Python高級用法總結(jié)
列表推導(dǎo)(list comprehensions)
場景1:將一個三維列表中所有一維數(shù)據(jù)為a的元素合并,組成新的二維列表。
最簡單的方法:新建列表,遍歷原三維列表,判斷一維數(shù)據(jù)是否為a,若為a,則將該元素append至新列表中。
缺點:代碼太繁瑣,對于Python而言,執(zhí)行速度會變慢很多。
針對場景1,我們首先應(yīng)該想到用列表解析式來解決處理,一行代碼即可解決:
lista = [item for item in array if item[0] == 'a']
那么,何為列表解析式?
官方解釋:列表解析式是Python內(nèi)置的非常簡單卻強大的可以用來創(chuàng)建list的生成式。
強大具體如何體現(xiàn)?
可以看到,使用列表解析式的寫法更加簡短,除此之外,因為是Python內(nèi)置的用法,底層使用C語言實現(xiàn),相較于編寫Python代碼而言,運行速度更快。
場景2: 對于一個列表,既要遍歷索引又要遍歷元素。
這里可以使用Python內(nèi)建函數(shù)enumerate,在循環(huán)中更好的獲取獲得索引。
array = ['I', 'love', 'Python'] for i, element in enumerate(array): array[i] = '%d: %s' % (i, seq[i])
可以使用列表推導(dǎo)式對其進行重構(gòu):
def getitem(index, element): return '%d: %s' % (index, element) array = ['I', 'love', 'Python'] arrayIndex = [getitem(index, element) for index, element in enumerate(array)]
據(jù)說這種寫法更加的Pythonic。
總結(jié):如果要對現(xiàn)有的可迭代對象做一些處理,然后生成新的列表,使用列表推導(dǎo)式將是最便捷的方法。
迭代器和生成器
迭代器(Iterator)
這里的迭代可以指for循環(huán),在Python中,對于像list,dict和文件等而言,都可以使用for循環(huán),但是它們并不是迭代器,它們屬于可迭代對象。
什么可迭代對象
最簡單的解釋:可以使用for...in...語句進行循環(huán)的對象,就是可迭代對象(Iterable),可以使用isinstance()方法進行判斷。
from collections import Iterable type = isinstance('python', Iterable) print type
什么是迭代器
迭代器指的是可以使用next()方法來回調(diào)的對象,可以對可迭代對象使用iter()方法,將其轉(zhuǎn)換為迭代器。
temp = iter([1, 2, 3]) print type(temp) print next(temp)
此時temp就是一個迭代器。所以說,迭代器基于兩個方法:
- next:返回下一個項目
- iter 返回迭代器本身
可理解為可被next()函數(shù)調(diào)用并不斷返回下一個值的對象就是迭代器,在定義一個裝飾器時將需要同時定義這兩個方法。
迭代器的優(yōu)勢
在構(gòu)建迭代器時,不是將所有的元素一次性的加載,而是等調(diào)用next方法時返回元素,所以不需要考慮內(nèi)存的問題。
迭代器應(yīng)用場景
那么,具體在什么場景下可以使用迭代器呢?
- 數(shù)列的數(shù)據(jù)規(guī)模巨大
- 數(shù)列有規(guī)律,但是不能使用列表推導(dǎo)式描述。
生成器
生成器是一種高級迭代器,使得需要返回一系列元素的函數(shù)所需的代碼更加的簡單和高效(不像創(chuàng)建迭代器代碼那般冗長)。
生成器函數(shù)
生成器函數(shù)基于yield指令,可以暫停一個函數(shù)并返回中間結(jié)果。當(dāng)需要一個將返回一個序列或在循環(huán)中執(zhí)行的函數(shù)時,就可以使用生成器,因為當(dāng)這些元素被傳遞到另一個函數(shù)中進行后續(xù)處理時,一次返回一個元素可以有效的提升整體性能。
常見的應(yīng)用場景是使用生成器的流數(shù)據(jù)緩沖區(qū)。
生成器表達式
生成式表達式是一種實現(xiàn)生成器的便捷方式,將列表推導(dǎo)式的中括號替換為圓括號。
和列表推導(dǎo)式的區(qū)別:列表生成式可以直接創(chuàng)建一個表,但是生成器表達式是一種邊循環(huán)邊計算,使得列表的元素可以在循環(huán)過程中一個個的推算出來,不需要創(chuàng)建完整的列表,從而節(jié)省了大量的空間。
g = (x * x for x in range(10))
總結(jié):生成器是一種高級迭代器。生成器的優(yōu)點是延遲計算,一次返回一個結(jié)果,這樣非常適用于大數(shù)據(jù)量的計算。但是,使用生成器必須要注意的一點是:生成器只能遍歷一次。
lambda表達式(匿名函數(shù))
lambda表達式純粹是為了編寫簡單函數(shù)而設(shè)計,起到了一個函數(shù)速寫的作用,使得簡單函數(shù)可以更加簡潔的表示。
lambda和def的區(qū)別
lambda表達式可以省去定義函數(shù)的過程,讓代碼更加的簡潔,適用于簡單函數(shù),編寫處理更大業(yè)務(wù)的函數(shù)需要使用def定義。
lambda表達式常搭配map(), reduce(), filter()函數(shù)使用
-
map(): map函數(shù)接受兩個參數(shù),一個是函數(shù),一個是序列,其中,函數(shù)可以接收一個或者多個參數(shù)。map將傳入的函數(shù)依次作用于序列中的每個元素,將結(jié)果作為新的列表返回。
#將一個列表中的數(shù)字轉(zhuǎn)換為字符串 map(str, [1,2,3,4,5,6]) -
reduce():函數(shù)接收兩個參數(shù),一個是函數(shù),另一個是序列,但是,函數(shù)必須接收兩個參數(shù)reduce把結(jié)果繼續(xù)和序列的下一個元素做累積計算,其效果就是reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)。
-
filter():該函數(shù)用于篩選,將傳入的函數(shù),依次作用于每個元素,然后根據(jù)函數(shù)的返回值是True還是False,決定是留下還是丟棄該元素。
裝飾器
裝飾器本質(zhì)是一個Python函數(shù),它可以讓其它函數(shù)在沒有任何代碼變動的情況下增加額外功能。有了裝飾器,我們可以抽離出大量和函數(shù)功能本身無關(guān)的雷同代碼并繼續(xù)重用。經(jīng)常用于具有切面需求的場景:包括插入日志、性能測試、事務(wù)處理、緩存和權(quán)限校驗等。
那么為什么要引入裝飾器呢?
