歡迎光臨
每天分享高質量文章

Python 的高級特征你知多少?來對比看看

(點擊上方快速關註並設置為星標,一起學Python)

公眾號:機器之心

作者:George Seif

Python 多好用不用多說,大家看看自己用的語言就知道了。但是 Python 隱藏的高級功能你都 get 了嗎?本文中,作者列舉了 Python 中五種略高級的特征以及它們的使用方法,快來一探究竟吧!

Python 是一種美麗的語言,它簡單易用卻非常強大。但你真的會用 Python 的所有功能嗎?

任何編程語言的高級特征通常都是通過大量的使用經驗才發現的。比如你在編寫一個複雜的專案,併在 stackoverflow 上尋找某個問題的答案。然後你突然發現了一個非常優雅的解決方案,它使用了你從不知道的 Python 功能!

這種學習方式太有趣了:通過探索,偶然發現什麼。

下麵是 Python 的 5 種高級特征,以及它們的用法。

Lambda 函式

Lambda 函式是一種比較小的匿名函式——匿名是指它實際上沒有函式名。

Python 函式通常使用 def a_function_name() 樣式來定義,但對於 lambda 函式,我們根本沒為它命名。這是因為 lambda 函式的功能是執行某種簡單的運算式或運算,而無需完全定義函式。

lambda 函式可以使用任意數量的引數,但運算式只能有一個。

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

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

看它多麼簡單!我們執行了一些簡單的數學運算,而無需定義整個函式。這是 Python 的眾多特征之一,這些特征使它成為一種乾凈、簡單的編程語言。

Map 函式

Map() 是一種內置的 Python 函式,它可以將函式應用於各種資料結構中的元素,如串列或字典。對於這種運算來說,這是一種非常乾凈而且可讀的執行方式。

def square_it_func(a):
    return a * a

x = map(square_it_func, [147])
print(x) # prints '[1, 16, 49]'

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

x = map(multiplier_func, [147], [258])
print(x) # prints '[2, 20, 56]'看看上面的示例!我們可以將函式應用於單個或多個串列。實際上,你可以使用任何 Python 函式作為 map 函式的輸入,只要它與你正在操作的序列元素是兼容的。

Filter 函式

filter 內置函式與 map 函式非常相似,它也將函式應用於序列結構(串列、元組、字典)。二者的關鍵區別在於 filter() 將只傳回應用函式傳回 True 的元素。

詳情請看如下示例:

# Our numbers
numbers = [123456789101112131415]

# 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]

我們不僅評估了每個串列元素的 True 或 False,filter() 函式還確保只傳回匹配為 True 的元素。非常便於處理檢查運算式和構建傳回串列這兩步。

Itertools 模塊

Python 的 Itertools 模塊是處理迭代器的工具集合。迭代器是一種可以在 for 迴圈陳述句(包括串列、元組和字典)中使用的資料型別。

使用 Itertools 模塊中的函式讓你可以執行很多迭代器操作,這些操作通常需要多行函式和複雜的串列理解。關於 Itertools 的神奇之處,請看以下示例:

from itertools import *

# Easy joining of two lists into a list of tuples
for i in izip([123], ['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, [24681012]):
    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([1213212345])
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 函式

Generator 函式是一個類似迭代器的函式,即它也可以用在 for 迴圈陳述句中。這大大簡化了你的代碼,而且相比簡單的 for 迴圈,它節省了很多記憶體。

比如,我們想把 1 到 1000 的所有數字相加,以下代碼塊的第一部分向你展示瞭如何使用 for 迴圈來進行這一計算。

如果串列很小,比如 1000 行,計算所需的記憶體還行。但如果串列巨長,比如十億浮點數,這樣做就會出現問題了。使用這種 for 迴圈,記憶體中將出現大量串列,但不是每個人都有無限的 RAM 來儲存這麼多東西的。Python 中的 range() 函式也是這麼乾的,它在記憶體中構建串列。

代碼中第二部分展示了使用 Python generator 函式對數字串列求和。generator 函式創建元素,並只在必要時將其儲存在記憶體中,即一次一個。這意味著,如果你要創建十億浮點數,你只能一次一個地把它們儲存在記憶體中!Python 2.x 中的 xrange() 函式就是使用 generator 來構建串列。

上述例子說明:如果你想為一個很大的範圍生成串列,那麼就需要使用 generator 函式。如果你的記憶體有限,比如使用移動設備或邊緣計算,使用這一方法尤其重要。

也就是說,如果你想對串列進行多次迭代,並且它足夠小,可以放進記憶體,那最好使用 for 迴圈或 Python 2.x 中的 range 函式。因為 generator 函式和 xrange 函式將會在你每次訪問它們時生成新的串列值,而 Python 2.x range 函式是靜態的串列,而且整數已經置於記憶體中,以便快速訪問。

# (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            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))

原文鏈接:https://towardsdatascience.com/5-advanced-features-of-python-and-how-to-use-them-73bffa373c84

赞(0)

分享創造快樂