本文目录一览：
- 1、Python中的9个代码小实例！
- 2、10个极简python代码，拿走即用
- 3、我用了100行Python代码，实现了与女神尬聊微信（附代码）
Python中的9个代码小实例！
1、 串联比较
2、串联函数调用
3、复制列表
4、字典获取元素值
5、 按值排序字典
6、 For Else
7、列表转换为逗号分隔的字符串
8、 合并字典
9、寻找列表中最大和最小元素的索引
若有不明白的地方，请移步Python视频教程继续学习！！
10个极简python代码，拿走即用
Hello，大家好，我是程序汪小成~
虽然python是一个易入门的语言，但是很多人依然还是会问到底怎么样学 Python 才最快，答案当然是实战各种小项目， 只有自己去想与写，才记得住规则 。本文写的是 10 个极简任务，初学者可以尝试着自己实现；本文同样也是 10段代码，Python 开发者也可以看看是不是有没想到的用法。
以下方法可以检查给定列表是不是存在重复元素，它会使用 set() 函数来移除所有重复元素。
给定具体的大小，定义一个函数以按照这个大小切割列表。
这个方法可以将布尔型的值去掉，例如（False，None，0，“”），它使用 filter() 函数。
我们常用 For 循环来遍历某个列表，同样我们也能枚举列表的索引与值。
如下代码段可以将打包好的成对列表解开成两组不同的元组。
该方法将通过递归的方式将列表的嵌套展开为单个列表。
该方法将返回第一个列表的元素，且不在第二个列表内。如果同时要反馈第二个列表独有的元素，还需要加一句 set_b.difference(set_a)。
如下代码块可以用来计算执行特定代码所花费的时间。
该算法会打乱列表元素的顺序，它主要会通过 Fisher-Yates 算法对新列表进行排序：
不需要额外的操作就能交换两个变量的值。
以上，是我简单列举的十个python极简代码，拿走即用，希望对你有所帮助！
我用了100行Python代码，实现了与女神尬聊微信（附代码）
朋友圈很多人都想学python，有一个很重要的原因是它非常适合入门。对于 人工智能算法 的开发，python有其他编程语言所没有的独特优势， 代码量少 ，开发者只需把精力集中在算法研究上面。
本文介绍一个用python开发的，自动与美女尬聊的小软件。以下都是满满的干货，是我工作之余时写的，经过不断优化，现在分享给大家。那现在就让我们抓紧时间开始吧！
准备：
编程工具IDE：pycharm
python版本： 3.6.0
首先新建一个py文件，命名为：ai_chat.py
PS： 以下五步的代码直接复制到单个py文件里面就可以直接运行。为了让读者方便写代码，我把代码都贴出来了，但是排版存在问题，我又把在pycharm的代码排版给截图出来。
第一步： 引入关键包
简单介绍一下上面几个包的作用： pickle 包 是用来对数据序列化存文件、反序列化读取文件，是人类不可读的，但是计算机去读取时速度超快。（就是用记事本打开是乱码）。 而 json包 是一种文本序列化，是人类可读的，方便你对其进行修改（记事本打开，可以看到里面所有内容，而且都认识。） gensim 包 是自然语言处理的其中一个python包，简单容易使用，是入门NLP算法必用的一个python包。 jieba包 是用来分词，对于算法大咖来说效果一般般，但是它的速度非常快，适合入门使用。
以上这些包，不是关键，学习的时候，可以先跳过。等理解整个程序流程后，可以一个一个包有针对性地去看文档。
第二步：静态配置
这里path指的是对话语料（训练数据）存放的位置，model_path是模型存储的路径。
这里是个人编程的习惯，我习惯把一些配置，例如：文件路径、模型存放路径、模型参数统一放在一个类中。当然，实际项目开发的时候，是用config 文件存放，不会直接写在代码里，这里为了演示方便，就写在一起，也方便运行。
第三步： 编写一个类，实现导数据、模型训练、对话预测一体化
首次运行的时候，会从静态配置中读取训练数据的路径，读取数据，进行训练，并把训练好的模型存储到指定的模型路径。后续运行，是直接导入模型，就不用再次训练了。
对于model类，我们一个一个来介绍。
initialize() 函数和 __init__() 函数 是对象初始化和实例化，其中包括基本参数的赋值、模型的导入、模型的训练、模型的保存、最后返回用户一个对象。
__train_model() 函数，对问题进行分词，使用 gesim 实现词袋模型，统计每个特征的 tf-idf , 建立稀疏矩阵，进而建立索引。
__save_model() 函数 和 __load_model() 函数 是成对出现的，很多项目都会有这两个函数，用于保存模型和导入模型。不同的是，本项目用的是文件存储的方式，实际上线用的是数据库
get_answer() 函数使用训练好的模型，对问题进行分析，最终把预测的回答内容反馈给用户。
第四步：写三个工具类型的函数，作为读写文件。
其中，获取对话材料，可以自主修改对话内容，作为机器的训练的数据。我这里只是给了几个简单的对话语料，实际上线的项目，需要大量的语料来训练，这样对话内容才饱满。
这三个工具函数，相对比较简单一些。其中 get_data() 函数，里面的数据是我自己编的，大家可以根据自己的习惯，添加自己的对话数据，这样最终训练的模型，对话方式会更贴近自己的说话方式。
第五步： 调用模型，进行对话预测
主函数main()， 就是你整个程序运行的起点，它控制着所有步骤。
运行结果：
程序后台运行结果：
如果有疑问想获取源码（ 其实代码都在上面 ），可以后台私信我，回复：python智能对话。 我把源码发你。最后，感谢大家的阅读，祝大家工作生活愉快！