بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 40: جعبه‌ابزار کتابخانه‌ی استاندارد The Standard Library Toolbox

به جای اختراع دوباره‌ی چرخ از collections، itertools و functools استفاده می‌کنیم؛ ابزارهایی که کد حرفه‌ای پایتون را کوتاه و سریع می‌کنند.

در این جلسه یاد می‌گیری

درس

Counter یک دیکشنری شمارنده است: هر iterable را می‌گیرد و تعداد هر عنصر را نگه می‌دارد. متد most_common(n) پرتکرارها را مرتب برمی‌گرداند (در تساوی، ترتیب اولین دیدن حفظ می‌شود).

from collections import Counter

words = "to be or not to be".split()
print(Counter(words).most_common(2))  # [('to', 2), ('be', 2)]

defaultdict برای کلید ناموجود خودکار مقدار پیش‌فرض می‌سازد، پس گروه‌بندی دیگر if key not in d نمی‌خواهد. namedtuple تاپلی با نام فیلد است: سبک، تغییرناپذیر و خوانا.

from collections import defaultdict, namedtuple

groups = defaultdict(list)
for word in ["apple", "avocado", "banana"]:
    groups[word[0]].append(word)

Point = namedtuple("Point", ["x", "y"])
p = Point(3, 4)
print(p.x + p.y, p)  # 7 Point(x=3, y=4)

deque صف دوطرفه با append و popleft از مرتبه‌ی O(1) است و با maxlen فقط آخرین n عنصر را نگه می‌دارد؛ برای پنجره‌ی لغزان (sliding window) و تاریخچه عالی است.

from collections import deque

recent = deque(maxlen=3)
for n in [1, 2, 3, 4]:
    recent.append(n)
print(list(recent))  # [2, 3, 4]

itertools ابزارهای تکرار تنبل دارد: chain چند iterable را پشت هم می‌گذارد، accumulate جمع تجمعی می‌دهد و combinations و permutations ترکیب‌ها و جایگشت‌ها را تولید می‌کنند.

from itertools import chain, accumulate, combinations

print(list(chain([1, 2], [3])))          # [1, 2, 3]
print(list(accumulate([5, 10, 20])))     # [5, 15, 35]
print(list(combinations("abc", 2)))      # [('a','b'), ('a','c'), ('b','c')]

groupby عناصر پشت‌سرهم با کلید یکسان را گروه می‌کند؛ پس اول باید داده را با همان کلید sort کنید. این بزرگ‌ترین دام این تابع است.

from itertools import groupby

rows = sorted(["bob:dev", "amy:ops", "eve:dev"], key=lambda r: r.split(":")[1])
for team, members in groupby(rows, key=lambda r: r.split(":")[1]):
    print(team, len(list(members)))

functools.partial تابع جدیدی با چند آرگومان ثابت می‌سازد، lru_cache نتیجه‌ی فراخوانی‌ها را کش می‌کند (cache_info آمار می‌دهد) و reduce یک دنباله را با یک تابع دوتایی به یک مقدار تبدیل می‌کند.

from functools import partial, lru_cache, reduce

square = partial(pow, exp=2)
print(square(9))                               # 81
print(reduce(lambda a, b: a * b, [2, 3, 4]))   # 24

@lru_cache(maxsize=None)
def fib(n):
    return n if n < 2 else fib(n - 1) + fib(n - 2)

مثال‌های این جلسه

چالش‌ها

  1. Most Common Word (آسان)
  2. Named Point (آسان)
  3. Running Totals (آسان)
  4. Group by First Letter (متوسط)
  5. Pair Programming Rotation (متوسط)
  6. Headcount per Team (متوسط)
  7. Partial Functions (متوسط)
  8. Cached Staircase (سخت)
  9. Fold with reduce (سخت)
  10. Moving Average Window (سخت)
  11. Merge Task Queues (متوسط)
  12. Unique Arrangements (سخت)

بیشتر بخوان

← جلسه‌ی 39: مدیران زمینه جلسه‌ی 41: عبارت‌های منظم →