摘要:模块的模块是处理迭代器的工具集合。迭代器是一种可以在循环语句包括列表元组和字典中使用的数据类型。使用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。
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,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。这里推荐一下我们的Python学习扣qun:784,758,214,这里是python学习者聚集地
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" 4. x = lambda a : a*3 + 3 5. 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 4. x = map(square_it_func, [1, 4, 7]) 5. print(x) # prints "[1, 16, 47]" 7. def multiplier_func(a, b): 8. return a * b 10. x = map(multiplier_func, [1, 4, 7], [2, 5, 8]) 11. 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。 这里推荐一下我们的Python学习扣qun:784758214,这里是python学习者聚集地
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] 4. # Function that filters out all numbers which are odd 5. def filter_odd_numbers(num): 7. if num % 2 == 0: 8. return True 9. else: 10. return False 12. filtered_numbers = filter(filter_odd_numbers, numbers) 14. print(filtered_numbers) 15. # 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 * 3. # Easy joining of two lists into a list of tuples 4. for i in izip([1, 2, 3], ["a", "b", "c"]): 5. print i 6. # ("a", 1) 7. # ("b", 2) 8. # ("c", 3) 10. # The count() function returns an interator that 11. # produces consecutive integers, forever. This 12. # one is great for adding indices next to your list 13. # elements for readability and convenience 14. for i in izip(count(1), ["Bob", "Emily", "Joe"]): 15. print i 16. # (1, "Bob") 17. # (2, "Emily") 18. # (3, "Joe") 20. # The dropwhile() function returns an iterator that returns 21. # all the elements of the input which come after a certain 22. # condition becomes false for the first time. 23. def check_for_drop(x): 24. print "Checking: ", x 25. return (x > 5) 27. for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]): 28. print "Result: ", i 30. # Checking: 2 31. # Checking: 4 32. # Result: 6 33. # Result: 8 34. # Result: 10 35. # Result: 12 38. # The groupby() function is great for retrieving bunches 39. # of iterator elements which are the same or have similar 40. # properties 42. a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5]) 43. for key, value in groupby(a): 44. print(key, value), end=" ") 46. # (1, [1, 1, 1]) 47. # (2, [2, 2, 2]) 48. # (3, [3, 3]) 49. # (4, [4]) 50. # (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() 4. for i in range(1000): 5. numbers.append(i+1) 7. total = sum(numbers) 9. # (2) Using a generator 10. def generate_numbers(n): 11. num, numbers = 1, [] 12. while num < n: 13. numbers.append(num) 14. num += 1 15. return numbers 16. total = sum(generate_numbers(1000)) 18. # (3) range() vs xrange() 19. total = sum(range(1000 + 1)) 20. total = sum(xrange(1000 + 1))
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/43923.html
摘要:正所谓万事开头难,只要迈出了第一步,你就已经成功了一半,古人说的好不积跬步,无以至千里。等到完成之后再回顾这一段路程的时候,你肯定会感慨良多。 同行,没有不焦虑3...
摘要:通常,这意味着社区的贡献者会为该语言添加一些有趣和特别的彩蛋以及隐藏的特性当然前提是不会增加在生产环境中使用的风险。据传这是中的八荣八耻,每个有追求的程序员都应该谨记于心。可读性应当被重视。面对不明确的定义,拒绝猜测的诱惑。 阅读文本大概需要 6.6 分钟。 当一门编程语言是开源的时候,往往会有产生一些搞笑和有趣的东西。通常,这意味着社区的贡献者会为该语言添加一些有趣和特别的彩蛋以及隐...
摘要:比如把上面画正方形的例子稍做变化重复执行次画正方形开始画正方形结束右转度执行后,可以看到,画出一个非常规整漂亮的组合图案。 turtle图形库源于1966年诞生的Logo语言,是入门Python的有趣工具。因其简单便捷的图形化方法、和立即反馈式的绘画效果,成为众多编程入门者的首选。相对于大多数入门教材中枯燥的语法学习,和函数、方法的演练来说,turtle的趣味性显得别具一格、极富效...
摘要:英伟达作为的开发合作者,计划对的深度学习应用推出一系列博客文章。可使用的英伟达深度学习库和来实现高性能多加速训练和推理。最近的训练基准使用了块的英伟达和神经网络架构。 昨天,Facebook 推出了 Caffe2,一个兼具表现力、速度和模块性的开源深度学习框架。它沿袭了大量的 Caffe 设计,可解决多年来在 Caffe 的使用和部署之中发现的瓶颈问题。最终,Caffe2 打开了算法实验和新...
摘要:一个就像一个乐高玩具。问题是不是你小时候玩儿的那个有趣,它们不是充满想象力的打气筒,也不是一种乐高玩具。这是对的并不是给开发者使用的,它们是给库作者使用的。不会超过这两种情况。第二个是根据第一个处理函数如何运行来自动变成状态成功或者失败。 原文地址:http://blog.getify.com/promis... 在 Part4:扩展问题 中,我讨论了如何扩展和抽象Promise是多么...
阅读 1131·2023-04-26 02:42
阅读 1600·2021-11-12 10:36
阅读 1700·2021-10-25 09:47
阅读 1231·2021-08-18 10:22
阅读 1775·2019-08-30 15:52
阅读 1174·2019-08-30 10:54
阅读 2598·2019-08-29 18:46
阅读 3465·2019-08-26 18:27