Python社区  »  Python

Python 十大装 B 语法

CSDN • 1 周前 • 60 次点击  

作者 | 许向武

责编 | 郭芮

出品 | CSDN 博客

Python 是一种代表简单思想的语言,其语法相对简单,很容易上手。不过,如果就此小视 Python 语法的精妙和深邃,那就大错特错了。本文精心筛选了最能展现 Python 语法之精妙的十个知识点,并附上详细的实例代码。如能在实战中融会贯通、灵活使用,必将使代码更为精炼、高效,同时也会极大提升代码B格,使之看上去更老练,读起来更优雅。

for - else


什么?不是 if 和 else 才是原配吗?No,你可能不知道,else 是个脚踩两只船的家伙,for 和 else 也是一对,而且是合法的。十大装B语法,for-else 绝对算得上南无湾!不信,请看:
>>> for i in [1,2,3,4]:
    print(i)
else:
    print(i, '我是else')

1
2
3
4
4 我是else
如果在 for 和 else 之间(循环体内)有第三者 if 插足,也不会影响 for 和 else 的关系。因为 for 的级别比 if 高,else 又是一个攀附权贵的家伙,根本不在乎是否有 if,以及是否执行了满足 if 条件的语句。else 的眼里只有 for,只要 for 顺利执行完毕,else 就会屁颠儿屁颠儿地跑一遍:
>>> for i in [1,2,3,4]:
    if i > 2:
        print(i)
else:
    print(i, '我是else')

3
4
4 我是else
那么,如何拆散 for 和 else 这对冤家呢?只有当 for 循环被 break 语句中断之后,才会跳过 else 语句:
>>> for i in [1,2,3,4]:
    if i>2:
        print(i)
        break
else:
    print(i, '我是else')

3


一颗星()和两颗星(*)


有没有发现,星(*)真是一个神奇的符号!想一想,没有它,C语言还有啥好玩的?同样,因为有它,Python 才会如此的仪态万方、风姿绰约、楚楚动人!Python 函数支持默认参数和可变参数,一颗星表示不限数量的单值参数,两颗星表示不限数量的键值对参数。
我们还是举例说明吧:设计一个函数,返回多个输入数值的和。我们固然可以把这些输入数值做成一个list传给函数,但这个方法,远没有使用一颗星的可变参数来得优雅:
>>def multi_sum(*args):
    s = 0
    for item in args:
        s += item
    return s

>>> multi_sum(3,4,5)
12
Python 函数允许同时全部或部分使用固定参数、默认参数、单值(一颗星)可变参数、键值对(两颗星)可变参数,使用时必须按照前述顺序书写。
>>def do_something(name, age, gender='男', *args, **kwds):
    print('姓名:%s,年龄:%d,性别:%s'%(name, age, gender) )
    print(args)
    print(kwds)

>>> do_something('xufive'50'男'17575, math=99, english=90)
姓名:xufive,年龄:50,性别:
(17575)
{'math'99'english'90}

三元表达式


熟悉 C/C++ 的程序员,初上手 python 时,一定会怀念经典的三元操作符,因为想表达同样的思想,用python 写起来似乎更麻烦。比如:
>>> y = 5
>>> if y 
    print('y是一个负数')
else:
    print('y是一个非负数')

y是一个非负数
其实,python 是支持三元表达式的,只是稍微怪异了一点,类似于我们山东人讲话。比如,山东人最喜欢用倒装句:打球去吧,要是不下雨的话;下雨,咱就去自习室。翻译成三元表达式就是:
打球去吧 if 不下雨 else 去自习室
来看看三元表达式具体的使用:
>>> y = 5
>>> print('y是一个负数' if y else 'y是一个非负数')
y是一个非负数
python 的三元表达式也可以用来赋值:
>>> y = 5
>>> x = -1 if y 0 else 1
>>> x
1

with - as


with 这个词儿,英文里面不难翻译,但在 Python 语法中怎么翻译,我还真想不出来,大致上是一种上下文管理协议。作为初学者,不用关注 with 的各种方法以及机制如何,只需要了解它的应用场景就可以了。with 语句适合一些事先需要准备,事后需要处理的任务,比如,文件操作,需要先打开文件,操作完成后需要关闭文件。如果不使用with,文件操作通常得这样:
fp = open(r"D:\CSDN\Column\temp\mpmap.py"'r')
try:
    contents = fp.readlines()
finally:
    fp.close()
如果使用 with - as,那就优雅多了:
>>> with open(r"D:\CSDN\Column\temp\mpmap.py"'r'as fp:
    contents = fp.readlines()


