鲜为人知的 Python 五种高级特征

开发 后端
下面是 Python 的 5 种高级特征,以及它们的用法。一起来看看吧。

 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!

[[409881]]

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。 

  1. x = lambda a, b : a * b  
  2. print(x(5, 6)) # prints  30  
  3. x = lambda a : a*3 + 3  
  4. 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。 

  1. def square_it_func(a):  
  2.     return a * a  
  3. x = map(square_it_func, [1, 4, 7])  
  4. print(x) # prints  [1, 16, 47]  
  5. def multiplier_func(a, b):  
  6.     return a * b  
  7. x = map(multiplier_func, [1, 4, 7], [2, 5, 8])  
  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: 

  1. # Our numbers  
  2. numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]  
  3. # Function that filters out all numbers which are odd  
  4. def filter_odd_numbers(num):  
  5.     if num % 2 == 0:  
  6.         return True  
  7.     else:  
  8.         return False  
  9. filterfiltered_numbers = filter(filter_odd_numbers, numbers)  
  10. print(filtered_numbers)  
  11. 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: 

  1. from itertools import *  
  2. # Easy joining of two lists into a list of tuples  
  3. for i in izip([1, 2, 3], [ a ,  b ,  c ]):  
  4.     print i  
  5. # ( a , 1)  
  6. # ( b , 2)  
  7. # ( c , 3)  
  8. # The count() function returns an interator that   
  9. # produces consecutive integers, forever. This   
  10. # one is great for adding indices next to your list   
  11. # elements for readability and convenience  
  12. for i in izip(count(1), [ Bob ,  Emily ,  Joe ]):  
  13.     print i 
  14. # (1,  Bob )  
  15. # (2,  Emily )  
  16. # (3,  Joe )      
  17. # The dropwhile() function returns an iterator that returns   
  18. # all the elements of the input which come after a certain   
  19. # condition becomes false for the first time.   
  20. def check_for_drop(x):  
  21.     print  Checking:  , x  
  22.     return (x > 5)  
  23. for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]):  
  24.     print  Result:  , i  
  25. # Checking: 2  
  26. # Checking: 4  
  27. # Result: 6  
  28. # Result: 8  
  29. # Result: 10  
  30. # Result: 12  
  31. # The groupby() function is great for retrieving bunches  
  32. # of iterator elements which are the same or have similar   
  33. # properties  
  34. a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5])  
  35. for key, value in groupby(a):  
  36.     print(key, value), end=   )  
  37. # (1, [1, 1, 1])  
  38. # (2, [2, 2, 2])   
  39. # (3, [3, 3])   
  40. # (4, [4])   
  41. # (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. # (1) Using a for loopv  
  2. numbers = list()  
  3. for i in range(1000):  
  4.     numbers.append(i+1)  
  5. total = sum(numbers)  
  6. # (2) Using a generator  
  7.  def generate_numbers(n): 
  8.      num, numbers = 1, []  
  9.      while num < n:  
  10.            numbers.append(num)  
  11.      num += 1  
  12.      return numbers  
  13.  total = sum(generate_numbers(1000))  
  14.  # (3) range() vs xrange()  
  15.  total = sum(range(1000 + 1))  
  16.  total = sum(xrange(1000 + 1))  

 

责任编辑:庞桂玉 来源: 马哥Linux运维
相关推荐

2021-08-03 09:55:37

Python函数编程语言

2010-01-07 10:05:51

IT顾问特质

2011-05-03 13:13:52

编程PHPJava

2023-05-29 19:39:40

Bash脚本

2018-12-10 19:30:45

2014-04-22 16:38:12

GitHubGitHub 使用技巧

2022-05-30 09:01:13

CSS技巧前端

2009-09-14 09:45:20

Chrome谷歌操作系统

2009-07-09 17:38:35

2014-07-29 14:25:43

Unix命令

2023-04-23 15:11:26

2019-10-08 16:24:33

Chrome浏览器

2022-10-10 12:53:33

Python模块

2020-06-15 14:43:16

Python开发工具

2023-12-21 14:32:51

Python函数

2017-11-08 14:55:16

Linux命令sudo

2015-06-09 11:12:31

Swift语言Swift特性

2015-08-18 10:57:52

机房制冷数据中心

2009-02-09 09:16:28

热键自注销漏洞

2010-03-23 16:53:19

Visual Stud
点赞
收藏

51CTO技术栈公众号