Python的5种高级用法，效率提升没毛病！

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!

成都创新互联专注为客户提供全方位的互联网综合服务，包含不限于网站设计制作、成都网站建设、吉木乃网络推广、重庆小程序开发、吉木乃网络营销、吉木乃企业策划、吉木乃品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等，从售前售中售后，我们都将竭诚为您服务，您的肯定，是我们最大的嘉奖；成都创新互联为所有大学生创业者提供吉木乃建站搭建服务，24小时服务热线：13518219792，官方网址：www.cdcxhl.com

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。

 
 
 
 
    
  
  
  
  
  1. x = lambda a, b : a * b 
    2. 
  
  
  
  
  2. print(x(5, 6)) # prints  30 
    3. 
  
  
  
  
  3.  
    4. 
  
  
  
  
  4. x = lambda a : a*3 + 3 
    5. 
  
  
  
  
  5. print(x(3)) # prints  12 
    6.

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. 
  
  
  
  
  2.     return a * a 
    3. 
  
  
  
  
  3.  
    4. 
  
  
  
  
  4. x = map(square_it_func, [1, 4, 7]) 
    5. 
  
  
  
  
  5. print(x) # prints  [1, 16, 47] 
    6. 
  
  
  
  
  6.  
    7. 
  
  
  
  
  7. def multiplier_func(a, b): 
    8. 
  
  
  
  
  8.     return a * b 
    9. 
  
  
  
  
  9.  
    10. 
  
  
  
  
  10. x = map(multiplier_func, [1, 4, 7], [2, 5, 8]) 
    11. 
  
  
  
  
  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。 
    12.

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. 
  
  
  
  
  2. numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15] 
    3. 
  
  
  
  
  3.  
    4. 
  
  
  
  
  4. # Function that filters out all numbers which are odd 
    5. 
  
  
  
  
  5. def filter_odd_numbers(num): 
    6. 
  
  
  
  
  6.  
    7. 
  
  
  
  
  7.     if num % 2 == 0: 
    8. 
  
  
  
  
  8.         return True 
    9. 
  
  
  
  
  9.     else: 
    10. 
  
  
  
  
  10.         return False 
    11. 
  
  
  
  
  11.  
    12. 
  
  
  
  
  12. filtered_numbers = filter(filter_odd_numbers, numbers) 
    13. 
  
  
  
  
  13.  
    14. 
  
  
  
  
  14. print(filtered_numbers) 
    15. 
  
  
  
  
  15. # filtered_numbers = [2, 4, 6, 8, 10, 12, 14] 
    16.

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 * 
    2. 
  
  
  
  
  2.  
    3. 
  
  
  
  
  3. # Easy joining of two lists into a list of tuples 
    4. 
  
  
  
  
  4. for i in izip([1, 2, 3], [ a ,  b ,  c ]): 
    5. 
  
  
  
  
  5.     print i 
    6. 
  
  
  
  
  6. # ( a , 1) 
    7. 
  
  
  
  
  7. # ( b , 2) 
    8. 
  
  
  
  
  8. # ( c , 3) 
    9. 
  
  
  
  
  9.  
    10. 
  
  
  
  
  10. # The count() function returns an interator that  
    11. 
  
  
  
  
  11. # produces consecutive integers, forever. This  
    12. 
  
  
  
  
  12. # one is great for adding indices next to your list  
    13. 
  
  
  
  
  13. # elements for readability and convenience 
    14. 
  
  
  
  
  14. for i in izip(count(1), [ Bob ,  Emily ,  Joe ]): 
    15. 
  
  
  
  
  15.     print i 
    16. 
  
  
  
  
  16. # (1,  Bob ) 
    17. 
  
  
  
  
  17. # (2,  Emily ) 
    18. 
  
  
  
  
  18. # (3,  Joe )     
    19. 
  
  
  
  
  19.  
    20. 
  
  
  
  
  20. # The dropwhile() function returns an iterator that returns  
    21. 
  
