前言

One liner就是以很短的話語說笑話或打動人心，也有很多人使用一行程式，展現Python的威力，以下筆者就節錄一些One liners，與大家共同品味。

常用功能

1. 刪除重複值

list1 = [1, 2, 3, 0, 3, 2, 1]
set(list1)

執行結果：{0, 1, 2, 3}

2. 計算每個值的發生頻率

from collections import Counter

# 測試資料
mylst = [1,1,1,2,2,2,2,3,3,3,3,3,4,4,5,6,6,6]
dict(Counter(mylst))

執行結果：{1: 3, 2: 4, 3: 5, 4: 2, 5: 1, 6: 3}

3. 兩個值對調(Swap)
   我們再排序時常要將兩個值對調，通常要借用一個變數當緩衝，例如x、y對調，需要借用一個變數temp，如下：

x, y = 100, 200
temp = x
x = y
y = temp
# 測試
x, y

執行結果：(200, 100)

使用python，可以一行取代，不需借個變數temp：

x, y = 100, 200
y, x = x, y
# 測試
x, y

執行結果：(200, 100)

4. 字串轉陣列

values = list('零一二三四五六七八九')
values

執行結果：['零', '一', '二', '三', '四', '五', '六', '七', '八', '九']

5. 陣列轉字串

list1 = ['零', '一', '二', '三', '四', '五', '六', '七', '八', '九']
''.join(list1)

執行結果：'零一二三四五六七八九'

6. 陣列反轉(Reverse)

values = list('零一二三四五六七八九')
values[::-1]

執行結果：['九', '八', '七', '六', '五', '四', '三', '二', '一', '零']

7. 顯示記憶體用量

import sys

mylst = ['India', 'Paris', 'London', 'Italy', 'Rome', '台灣']
sys.getsizeof(mylst)

執行結果：152

List comprehensive

List comprehensive就是對陣列(List)的每一個元素進行操作，例如要顯示1~100的偶數，正常寫法如下：

for i in range(2, 101, 2):
  print(i)

使用List comprehensive只要一行：

[i for i in range(2, 101, 2)]

執行結果：
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98, 100]

以下衍生一些範例：

1. 全部偶數加總：

sum([i for i in range(2, 101, 2)])

執行結果：2550

2. 再加上判斷式：

[i for i in range(2, 101) if i%2 == 0]

與上述程式碼【[i for i in range(2, 101, 2)]】相同。

3. 顯示1~100的質數(Prime)：利用兩個迴圈。

• 先顯示非質數：可被任一小於要檢查的數值所整除。

# 顯示非質數
set([i for i in range(2, 101) for j in range(2, i) if i%j == 0])

執行結果：set可將重複的元素刪除。

• 將2~100的list 減掉 非質數的list：

# 兩個set相減可取得差集
set([i for i in range(2, 101)]) - set([i for i in range(2, 101) for j in range(2, i) if i%j == 0])

執行結果：
{2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97}

List comprehensive + Lambda function

匿名函數(Lambda function)是沒有名字的函數，可簡化函數的撰寫，也可應用在Functional Programming上，將函數當參數傳遞。

1. 階層(factorial )計算：例如 3! = 1 x 2 x 3。

from functools import reduce
reduce(lambda x, y: x * y, range(1, 4))

reduce是Functional Programming的高階函數(Higher Order Functions)，會依函數連乘或連加，另外還有map、filter...等。
執行結果：6。

2. 再測試6!：

reduce(lambda x, y: x * y, range(1, 6))

執行結果：120。

3. map會對每個元素執行特定函數，例如取平方：使用map須加list函數才能將map object轉換為 list。

list(map(lambda x: x ** 2, range(1, 6)))

執行結果：[1, 4, 9, 16, 25]。

4. filter會對每個元素執行特定判斷式，過濾資料，例如篩選偶數。

list(filter(lambda x: x % 2 == 0, range(1, 101)))

執行結果：
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98, 100]

更多Functional Programming請看後續的討論。

Dictionary comprehensive + Lambda function

1. 將1個list組成dictionary：將數字換成大寫。

values = list('零一二三四五六七八九')
dict(enumerate(values))

執行結果：
{0: '零', 1: '一', 2: '二', 3: '三', 4: '四', 5: '五', 6: '六', 7: '七', 8: '八', 9: '九'}

2. 將2個list組成dictionary：將數字換成大寫。

keys = range(10)
values = list('零一二三四五六七八九')
dict1 = {keys[i]: values[i] for i in range(len(keys))}
# 測試
[dict1[int(i)] for i in list('486')]

執行結果：['四', '八', '六']

3. 可將執行結果合併：

''.join([dict1[int(i)] for i in list('486')])

執行結果：'四八六'

4. 依dictionary的value排序。

keys = range(10)
values = list('零一二三四五六七八九')
dict1 = {keys[i]: values[i] for i in range(len(keys))}
# 依dictionary的value排序
sorted([(k, v) for k, v in dict1.items()], key=lambda x: x[1])

執行結果：依大寫的內碼排序。
[(1, '一'), (7, '七'), (3, '三'), (9, '九'), (2, '二'), (5, '五'), (8, '八'), (6, '六'), (4, '四'), (0, '零')]
也可以依key排序dictionary，只要將x[1]改成x[0]即可。

5. 也可以找出value最大值。

max([(k, v) for k, v in dict1.items()], key=lambda x: x[1])

執行結果：(0, '零')，【零】內碼為最大值。

6. dictionary key及value互換，以大寫找數字。

{v: k for k, v in dict1.items()} # k, v --> v: k

執行結果：
{'零': 0, '一': 1, '二': 2, '三': 3, '四': 4, '五': 5, '六': 6, '七': 7, '八': 8, '九': 9}

7. 合併兩個dictionary。

dict1 = {'a': 1, 'b': 2}
dict2 = {'c': 3, 'd': 4}
# 測試
{**dict1, **dict2}

執行結果：
{'a': 1, 'b': 2, 'c': 3, 'd': 4}

One liner + 遞迴(Recursion)

使用 one liner定義費波那契(Fibonacci)數列，它是數列的前2個數字加總會等於下一個數字，且上一個數字除以下一個數字會接近0.618，常用於股票漲跌幅的預測。

def Fib(x): return 1 if x in {0, 1} else Fib(x-1) + Fib(x-2) 
# 測試前10個數列
[Fib(i) for i  in range(1, 11)]

執行結果：
[1, 2, 3, 5, 8, 13, 21, 34, 55, 89]

One liner 創建類別

通常要創建類別(class)如下：

class Employee:   
    def __init__(self, name, age):   
        self.name = name   
        self.age = age  
        
# 測試，實體化物件
michael = Employee("Michael", 25) 
michael.age

執行結果：25

可以一行搞定：

Employee = lambda:None; Employee.name = "Michael"; Employee.age = 25
        
# 測試
type(Employee)

執行結果：<class 'function'>，確實是一個類別，注意，在Jupyter Notebook測試，只會得到function。

結語

使用One liner可以減少程式碼的撰寫，並有效縮小程式碼的行數，缺點是初入門者需花點時間才能理解，系統維護會增加一點難度，可以將One liner包成函數，讓初入門者直接呼叫函數即可。

以上內容係參考下列文章：

1. 22 Python One-Liners That Every Programmer Should Know
2. 20 extremely useful single-line Python codes
3. 10 Cool Python Coding Tricks for Programmers

本系列的程式碼會統一放在GitHub，本篇的程式放在src/3資料夾，歡迎讀者下載測試，如有錯誤或疏漏，請不吝指正。