場景:計算一個函數(shù)的執(zhí)行時間。
一種方法就是定義一個函數(shù),用來專門計算函數(shù)的運行時間,然后運行時間計算完成之后再處理真正的業(yè)務(wù)代碼,代碼如下:
import time def get_time(func): startTime = time.time() func() endTime = time.time() processTime = (endTime - startTime) * 1000 print "The function timing is %f ms" %processTime def myfunc(): print "start func" time.sleep(0.8) print "end func" get_time(myfunc) myfunc()
但是這段代碼的邏輯破壞了原有的代碼邏輯,就是對所有func函數(shù)的調(diào)用都需要使用get_time(func)來實現(xiàn)。
那么,有沒有更好的展示方式呢?當(dāng)然有,那就是裝飾器。
編寫簡單裝飾器
結(jié)合上述實例,編寫裝飾器:
def get_time(func): def wrapper(): startTime = time.time() func() endTime = time.time() processTime = (endTime - startTime) * 1000 print "The function timing is %f ms" %processTime return wrapper print "myfunc is:", myfunc.__name__ myfunc = get_time(myfunc) print "myfunc is: ", myfunc.__name__ myfunc()
這樣,一個簡單的完整的裝飾器就實現(xiàn)了,可以看到,裝飾器并沒有影響函數(shù)的執(zhí)行邏輯和調(diào)用。
在Python中,可以使用"@"語法糖來精簡裝飾器的代碼,將上例更改為:
@ get_time def myfunc(): print "start func" time.sleep(0.8) print "end func" print "myfunc is: ", myfunc.__name__ myfunc()
** 裝飾器的調(diào)用順序**
裝飾器可以疊加使用,若多個裝飾器同時裝飾一個函數(shù),那么裝飾器的調(diào)用順序和@語法糖的聲明順序相反,也就是:
@decorator1 @decorator2 def func(): pass
等效于:
func = decorator1(decorator2(func()))
被裝飾的函數(shù)帶參數(shù)
上述實例中,myfunc()是沒有參數(shù)的,那如果添加參數(shù)的話,裝飾器該如何編寫呢?
#被裝飾的函數(shù)帶參數(shù) def get_time3(func): def wrapper(*args, **kwargs): startTime = time.time() func(*args, **kwargs) endTime = time.time() processTime = (endTime - startTime) * 1000 print "The function timing is %f ms" %processTime return wrapper @ get_time3 def myfunc2(a): print "start func" print a time.sleep(0.8) print "end func" a = "test" myfunc2(a)
帶參數(shù)的裝飾器
裝飾器有很大的靈活性,它本身支持參數(shù),例如在上述實例中,@get_time裝飾器唯一的參數(shù)就是執(zhí)行業(yè)務(wù)的函數(shù),當(dāng)然也可以在裝飾器中添加參數(shù),加以邏輯判斷。
內(nèi)置裝飾器
Python中,常見的類裝飾器包括:@staticmathod、@classmethod和@property
- @staticmethod:類的靜態(tài)方法,跟成員方法的區(qū)別是沒有self參數(shù),并且可以在類不進行實例化的情況下調(diào)用。
- @classmethod:跟成員方法的區(qū)別是接收的第一個參數(shù)不是self,而是cls(當(dāng)前類的具體類型)
- @property:表示可以直接通過類實例直接訪問的信息。
以上,是本次整理的Python高級用法,本文將持續(xù)更新。
相關(guān)文章
python回調(diào)函數(shù)中使用多線程的方法
這篇文章主要介紹了python回調(diào)函數(shù)中使用多線程的方法,需要的朋友可以參考下2017-12-12python+Django實現(xiàn)防止SQL注入的辦法
這篇文章主要介紹了python+Django實現(xiàn)防止SQL注入的辦法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10Python imutils 填充圖片周邊為黑色的實現(xiàn)
今天小編就為大家分享一篇Python imutils 填充圖片周邊為黑色的實現(xiàn),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01Django之全局使用request.user.username的實例詳解
這篇文章主要介紹了Django之全局使用request.user.username的實例詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05