  
  
  
  21. # all the elements of the input which come after a certain  
    22. 
  
  
  
  
  22. # condition becomes false for the first time.  
    23. 
  
  
  
  
  23. def check_for_drop(x): 
    24. 
  
  
  
  
  24.     print  Checking:  , x 
    25. 
  
  
  
  
  25.     return (x > 5) 
    26. 
  
  
  
  
  26.  
    27. 
  
  
  
  
  27. for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]): 
    28. 
  
  
  
  
  28.     print  Result:  , i 
    29. 
  
  
  
  
  29.  
    30. 
  
  
  
  
  30. # Checking: 2 
    31. 
  
  
  
  
  31. # Checking: 4 
    32. 
  
  
  
  
  32. # Result: 6 
    33. 
  
  
  
  
  33. # Result: 8 
    34. 
  
  
  
  
  34. # Result: 10 
    35. 
  
  
  
  
  35. # Result: 12 
    36. 
  
  
  
  
  36.  
    37. 
  
  
  
  
  37.  
    38. 
  
  
  
  
  38. # The groupby() function is great for retrieving bunches 
    39. 
  
  
  
  
  39. # of iterator elements which are the same or have similar  
    40. 
  
  
  
  
  40. # properties 
    41. 
  
  
  
  
  41.  
    42. 
  
  
  
  
  42. a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5]) 
    43. 
  
  
  
  
  43. for key, value in groupby(a): 
    44. 
  
  
  
  
  44.     print(key, value), end=   ) 
    45. 
  
  
  
  
  45.  
    46. 
  
  
  
  
  46. # (1, [1, 1, 1]) 
    47. 
  
  
  
  
  47. # (2, [2, 2, 2])  
    48. 
  
  
  
  
  48. # (3, [3, 3])  
    49. 
  
  
  
  
  49. # (4, [4])  
    50. 
  
  
  
  
  50. # (5, [5])  
    51.

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. 
  
  
  
  
  2. numbers = list() 
    3. 
  
  
  
  
  3.  
    4. 
  
  
  
  
  4. for i in range(1000): 
    5. 
  
  
  
  
  5.     numbers.append(i+1) 
    6. 
  
  
  
  
  6.  
    7. 
  
  
  
  
  7. total = sum(numbers) 
    8. 
  
  
  
  
  8.  
    9. 
  
  
  
  
  9. # (2) Using a generator 
    10. 
  
  
  
  
  10.  def generate_numbers(n): 
    11. 
  
  
  
  
  11.      num, numbers = 1, [] 
    12. 
  
  
  
  
  12.      while num < n: 
    13. 
  
  
  
  
  13.            numbers.append(num) 
    14. 
  
  
  
  
  14.      num += 1 
    15. 
  
  
  
  
  15.      return numbers 
    16. 
  
  
  
  
  16.  total = sum(generate_numbers(1000)) 
    17. 
  
  
  
  
  17.  
    18. 
  
  
  
  
  18.  # (3) range() vs xrange() 
    19. 
  
  
  
  
  19.  total = sum(range(1000 + 1)) 
    20. 
  
  
  
  
  20.  total = sum(xrange(1000 + 1)) 
    21.

本文题目：Python的5种高级用法，效率提升没毛病！
标题路径：http://www.hantingmc.com/qtweb/news6/281206.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

定制开发知识

分类信息网

虚拟主机　　 　网络营销推广　　 　成都定制网站建设　　 　小谭建站　　 　免备案虚拟主机　　 　鸿艺文化　　 　微信小程序　　 　高防机房　　 　营销型网站建设　　 　珉田数据中心　　 　等级保护测评　　 　成都移动主机托管　　 　成都网站建设　　 　响应式报价　　 　宇仓仓储　　 　崇州搬家公司　　 　高端定制网站建设　　 　雪茄烟　　 　成都企业网站建设公司　　 　巴彦网站建设