python将多重列表中的成绩按大小输出_我半年多沉淀一个4200人star的Python库

半年前我在github创建了一个 python-small-examples 库，每天推送一个Python实例。时至今日，共有4173人 star

期间多次登上github趋势榜

有些令我惊喜，因为这些例子都很普通，我所做的就是每天构思一个Python例子，尽可能的将复杂问题简单化，并坚持推送，可能做不到每天必更，半年下来累积220多个：

上周我从中整理出100个极简例子，推送到公众号里。朋友们很喜欢，当天此篇阅读量5000+，很多号主朋友都转载了这篇，过去一周所有累积阅读大概有4万+：

说出这些数据，不是为显摆，是想与朋友们分享一个再普通不过的道理：脚踏实地做些实事，哪怕是不起眼的小事，每天前进一点，日积月来会做出一点成绩的。

记得圣元大哥之前说过一句话：如果做不了伟大的事情，就把平凡的事情做伟大。深知大哥功底深厚，但却如此这般谦逊，那我更没有任何资本让自己每天浮浮躁躁。

目前这个库有一些营养，我在这里再罗列下目录，以便让朋友们一眼看出：是否能从中真正获得几分帮助。

目前将此库划分为以下八个章节：

一、Python基础

• 1 求绝对值
• 2 元素都为真
• 3 元素至少一个为真
• 4 ascii展示对象
• 5  十转二
• 6 十转八
• 7 十转十六
• 8 判断是真是假
• 9  字符串转字节
• 10 转为字符串
• 11 是否可调用
• 12 十转ASCII
• 13 ASCII转十
• 14 类方法
• 15 执行字符串表示的代码
• 16  创建复数
• 17 动态删除属性
• 18 转为字典
• 19 一键查看对象所有方法
• 20 取商和余数
• 21 枚举对象
• 22 计算表达式
• 23 查看变量所占字节数
• 24 过滤器
• 25 转为浮点类型
• 26 字符串格式化
• 27 冻结集合
• 28 动态获取对象属性
• 29 对象是否有这个属性
• 30 返回对象的哈希值
• 31  一键帮助
• 32 对象门牌号
• 33 获取用户输入
• 34  转为整型
• 35 isinstance
• 36 父子关系鉴定
• 37 创建迭代器类型
• 38 所有对象之根
• 39 打开文件
• 40 次幂
• 41 打印
• 42  创建属性的两种方式
• 43 创建range序列
• 44 反向迭代器
• 45 四舍五入
• 46 转为集合类型
• 47 转为切片对象
• 48 拿来就用的排序函数
• 49 求和函数
• 50 转元组
• 51 查看对象类型
• 52 聚合迭代器
• 53 nonlocal用于内嵌函数中
• 54 global 声明全局变量
• 55 链式比较
• 56 不用else和if实现计算器
• 57 链式操作
• 58 交换两元素
• 59 去最求平均
• 60 打印99乘法表
• 61 全展开
• 62 列表等分
• 63 列表压缩
• 64 更长列表
• 65 求众数
• 66 多表之最
• 67 列表查重
• 68 列表反转
• 69 浮点数等差数列
• 70 按条件分组
• 71 map实现向量运算
• 72 值最大的字典
• 73 合并两个字典
• 74 topn字典
• 75 异位词
• 76 逻辑上合并字典
• 77 命名元组提高可读性
• 78 样本抽样
• 79 重洗数据集
• 80 10个均匀分布的坐标点
• 81 10个高斯分布的坐标点
• 82 chain高效串联多个容器对象
• 83 操作函数对象
• 84 生成逆序序列
• 85 函数的五类参数使用例子
• 86  使用slice对象
• 87 lambda 函数的动画演示
• 88 粘性之禅
• 89 元类
• 90 对象序列化

二、Python字符串和正则

• 91 反转字符串
• 92 字符串切片操作
• 93 join串联字符串
• 94 字符串的字节长度
• 95 查找第一个匹配串
• 96 查找所有1的索引
• 97 \d 匹配数字[0-9]
• 98 匹配浮点数和整数
• 99 ^匹配字符串的开头
• 100 re.I 忽略大小写
• 101 理解compile的作用
• 102 使用()捕获单词，不想带空格
• 103 split分割单词
• 104 match从字符串开始位置匹配
• 105 替换匹配的子串
• 106 贪心捕获
• 107 非贪心捕获
• 108 常用元字符总结
• 109 常用通用字符总结
• 110 密码安全检查
• 111 爬取百度首页标题
• 112 批量转化为驼峰格式(Camel)
• 113 str1是否为str2的permutation
• 114 str1是否由str2旋转而来
• 115 正浮点数

