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(jìn)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(jìn)行循環(huán)的對象，就是可迭代對象（Iterable），可以使用isinstance()方法進(jìn)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(jìn)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(dá)式

生成式表達(dá)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(dá)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(dá)式（匿名函數(shù)）

lambda表達(dá)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(dá)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(dá)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(jìn)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。

最新評論