共计 3370 个字符，预计需要花费 9 分钟才能阅读完成。
用 Python 时间也算不短了，但总感觉自己在用写 C++ 代码的思维写 Python，没有真正用到其作为脚本语言的优势。之前刷 LeetCode 时，自己的 Python 代码总是很长，很像披着 Python 外衣的 C++ 代码（放在这里，不断重构中）。
想来大概是因为觉得python简单，平时只是零零碎碎的学习，也没有去读别人的代码，导致掌握的不够深入。回想起前段时间的面试，面试官看我简历写熟悉Python，就问了两个Python的问题：
- Python 中常用的优化技巧（能够提升 Python 执行效率的，除了算法层面）
- 按照 value 从小到大输出 dict 中的 key-value值。
我支支吾吾半天，就是没有答到点上，直接导致被拒（后来整理的内容放在这里）。所谓知耻而后勇，经过一段时间对 Python 的重新学习，才慢慢发现 Python 的一些强大与美妙之处。
从排序说起！
程序中经常用到排序函数，Python 提供了 sort 和 sorted 函数，一个原地排序，一个返回排序后的新结果，函数原型很简单
|
1
|
sort([cmp[, key[, reverse]]])
|
自己用的最多的类似下面的语句：
|
1
2
3
4
|
>>> l = [43, 12, 4, 6]
>>> l.sort()
>>> l
[4, 6, 12, 43]
|
曾经窃以为这就体现了 Python 的简单优雅，不像 C++ STL中那样还需要指定迭代器范围，然后对 sort 的理解也就止步于此。后来遇到稍微复杂一点的排序场景，自己就 Google-Stackoverflow-Copy，解决了眼前的问题，但是从来没有去深挖（这也就导致那次面试中中没有回答出来上面的第二个问题）。
sort 之美
后来去看了下 sort 的函数说明，包括 cmp, key, reverse 参数究竟怎么去用，又写了几个例子，以为这下子对 sort 可谓是理解透彻了。比如要要根据值的大小输出字典内容，那么就可以像下面这样优雅地解决：
|
1
2
3
|
>>> d = {1: ‘z’, 2:‘y’, 3: ‘x’}
>>> print sorted(d.items(), key=lambda x: x[1])
[(3, ‘x’), (2, ‘y’), (1, ‘z’)]
|
我甚至可以得到一个根据value排序的字典，只需要用 collections.OrderedDict 即可：
|
1
2
3
4
|
>>> from collections import OrderedDict
>>> sorted_d = OrderedDict(sorted(d.items(), key=lambda x: x[1]))
>>> sorted_d
OrderedDict([(3, ‘x’), (2, ‘y’), (1, ‘z’)])
|
sort 之魅
我以为我对 sort 理解足够了，直到在 hackerrank 遇到这个题目。
给定一个只包含大小写字母，数字的字符串，对其进行排序，保证：
- 所有的小写字母在大写字母前面
- 所有的字母在数字前面
- 所有的奇数在偶数前面
考虑用 sort 函数来完成排序。开始之前，再来看看文档对sort函数中key的说明：
key parameter to specify a function to be called on each list element prior to making comparisons. The value of the key parameter should be a function that takes a single argument and returns a key to use for sorting purposes.
通俗讲，key 用来决定在排序算法中 cmp 比较的内容，key 可以是任何可被比较的内容，比如元组（python 中元组是可被比较的）。所以上面的排序问题可以用下面的代码来解决：
|
1
2
3
|
>>> s = “Sorting1234”
>>> “”.join(sorted(s, key=lambda x: (x.isdigit(), x.isdigit() and int(x) % 2 == 0, x.isupper(), x.islower(), x)))
‘ginortS1324’
|
这里，lambda 函数将输入的字符转换为一个元组，然后 sorted 函数将根据元组（而不是字符）来进行比较，进而判断每个字符的前后顺序。
如果同样的程序用 C++ 来写的话，可能需要一个复杂的仿函数，来定义排序的规则，远没有 Python 这般简洁优雅。
再探 Python
Python 是一门简单方便的语言，相信这是大部分人对 Python 的第一感觉。初学 Python，我们可能痴迷于 Python 的列表解析，list 切片，字典推导，或者是陶醉在各种强大的第三方库里，比如网络库 requests，科学计算库 numpy，web开发框架 Django 等。
但是实际写程序中，我们经常会写出许多繁杂的、丑陋的Python代码。比如要判断一个数字是否是回文数字，可能会习惯性地写出下面这样的代码：
|
1
2
3
4
5
6
7
8
9
|
def isPalindrome(x):
if x < 0:
return False
reversed_x = 0
original_x = x
while x > 0:
reversed_x = reversed_x * 10 + x % 10
x /= 10
return reversed_x == original_x
|
仔细一看，这简直就是 C++ 代码，完全没有 Python 的优雅与简单。那么，该怎样写才能够显的 Pythonic 呢？其实，用 Python 的话只要一行就可以啦（这里不考虑效率，如果考虑效率的话，C++会更加合适，单对这题来说，其实有比上面更高效的方法）！
|
1
2
|
def isPalindrome(x):
return x >= 0 and str(x) == str(x)[::–1]
|
那么如何养成用 Pythonic 的思维解决问题呢？我觉得首先要对 Python 十分熟悉，精通大部分函数以及 Python 的特色：比如装饰器，迭代器，生成器以等，下面举几个简单的例子：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
# 函数式编程
>>> nums = map(int, “123456789” )
>>> nums
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> reduce(lambda x, y: x+y, [1, 2, 3, 4, 5])
15
>>> sum(nums)
45
# 生成器
>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
... print i
...
0
1
4
>>> for i in mygenerator:
... print i
...
# lambda 匿名函数
>>> c = lambda *z: z
>>> c( 10, ‘test’)
(10, ‘test’)
# 迭代
>>> l = [i**2 for i in range(9)]
>>> l_iter = iter(l)
>>> next(l_iter)
0
>>> next(l_iter)
1
>>> next(l_iter)
4
# 数据结构 set
>>> set_a = set([i for i in range(1,9,2)])
>>> set_b = set([i for i in range(0,9,2)])
>>> print set_a | set_b
set([0, 1, 2, 3, 4, 5, 6, 7, 8])
|
其次，要多读一些 Pythonic 的代码，学习别人如何优雅地使用python。这里我推荐去看 Leetcode 的 Discuss，里面有许多惊才艳艳的代码。特别推荐 @StefanPochmann，许多代码让我获益匪浅，比如这里对 iter() 的使用。
再来看一个问题，按照二进制位反转 32 位的一个整形无符号数字。用 Python 可以写出很简单直观的代码，如下：
|
1
2
3
4
|
def reverseBits(n):
bit_str = ‘{0:032b}’.format(n)
reverse_str = bit_str[::–1]
return int(reverse_str, 2)
|
当然，上面不考虑效率，这里有一个利用分治法思想的高效的方法。
Python 是一门高效、简单、方便的语言，但这并不意味你不花时间就可以用的很好。