三、Python文件、日期和多线程

• 116 获取后缀名
• 117 文件读操作
• 118  文件写操作
• 119 路径中的文件名
• 120 批量修改文件后缀
• 121 xls批量转换成xlsx
• 122 定制文件不同行
• 123 获取指定后缀名的文件
• 124 批量获取文件修改时间
• 125 批量压缩文件
• 126 32位加密
• 127 年的日历图
• 128 判断是否为闰年
• 129 月的日历图
• 130 月有几天
• 131 月第一天
• 131 月最后一天
• 132 获取当前时间
• 133 字符时间转时间
• 134 时间转字符时间
• 135 默认启动主线程
• 136 创建线程
• 137 多线程抢夺同一个变量
• 138 代码稍作改动，叫问题暴露出来
• 139 加上一把锁，避免以上情况出现
• 140 1 分钟掌握 time 模块
• 141 4G 内存处理 10G 大小的文件

四、Python三大利器

• 142 寻找第n次出现位置
• 143 斐波那契数列前n项
• 144 找出所有重复元素
• 145 联合统计次数
• 146 groupby单字段分组
• 147 itemgetter和key函数
• 148 groupby多字段分组
• 149 sum函数计算和聚合同时做
• 150 list分组(生成器版)
• 151 列表全展开(生成器版)
• 152 测试函数运行时间的装饰器
• 153 统计异常出现次数和时间的装饰器
• 154 测试运行时长的装饰器
• 155 装饰器通俗理解
• 156 定制递减迭代器

五、Python绘图

• 157 turtle绘制奥运五环图
• 158 turtle绘制漫天雪花
• 159 wordcloud词云图
• 160 plotly画柱状图和折线图
• 161 seaborn热力图
• 162 matplotlib折线图
• 163 matplotlib散点图
• 164 matplotlib柱状图
• 165 matplotlib等高线图
• 166 imshow图
• 167 pyecharts绘制仪表盘
• 168 pyecharts漏斗图
• 169 pyecharts日历图
• 170 pyecharts绘制graph图
• 171 pyecharts水球图
• 172 pyecharts饼图
• 173 pyecharts极坐标图
• 174 pyecharts词云图
• 175 pyecharts系列柱状图
• 176 pyecharts热力图
• 177 matplotlib绘制动画
• 178 pyecharts绘图属性设置方法
• 179 pyecharts绘图属性设置方法(下)
• 180 pyecharts原来可以这样快速入门(上)
• 181 pyecharts原来可以这样快速入门(中)
• 182 pyecharts原来可以这样快速入门(下)
• 183 1 分钟学会画 pairplot 图

六、 Python 坑点和工具

• 184 含单个元素的元组
• 185 默认参数设为空
• 186 共享变量未绑定之坑
• 187 lambda自由参数之坑
• 188 各种参数使用之坑
• 189 列表删除之坑
• 190 列表快速复制之坑
• 191 字符串驻留
• 192 相同值的不可变对象
• 193 对象销毁顺序
• 194 充分认识for
• 195 认识执行时机
• 196 创建空集合错误
• 197 pyecharts传入Numpy数据绘图失败
• 198 优化代码异常输出包
• 199 图像处理包pillow
• 200 一行代码找到编码

七、算法入门

• 201 领略算法魅力
• 202 排序算法的动画展示
• 203 先拿冒泡实验
• 204 快速排序
• 205 选择排序
• 206 堆排序
• 207 优化算法
• 208 仅含等式约束
• 209 找找感觉
• 210 梯度下降
• 211 约束面的法向
• 212 大胆猜想
• 213 完全解码拉格朗日乘数法
• 214 均匀分布
• 215 二项分布
• 216 高斯分布
• 217 beta分布

八、Python 实战

• 218 环境搭建
• 219 pytorch慢到无法安装，怎么办？
• 220 自动群发邮件
• 221 二分搜索
• 222 爬取天气数据并解析温度值

后续安排

这个库前面部分梳理的很丰富，接下来会进一步精细化，修复其中的一些问题，补充代码注释等；

再接下来，重点将放在数据分析小技巧的整理上，前期我已经推送过40个左右的数据分析小技巧，先整理这些到此库里；

再接下来，重点将放在基础算法和机器学习算法的小例子上。目前基础算法部分已经整理几周，机器学习算法部分重点会讲解和实战三类最常用的算法：boosting 系列，深度神经网络系列和强化学习系列，中间穿插这些算法的常见应用领域：CV，推荐，NLP. 能够提高动手能力，解决实际问题永远都是最重要的。

最后放个此库的地址：

https://github.com/jackzhenguo/python-small-examples

感兴趣的朋友关注，可能在PC端复制此链接然后关注更容易些。

最后：希望这些能真正帮助到某些朋友，同时希望大家能支持振哥，欢迎在看或分享此文。