尾元素

安全获取列表最后一个元素。

def tail(lst):
    return lst[-1] if len(lst) > 0 else None

print(tail([]))  # None
print(tail([3, 4, 1]))  # 1

8. 对象转换为可迭代类型

统一输入格式以便后续处理。

from collections.abc import Iterable

def cast_iterable(val):
    return val if isinstance(val, Iterable) else [val]

print(cast_iterable('foo'))  # foo
print(cast_iterable(12))  # [12]
print(cast_iterable({'foo': 12}))  # {'foo': 12}

9. 求更长列表

比较多个列表的长度。

def max_length(*lst):
    return max(*lst, key=lambda v: len(v))

r = max_length([1, 2, 3], [4, 5, 6, 7], [8])  # [4, 5, 6, 7]

10. 出现最多元素

统计列表中频率最高的元素。

def max_frequency(lst):
    return max(lst, default='列表为空', key=lambda v: lst.count(v))

lst = [1, 3, 3, 2, 1, 1, 2]
print(max_frequency(lst))  # 1

11. 求多个列表的最大值

嵌套最大值查找。

def max_lists(*lst):
    return max(max(*lst, key=lambda v: max(v)))

print(max_lists([1, 2, 3], [6, 7, 8], [4, 5]))  # 8

12. 求多个列表的最小值

嵌套最小值查找。

def min_lists(*lst):
    return min(min(*lst, key=lambda v: max(v)))

print(min_lists([1, 2, 3], [6, 7, 8], [4, 5]))  # 1

13. 检查 list 是否有重复元素

利用集合去重特性。

def has_duplicates(lst):
    return len(lst) != len(set(lst))

x = [1, 1, 2, 2, 3, 2, 3, 4, 5, 6]
y = [1, 2, 3, 4, 5]
print(has_duplicates(x))  # True
print(has_duplicates(y))  # False

14. 求列表中所有重复元素

使用 Counter 统计频率。

from collections import Counter

def find_all_duplicates(lst):
    c = Counter(lst)
    return list(filter(lambda k: c[k] > 1, c))

print(find_all_duplicates([1, 2, 2, 3, 3, 3]))  # [2, 3]

15. 列表反转

切片操作实现反转。

def reverse(lst):
    return lst[::-1]

print(reverse([1, -2, 3, 4, 1, 2]))  # [2, 1, 4, 3, -2, 1]

16. 浮点数等差数列

生成指定数量的浮点数序列。

def rang(start, stop, n):
    start, stop, n = float('%.2f' % start), float('%.2f' % stop), int('%.d' % n)
    step = (stop - start) / n
    lst = [start]
    while n > 0:
        start, n = start + step, n - 1
        lst.append(round(start, 2))
    return lst

print(rang(1, 8, 10))  # [1.0, 1.7, 2.4, 3.1, 3.8, 4.5, 5.2, 5.9, 6.6, 7.3, 8.0]

四、字典

1. 字典值最大的键值对列表

找出字典中数值最大的项。

def max_pairs(dic):
    if len(dic) == 0:
        return dic
    max_val = max(map(lambda v: v[1], dic.items()))
    return [item for item in dic.items() if item[1] == max_val]

print(max_pairs({'a': -10, 'b': 5, 'c': 3, 'd': 5}))  # [('b', 5), ('d', 5)]

2. 字典值最小的键值对列表

找出字典中数值最小的项。

def min_pairs(dic):
    if len(dic) == 0:
        return []
    min_val = min(map(lambda v: v[1], dic.items()))
    return [item for item in dic.items() if item[1] == min_val]

print(min_pairs({'a': -10, 'b': 5, 'c': 3, 'd': 5}))  # [('a', -10)]

3. 合并两个字典

Python 3.5+ 支持的合并语法。

def merge_dict2(dic1, dic2):
    return {**dic1, **dic2}

print(merge_dict2({'a': 1, 'b': 2}, {'c': 3}))  # {'a': 1, 'b': 2, 'c': 3}

4. 求字典前 n 个最大值

使用 heapq 模块高效查找。

from heapq import nlargest

def topn_dict(d, n):
    return nlargest(n, d, key=lambda k: d[k])

print(topn_dict({'a': 10, 'b': 8, 'c': 9, 'd': 10}, 3))  # ['a', 'd', 'c']

5. 求最小键值对

直接利用 min 函数。

d = {'a': -10, 'b': 5, 'c': 3, 'd': 5}
print(min(d.items(), key=lambda x: x[1]))  # ('a', -10)

五、集合

1. 互为变位词

检查两个字符串是否包含相同的字符及数量。

from collections import Counter

def anagram(str1, str2):
    return Counter(str1) == Counter(str2)

print(anagram('eleven+two', 'twelve+one'))  # True
print(anagram('eleven', 'twelve'))  # False

