Python 必须了解的5种高级特征

2023-07-16 22:23:04 186

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

x=lambdaa: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。

defsquare_it_func(a):
returna*a

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

defmultiplier_func(a,b):
returna*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：

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

#Functionthatfiltersoutallnumberswhichareodd
deffilter_odd_numbers(num):

ifnum%2==0:
returnTrue
else:
returnFalse

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：

fromitertoolsimport*

#Easyjoiningoftwolistsintoalistoftuples
foriinizip([1,2,3],['a','b','c']):
printi
#('a',1)
#('b',2)
#('c',3)

#Thecount()functionreturnsaninteratorthat
#producesconsecutiveintegers,forever.This
#oneisgreatforaddingindicesnexttoyourlist
#elementsforreadabilityandconvenience
foriinizip(count(1),['Bob','Emily','Joe']):
printi
#(1,'Bob')
#(2,'Emily')
#(3,'Joe')

#Thedropwhile()functionreturnsaniteratorthatreturns
#alltheelementsoftheinputwhichcomeafteracertain
#conditionbecomesfalseforthefirsttime.
defcheck_for_drop(x):
print'Checking:',x
return(x>5)

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

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


#Thegroupby()functionisgreatforretrievingbunches
#ofiteratorelementswhicharethesameorhavesimilar
#properties

a=sorted([1,2,1,3,2,1,2,3,4,5])
forkey,valueingroupby(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Pythongenerator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！Python2.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Python2.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Python2.xrange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)Usingaforloopv
numbers=list()

foriinrange(1000):
numbers.append(i+1)

total=sum(numbers)

#(2)Usingagenerator
defgenerate_numbers(n):
num,numbers=1,[]
whilenum
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毛票票其它相关文章！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

Python 必须了解的5种高级特征

热门推荐

随机推荐