解码一个 base64 编码格式的文件
import base64, sys; base64.decode(open(sys.argv[1], "rb"), open(sys.argv[2], "wb"))
一行python解八皇后,其中一大半代码是用于打印出来带格式的
_=[__import__('sys').stdout.write("\n".join('.' * i + 'Q' + '.' * (8-i-1) for i in vec) + "\n===\n") for vec in __import__('itertools').permutations(xrange(8)) if 8 == len(set(vec[i]+i for i in xrange(8))) == len(set(vec[i]-i for i in xrange(8)))]
打印出输入文件中的每行代码,但移除前两个字段
python -c "import sys;[sys.stdout.write(' '.join(line.split(' ')[2:])) for line in sys.stdin]" < input.txt
终端路径切换到某文件夹下,键入:
python -m SimpleHTTPServer 8000
然后浏览器打开 localhost:8000
将正则表达式应用到来自 Stdin 的代码行
[another command] | python -c "import sys,re;[sys.stdout.write(re.sub('PATTERN', 'SUBSTITUTION', line)) for line in sys.stdin]"
使用映射修改来自 Stdin 的代码行
python -c "import sys; tmp = lambda x: sys.stdout.write(x.split()[0]+'\t'+str(int(x.split()[1])+1)+'\n'); map(tmp, sys.stdin);"
算2的1000次方的各位数之和
sum(map(int, str(2**1000)))
计算三个数的最大值,最小值和平均值
[f(n) for f, n in zip((max, min, lambda s: float(sum(s))/len(s)), ([list(map(int, map(raw_input, ':::')))]*3))]
python2运行出来你就知道了
(lambda _,__,___,____,_____,______,_______, ________:getattr(__import__(True.__class__.__name__[_] + [].__class__.__name__[__]),().__class__.__eq__.__class__.__name__[:__] + ().__iter__().__class__.__name__[_____:________])(_, (lambda _,__,___: _(_,__,___))(lambda _,__,___: chr(___ % __) + _(_,__,___ // __) if ___ else (lambda: _).func_code.co_lnotab, ____<<______, (((_____ << _____) + _______) << ((_ << _______) + (_ << __))) - (((((___ << __) + _) << ____) - _) << ((((_ << ____) - _) << ___) + _)) - (((_____ << _____) + _______) << ((_______ << ____))) + (((___ << _____) - ___) << ((((___ << __) + _) << ___) - _)) - (((((___ << __) - _) << ____) + _____) << ((___ << _____) - ___)) + (((_______ << ____) - ___) << ((_____ << ____) + ___)) + (((((___ << __) - _) << ___) + _) << (((((_ << ___) + _)) << ___) + (_ << _))) + (((((___ << __) + _) << ___) - ___) << ((_ << ______))) + (((_____ << ____) - ___) << ((_______ << ___))) + (((_ << ______) + _) << ((___ << ____) - _)) - (((((___ << __) + _) << __) + _) << ((_____ << ___) - _)) - (((_____ << __) - _) << ((_ << _____) - _)) - (((_ << _____) + _) << ((___ << ___) - _)) - (_____ << (((((_ << ___) + _)) << _))) + (_ << (((___ << __) + _))) + (((((_ << ___) + _))) << ___) + _)))(* (lambda _, __: _(_, __))(lambda _, __: [__[(lambda: _).func_code.co_nlocals].func_code.co_argcount] + _(_, __[(lambda _: _).func_code.co_nlocals:]) if __ else [], (lambda _: _,lambda _, __: _,lambda _, __, ___: _,lambda _, __, ___, ____: _,lambda _, __, ___, ____, _____: _,lambda _, __, ___, ____, _____, ______: _,lambda _, __, ___, ____, _____, ______, _______: _,lambda _, __, ___, ____, _____, ______, _______, ________: _)))
显示所有用 Unix 一类系统的用户列表
print '\n'.join(line.split(":",1)[0] for line in open("/etc/passwd"))
将 CSV 文件转换为 json 文件
python -c "import csv,json;print json.dumps(list(csv.reader(open('csv_file.csv'))))"
压缩 CSS 文件
python -c 'import re,sys;print re.sub("\s*([{};,:])\s*", "\\1", re.sub("/\*.*?\*/", "", re.sub("\s+", " ", sys.stdin.read())))'
检索来自 HTTP 数据中的内容文本
python -c "import sys; print sys.stdin.read().replace('\r','').split('\n\n',2)[1]";
一行判断素数
F = lambda n:False if any([bool(n % i == 0) for i in range(2, int(n ** 0.5) + 1)]) else True
计算一列数字的和
print sum(range(1,1001))
祝你生日快乐
print map(lambda x: "Happy Birthday to " + ("you" if x != 2 else "dear Name"),range(4))
最后介绍一行真正称得上“丧心病狂”的 Python 代码。不过这个要借助 Python 库实现,它可以让你只需一行代码就能可视化你的神经网络。
这个 Python 库叫 ANN Visualizer,同 Keras 一起使用。有了它,我们就可以给自己正在搭建的神经网络创建出简洁漂亮的可视化图形。
可以用如下命令安装该程序库:
pip install ann_visualizer
如果想为神经网络生成可视化图形,执行如下命令结构:
ann_viz(model, view=True, filename=”network.gv”, title=”MyNeural Network”)
其中:
- Model——你的 Keras 序列模型
- View——如果设为 True,它会在命令执行后打开图形预览
- Filename——图形的保存位置(保存为 .gv 文件格式)
- Title——被可视化的神经网络的名字
还有:
import antigravity
将大部分阻塞式系统调用变为协作式
monkey.patch_all()
整理自知乎。 大数据学技术学习交流:805017805.