六、文件操作

1. 查找指定文件格式文件

遍历目录查找特定扩展名的文件。

import os

def find_file(work_dir, extension='jpg'):
    lst = []
    for filename in os.listdir(work_dir):
        splits = os.path.splitext(filename)
        ext = splits[1]
        if ext == '.' + extension:
            lst.append(filename)
    return lst

# find_file('.', 'md') # 返回所有目录下的 md 文件

七、正则和爬虫

1. 爬取天气数据并解析温度值

演示 requests、lxml 与 pandas 的结合使用。

import requests
from lxml import etree
import pandas as pd
import re

url = 'http://www.weather.com.cn/weather1d/101010100.shtml'
try:
    with requests.get(url, timeout=10) as res:
        content = res.content
        html = etree.HTML(content)
        location = html.xpath('//*[@id="around"]//a[@target="_blank"]/span/text()')
        temperature = html.xpath('//*[@id="around"]/div/ul/li/a/i/text()')
        df = pd.DataFrame({'location': location, 'temperature': temperature})
        
        def parse_temp(temp_str):
            try:
                high = int(re.match(r'(-?[0-9]*?)/-?[0-9]*?°C', temp_str).group(1))
                low = int(re.match(r'-?[0-9]*?/(-?[0-9]*?)°C', temp_str).group(1))
                return high, low
            except:
                return None, None
        
        temps = df['temperature'].apply(parse_temp)
        df['high'] = [t[0] for t in temps]
        df['low'] = [t[1] for t in temps]
        print(df.head())
except Exception as e:
    print(f"请求失败：{e}")

2. 批量转化驼峰格式

字符串命名规范转换工具。

import re

def camel(s):
    s = re.sub(r"(\s|_|-)+", " ", s).title().replace(" ", "")
    return s[0].lower() + s[1:]

def batch_camel(slist):
    return [camel(s) for s in slist]

print(batch_camel(['student_id', 'student\tname', 'student-add']))  # ['studentId', 'studentName', 'studentAdd']

八、绘图

1. turtle 绘制奥运五环图

使用标准库 turtle 进行图形绘制。

import turtle

def draw_rings():
    t = turtle.Turtle()
    colors = ['blue', 'black', 'red', 'yellow', 'green']
    positions = [(-100, 0), (-50, 0), (0, 0), (50, 0), (100, 0)]
    for i, pos in enumerate(positions):
        t.penup()
        t.goto(pos)
        t.pendown()
        t.circle(30)
    turtle.done()

2. turtle 绘制漫天雪花

模拟随机落雪效果。

import turtle
import random

def draw_snowflakes(count=100):
    t = turtle.Turtle()
    t.speed(0)
    for _ in range(count):
        x = random.randint(-300, 300)
        y = random.randint(-300, 300)
        t.penup()
        t.goto(x, y)
        t.dot(3, 'white')
    turtle.done()

3. 词频云图

使用 wordcloud 库可视化文本数据。

import hashlib
import pandas as pd
from wordcloud import WordCloud

# 假设 geo_data 已加载
# geo_data = pd.read_excel(r"../data/geo_data.xlsx")
# words = ','.join(x for x in geo_data['city'] if x != [])
# wc = WordCloud(
#     background_color="green",
#     max_words=100,
#     font_path='./fonts/simhei.ttf',
#     width=500
# )
# x = wc.generate(words)
# x.to_file('../data/geo_data.png')

九、生成器

1. 求斐波那契数列前 n 项 (生成器版)

使用 yield 关键字节省内存。

def fibonacci_gen(n):
    a, b = 1, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

print(list(fibonacci_gen(5)))  # [1, 1, 2, 3, 5]

2. 将 list 等分为子组 (生成器版)

惰性计算，适合大数据流处理。

from math import ceil

def divide_iter(lst, n):
    if n <= 0:
        yield lst
        return
    i, div = 0, ceil(len(lst) / n)
    while i < n:
        yield lst[i * div: (i + 1) * div]
        i += 1

print(list(divide_iter([1, 2, 3, 4, 5], 2)))  # [[1, 2, 3], [4, 5]]

十、Keras 入门

1. Keras 入门例子

构建简单的神经网络模型。

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# 生成模拟数据
np.random.seed(42)
data = np.random.random((1000, 100))
labels = np.random.randint(2, size=(1000, 1))

model = Sequential()
model.add(Dense(32, activation='relu', input_dim=100))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])
model.fit(data, labels, epochs=10, batch_size=32, verbose=0)
predictions = model.predict(data)
print(f"预测样本数：{len(predictions)}")

结语

以上整理了 42 个 Python 实用小例子，涵盖了从基础语法到数据分析、机器学习的常见场景。这些代码片段旨在帮助开发者快速解决实际问题或作为学习参考。建议在实际项目中结合具体需求进行调整和优化。持续练习和阅读官方文档是提升编程能力的关键路径。

希望这些内容能为你的 Python 学习之路提供助力。