0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Python中五种略高级特征的使用方法

电子工程师 来源:fqj 2019-04-24 10:12 次阅读

Python 多好用不用多说,大家看看自己用的语言就知道了。但是 Python 隐藏的高级功能你都 get 了吗?本文中,作者列举了 Python 中五种略高级的特征以及它们的使用方法,快来一探究竟吧!

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

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*ax=map(square_it_func,[1,4,7])print(x)#prints'[1,16,47]'defmultiplier_func(a,b):returna*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。

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:

#Ournumbersnumbers=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]#Functionthatfiltersoutallnumberswhichareodddeffilter_odd_numbers(num):ifnum%2==0:
returnTrue
else:
returnFalsefiltered_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*#Easyjoiningoftwolistsintoalistoftuplesforiinizip([1,2,3],['a','b','c']):printi#('a',1)#('b',2)#('c',3)#Thecount()functionreturnsaninteratorthat#producesconsecutiveintegers,forever.This#oneisgreatforaddingindicesnexttoyourlist#elementsforreadabilityandconvenienceforiinizip(count(1),['Bob','Emily','Joe']):printi#(1,'Bob')#(2,'Emily')#(3,'Joe')#Thedropwhile()functionreturnsaniteratorthatreturns#alltheelementsoftheinputwhichcomeafteracertain#conditionbecomesfalseforthefirsttime.defcheck_for_drop(x):print'Checking:',xreturn(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#propertiesa=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 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)Usingaforloopvnumbers=list()foriinrange(1000):numbers.append(i+1)total=sum(numbers)#(2)Usingageneratordefgenerate_numbers(n):
num,numbers=1,[]whilenum< n:
numbers.append(num)
num+=1
returnnumberstotal=sum(generate_numbers(1000))#(3)range()vsxrange()total=sum(range(1000+1))total=sum(xrange(1000+1))

作者:George Seif

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 模块
    +关注

    关注

    7

    文章

    2440

    浏览量

    46397
  • 函数
    +关注

    关注

    3

    文章

    3846

    浏览量

    61228
  • python
    +关注

    关注

    51

    文章

    4657

    浏览量

    83380

原文标题:Python的高级特征你知多少?来对比看看

文章出处:【微信号:aicapital,微信公众号:全球人工智能】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    Py之neurolab:Python库之neurolab的简介、安装、使用方法之详细攻略

    Py之neurolab:Python库之neurolab的简介、安装、使用方法之详细攻略
    发表于 12-20 10:36

    Python库的twisted简介安装和使用方法

    Py之twisted:Python库之twisted简介、安装、使用方法等详细攻略
    发表于 12-25 10:03

    Python库的PyMySQL简介安装及使用方法

    Py之PyMySQL:Python库之PyMySQL的简介、安装、使用方法之详细攻略
    发表于 12-26 10:40

    Python库pywin3的安装和使用方法详解

    Py之pywin32:Python库之pywin3的简介、安装、使用方法之详细攻略
    发表于 12-27 10:10

    Python库的Shutil简介和安装及使用方法

    Py之Shutil:Python库之Shutil简介、安装、使用方法之详细攻略
    发表于 12-27 16:46

    Python库的Xlrd简介和安装及使用方法

    Py之Xlrd:Python库之Xlrd简介、安装、使用方法之详细攻略
    发表于 12-27 16:46

    Python库的ipykernel简介安装及使用方法

    Py之ipykernel:Python库之ipykernel简介、安装、使用方法之详细攻略
    发表于 12-27 16:47

    python库之basemap安装和使用方法

    Py之basemap:python库之basemap的简介、安装、使用方法之详细攻略
    发表于 12-28 10:24

    磁性传感器有什么特性,特征使用方法

    以磁性开关传感器IC(AS系列)为例,来分析磁性传感器有什么特性,特征使用方法
    发表于 04-07 06:21

    1.3 两运行 Python 程序方法

    1.3 两运行 Python 程序方法前两节我们安装好了 CPython 解释器,有了解释器,就可以运行 Python 程序了。Python
    发表于 02-16 18:31

    Python 转义字符的5表示方法

    ;> a = u"">>> au'\u4e2d'由此,要实现 hello + 回车 + world ,就有了第四种方法。# 第四种方法:使用 unicode
    发表于 04-11 15:18

    高级驱动辅助系统的传感器的使用方法

    本文档介绍了对高级驱动辅助系统的传感器的使用方法,供网友参考。
    发表于 09-13 18:37 1次下载

    简要介绍一下Python-UNO的使用方法

    OpenOffice是一个免费的、开源的办公套装,集成了允许开发者用不同语言进行开发的API。Python-UNO让你可以在Python环境下使用OpenOffice。本文简要介绍了一下Python-UNO的
    的头像 发表于 01-04 14:54 7723次阅读
    简要介绍一下<b class='flag-5'>Python</b>-UNO的<b class='flag-5'>使用方法</b>

    python中的字典(dict)对象以及其使用方法

    本文通过以英文的形式全面讲解了python中的字典(dict)对象以及其使用方法
    发表于 05-15 10:00 1次下载

    关于Python的5种高级特征应用

    本文主要讲解 Python 的 5 种高级特征,以及它们的用法。 1. 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
    的头像 发表于 09-27 15:56 1215次阅读