开篇先说,IEEE Spectrum 于9月6日发布了2019年最受欢迎的编程语言排名,无疑Python蝉联第一,成绩颇为亮眼。从前年开始,Python 就开始霸占榜单长达 2 年,成为编程市场上份额最高的语言。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,作者列举了 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!下面是 Python 的 5 种高级特征,以及它们的用法。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。x = lambda a, b : a * b
print(x(5, 6))
x = lambda a : a*3 + 3
print(x(3))
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() 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。def square_it_func(a):
return a * a
x = map(square_it_func, [1, 4, 7
])
print(x)
def multiplier_func(a, b):
return a * b
x = map(multiplier_func, [1, 4, 7], [2, 5, 8])
print(x) 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。
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。
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
def filter_odd_numbers(num):
if num % 2 == 0:
return True
else:
return False
filtered_numbers = filter(filter_odd_numbers, numbers)
print(filtered_numbers)
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。
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:from itertools import *
for i in izip([1, 2, 3], ['a', 'b', 'c']):
print i
for i in izip(count(1), ['Bob', 'Emily', 'Joe']):
print i
def check_for_drop(x):
print 'Checking: ', x
return (x > 5)
for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]):
print 'Result: ', i
a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5])
for key, value in groupby(a):
print(key, value), end=' ')
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。
numbers = list()
for i in range(1000):
numbers.append(i+1)
total = sum(numbers)
def generate_numbers(n):
num, numbers = 1, []
while num numbers.append(num)
num += 1
return numbers
total = sum(generate_numbers(1000))
total = sum(range(1000 + 1))
total = sum(xrange(1000 + 1))
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。这几年,学 Python 的程序员的确越来越多了,甚至不少人把 Python 当作第一语言来学习。也难怪,Python 的优点太多了,它语言简洁、开发效率高、可移植性强,并且可以和其他编程语言(比如C++)轻松无缝衔接。如果你对这门语言感兴趣,想要研究一下,推荐你听听这场关于 Python 的公开课直播《Python零基础上手攻略》-
自学编程如何避免吃亏走弯路
高效Python学习路径指南
Python相关岗位情况独家经验分享
齐伟:研途教育科技有限公司 CTO,出版书籍:《跟老齐学Python:轻松入门》《跟老齐学Python:Django实战》《跟老齐学Python:数据分析》和《Python大学实用教程》(大学教材)。
活动参与方式:畅所欲言,在留言区聊聊“AI如何重塑全球医疗未来”点赞数最高前 3 名将赠送《人工智能与医疗》纸书任意一本,共送出 3 本。中奖领取方式:点赞数多的前 3 名,小编会私信各位详细地址来给您寄送纸书淘口令“¢213DYkrlVJV¢”