网站404 原因,免费ip地址网站,网络维护人员必备技能,html编辑器哪个好用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#xff0c;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#xff0c;它使用了你从不知道的 Python 功能#xff01;这种学习方式太有趣了…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。一、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 * bprint(x(5, 6)) # prints 30x lambda a : a*3 3print(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。二、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 * ax map(square_it_func, [1, 4, 7])print(x) # prints [1, 16, 49]def multiplier_func(a, b): return a * bx 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。三、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 numbersnumbers [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]# Function that filters out all numbers which are odddef filter_odd_numbers(num): if num % 2 0: return True else: return Falsefiltered_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 Falsefilter() 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。四、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 tuplesfor 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 conveniencefor 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 # propertiesa 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])五、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。 欢迎大家点赞留言转发转载感谢大家的相伴与支持万水千山总是情点个【在看】行不行*声明本文于网络整理版权归原作者所有如来源信息有误或侵犯权益请联系我们删除或授权事宜
