Pythonic风格的K-means聚类算法实现

引言

Python作为一门编码语言，具有丰富的语法特性和标准库，熟练运用这些特性可以使代码更为高效。本文以几个示例为例，展示Pythonic风格的代码如何运用Python的特性，提高代码运行效率。

List求和

样例数据生成：

使用Python的random模块随机生成测试数据。

<code>import random l = [random.normalvariate(0,1) for i in range(100000)]</code>

Pythonic风格实现

<code>def sum3(l): # GOOD return sum(l)</code>

字符串拼接

样例数据生成：

将上述生成的数据转化为字符串。

<code>strings = ['%.3f' % x for x in l]</code>

Pythonic实现

<code>def concat2(strings): # GOOD return ', '.join(strings)</code>

统计数字出现频率

样例数据生成：

生成包含数字0-99的长度为100,000的list。

<code>l = [random.randint(0, 100) for _ in range(100000)]</code>

Pythonic实现

<code>from collections import Counter def hist3(l): # GOOD return Counter(l)</code>

总结

熟练掌握Python的语法特性和标准库可以大大提高代码的效率，使其更加Pythonic。