Python 必须了解的5种高级特征


Posted in Python onSeptember 10, 2020

Python 是一种美丽的语言,它简单易用却非常强大。但你真的会用 Python 的所有功能吗?

任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目,并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案,它使用了你从不知道的 Python 功能!

这种学习方式太有趣了:通过探索,偶然发现什么。

下面是 Python 的 5 种高级特征,以及它们的用法。

Lambda 函数

Lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。

Python 函数通常使用 def a_function_name() 样式来定义,但对于 lambda 函数,我们根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算,而无需完全定义函数。

lambda 函数可以使用任意数量的参数,但表达式只能有一个。

x = lambda a, b : a * b
print(x(5, 6)) # prints '30'

x = lambda a : a*3 + 3
print(x(3)) # prints '12'

看它多么简单!我们执行了一些简单的数学运算,而无需定义整个函数。这是 Python 的众多特征之一,这些特征使它成为一种干净、简单的编程语言。

Map 函数

Map() 是一种内置的 Python 函数,它可以将函数应用于各种数据结构中的元素,如列表或字典。对于这种运算来说,这是一种非常干净而且可读的执行方式。

def square_it_func(a):
 return a * a

x = map(square_it_func, [1, 4, 7])
print(x) # prints '[1, 16, 49]'

def multiplier_func(a, b):
 return a * b

x = map(multiplier_func, [1, 4, 7], [2, 5, 8])
print(x) # prints '[2, 20, 56]'看看上面的示例!我们可以将函数应用于单个或多个列表。实际上,你可以使用任何 Python 函数作为 map 函数的输入,只要它与你正在操作的序列元素是兼容的。

Filter 函数

filter 内置函数与 map 函数非常相似,它也将函数应用于序列结构(列表、元组、字典)。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。

详情请看如下示例:

# Our numbers
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]

# Function that filters out all numbers which are odd
def filter_odd_numbers(num):

 if num % 2 == 0:
  return True
 else:
  return False

filtered_numbers = filter(filter_odd_numbers, numbers)

print(filtered_numbers)
# filtered_numbers = [2, 4, 6, 8, 10, 12, 14]

我们不仅评估了每个列表元素的 True 或 False,filter() 函数还确保只返回匹配为 True 的元素。非常便于处理检查表达式和构建返回列表这两步。

Itertools 模块

Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句(包括列表、元组和字典)中使用的数据类型。

使用 Itertools 模块中的函数让你可以执行很多迭代器操作,这些操作通常需要多行函数和复杂的列表理解。关于 Itertools 的神奇之处,请看以下示例:

from itertools import *

# Easy joining of two lists into a list of tuples
for i in izip([1, 2, 3], ['a', 'b', 'c']):
 print i
# ('a', 1)
# ('b', 2)
# ('c', 3)

# The count() function returns an interator that 
# produces consecutive integers, forever. This 
# one is great for adding indices next to your list 
# elements for readability and convenience
for i in izip(count(1), ['Bob', 'Emily', 'Joe']):
 print i
# (1, 'Bob')
# (2, 'Emily')
# (3, 'Joe') 

# The dropwhile() function returns an iterator that returns 
# all the elements of the input which come after a certain 
# condition becomes false for the first time. 
def check_for_drop(x):
 print 'Checking: ', x
 return (x > 5)

for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]):
 print 'Result: ', i

# Checking: 2
# Checking: 4
# Result: 6
# Result: 8
# Result: 10
# Result: 12


# The groupby() function is great for retrieving bunches
# of iterator elements which are the same or have similar 
# properties

a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5])
for key, value in groupby(a):
 print(key, value), end=' ')

# (1, [1, 1, 1])
# (2, [2, 2, 2]) 
# (3, [3, 3]) 
# (4, [4]) 
# (5, [5])

Generator 函数

Generator 函数是一个类似迭代器的函数,即它也可以用在 for 循环语句中。这大大简化了你的代码,而且相比简单的 for 循环,它节省了很多内存。

比如,我们想把 1 到 1000 的所有数字相加,以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。

如果列表很小,比如 1000 行,计算所需的内存还行。但如果列表巨长,比如十亿浮点数,这样做就会出现问题了。使用这种 for 循环,内存中将出现大量列表,但不是每个人都有无限的 RAM 来存储这么多东西的。Python 中的 range() 函数也是这么干的,它在内存中构建列表。

代码中第二部分展示了使用 Python generator 函数对数字列表求和。generator 函数创建元素,并只在必要时将其存储在内存中,即一次一个。这意味着,如果你要创建十亿浮点数,你只能一次一个地把它们存储在内存中!Python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。

上述例子说明:如果你想为一个很大的范围生成列表,那么就需要使用 generator 函数。如果你的内存有限,比如使用移动设备或边缘计算,使用这一方法尤其重要。

也就是说,如果你想对列表进行多次迭代,并且它足够小,可以放进内存,那最好使用 for 循环或 Python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值,而 Python 2.x range 函数是静态的列表,而且整数已经置于内存中,以便快速访问。

# (1) Using a for loopv
numbers = list()

for i in range(1000):
 numbers.append(i+1)

total = sum(numbers)

# (2) Using a generator
 def generate_numbers(n):
  num, numbers = 1, []
  while num < n:
   numbers.append(num)
  num += 1
  return numbers
 total = sum(generate_numbers(1000))

 # (3) range() vs xrange()
 total = sum(range(1000 + 1))
 total = sum(xrange(1000 + 1))

以上就是Python 必须了解的5种高级特征的详细内容,更多关于python 高级特征的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
寻找网站后台地址的python脚本
Sep 01 Python
Python中index()和seek()的用法(详解)
Apr 27 Python
Python学习之用pygal画世界地图实例
Dec 07 Python
Python中 map()函数的用法详解
Jul 10 Python
利用Python将每日一句定时推送至微信的实现方法
Aug 13 Python
python实现的MySQL增删改查操作实例小结
Dec 19 Python
python 机器学习之支持向量机非线性回归SVR模型
Jun 26 Python
python打印9宫格、25宫格等奇数格 满足横竖斜相加和相等
Jul 19 Python
使用tensorflow实现矩阵分解方式
Feb 07 Python
Python openpyxl模块实现excel读写操作
Jun 30 Python
python 对象真假值的实例(哪些视为False)
Dec 11 Python
python编程简单几行代码实现视频转换Gif示例
Oct 05 Python
matplotlib 多个图像共用一个colorbar的实现示例
Sep 10 #Python
利用python 读写csv文件
Sep 10 #Python
如何用Python 加密文件
Sep 10 #Python
Python 高效编程技巧分享
Sep 10 #Python
python操作redis数据库的三种方法
Sep 10 #Python
Python计算矩阵的和积的实例详解
Sep 10 #Python
python如何运行js语句
Sep 09 #Python
You might like
php自动加载机制的深入分析
2013/06/08 PHP
PHP仿博客园 个人博客(2) 数据库增添改删
2013/07/05 PHP
php魔术变量用法实例详解
2014/11/13 PHP
PHP编程快速实现数组去重的方法详解
2017/07/22 PHP
让Laravel API永远返回JSON格式响应的方法示例
2018/09/05 PHP
有一段有意思的代码-javascript现实多行信息
2007/08/26 Javascript
用函数式编程技术编写优美的 JavaScript_ibm
2008/05/16 Javascript
如何确保JavaScript的执行顺序 之实战篇
2011/03/03 Javascript
js比较和逻辑运算符的介绍
2013/03/10 Javascript
SeaJS入门教程系列之完整示例(三)
2014/03/03 Javascript
Javascript堆排序算法详解
2014/12/03 Javascript
微信分享调用jssdk实例
2017/06/08 Javascript
解决vue cli使用typescript后打包巨慢的问题
2019/09/30 Javascript
构建大型 Vue.js 项目的10条建议(小结)
2019/11/14 Javascript
js实现幻灯片轮播图
2020/08/14 Javascript
Vue使用Element实现增删改查+打包的步骤
2020/11/25 Vue.js
Python 网络编程起步(Socket发送消息)
2008/09/06 Python
使用Python编写vim插件的简单示例
2015/04/17 Python
使用Python的urllib和urllib2模块制作爬虫的实例教程
2016/01/20 Python
Python实现Linux命令xxd -i功能
2016/03/06 Python
Python中elasticsearch插入和更新数据的实现方法
2018/04/01 Python
Python Tkinter模块实现时钟功能应用示例
2018/07/23 Python
让你Python到很爽的加速递归函数的装饰器
2019/05/26 Python
使用Keras实现Tensor的相乘和相加代码
2020/06/18 Python
matplotlib基础绘图命令之bar的使用方法
2020/08/13 Python
Python使用paramiko连接远程服务器执行Shell命令的实现
2021/03/04 Python
Sahajan美国:阿育吠陀护肤品牌
2021/01/09 全球购物
Quiksilver美国官网:始于1969年的优质冲浪服和滑雪板外套
2020/04/20 全球购物
如何用PHP实现邮件发送
2012/12/26 面试题
2014年教师培训的自我评价
2014/01/03 职场文书
关于工作经历的证明书
2014/10/11 职场文书
升学宴答谢词
2015/01/05 职场文书
布达拉宫的导游词
2015/02/02 职场文书
就业证明函
2015/06/17 职场文书
常住证明范本
2015/06/23 职场文书
Python+Pillow+Pytesseract实现验证码识别
2022/05/11 Python