列表推导式


在各种稀奇古怪的语法中,列表推导式的使用频率应该时最高的,对于代码的简化效果也非常明显。比如,求列表各元素的平方,通常应该这样写(当然也有其他写法,比如使用map函数):
>>> a = [12345]
>>> result = list()
>>> for i in a:
    result.append(i*i)

>> > result
[1491625]
如果使用列表推导式,看起来就舒服多了:
>>> a = [12345]
>>> result = [i*i for i in a]
>>> result
[1491625]
事实上,推导式不仅支持列表,也支持字典、集合、元组等对象。有兴趣的话,可以自行研究。我有一篇博文《一行 Python 代码能实现什么丧心病狂的功能?》,里面的例子,都是列表推导式实现的。

列表索引的各种骚操作


Python 引入负整数作为数组的索引,这绝对是喜大普奔之举。想想看,在C/C++中,想要数组最后一个元素,得先取得数组长度,减一之后做索引,严重影响了思维的连贯性。Python语言之所以获得成功,我个人觉得,在诸多因素里面,列表操作的便捷性是不容忽视的一点。请看:
>>> a = [012345]
>>> a[2:4]
[23]
>>> a[3:]
[345]
>>> a[1:]
[12345]
>>> a[:]
[012345]
>>> a[::2]
[024]
>>> a[1::2]
[135]
>>> a[-1]
5
>>> a[-2]
4
>>> a[1:-1]
[1234]
>>> a[::-1]
[543210]
如果说,这些你都很熟悉,也经常用,那么接下来这个用法,你一定会感觉很神奇:
>>> a = [012345]
>>> b = ['a''b']
>>> a[2:2] = b
>>> a
[01 'a''b'2345]
>>> a[3:6] = b
>>> a
[01'a''a''b'45]


lambda函数


lambda 听起来很高大上,其实就是匿名函数(了解js的同学一定很熟悉匿名函数)。匿名函数的应用场景是什么呢?就是仅在定义匿名函数的地方使用这个函数,其他地方用不到,所以就不需要给它取个阿猫阿狗之类的名字了。下面是一个求和的匿名函数,输入参数有两个,x和y,函数体就是x+y,省略了return关键字。
>>> lambda x,y: x+y
 at 0x000001B2DE5BD598>
>>> (lambda x,y: x+y)(3,4# 因为匿名函数没有名字,使用的时候要用括号把它包起来
匿名函数一般不会单独使用,而是配合其他方法,为其他方法提供内置的算法或判断条件。比如,使用排序函数sorted对多维数组或者字典排序时,就可以指定排序规则。
>>> a = [{'name':'B''age':50}, {'name':'A''age':30}, {'name':'C''age':40}]
>>> sorted(a, key=lambda x:x['name']) # 按姓名排序
[{'name''A''age'30}, {'name''B''age'50}, {'name''C''age'40}]
>>> sorted(a, key=lambda x:x['age']) # 按年龄排序
[{'name''A''age'30}, {'name''C''age'40}, {'name''B''age'50}]
再举一个数组元素求平方的例子,这次用map函数:
>>> a = [1,2,3]
>>> for item in map(lambda x:x*x, a):
    print(item, end=', ')

149


yield 以及生成器和迭代器


yield 这词儿,真不好翻译,翻词典也没用。我干脆就读作“一爱得”,算是外来词汇吧。要理解 yield,得先了解 generator(生成器)。要了解generator,得先知道 iterator(迭代器)。哈哈哈,绕晕了吧?算了,我还是说白话吧。
话说py2时代,range()返回的是list,但如果range(10000000)的话,会消耗大量内存资源,所以,py2又搞了一个xrange()来解决这个问题。py3则只保留了xrange(),但写作range()。xrange()返回的就是一个迭代器,它可以像list那样被遍历,但又不占用多少内存。generator(生成器)是一种特殊的迭代器,只能被遍历一次,遍历结束,就自动消失了。总之,不管是迭代器还是生成器,都是为了避免使用list,从而节省内存。那么,如何得到迭代器和生成器呢?
pyrhon内置了迭代函数 iter,用于生成迭代器,用法如下:



    
>>> a = [1,2,3]
>>> a_iter = iter(a)
>>> a_iter
0x000001B2DE434BA8>
>>> for i in a_iter:
    print(i, end=', ')

123
yield 则是用于构造生成器的。比如,我们要写一个函数,返回从0到某正整数的所有整数的平方,传统的代码写法是这样的:
>>def get_square(n):
    result = list()
    for i in range(n):
        result.append(pow(i,2))
    return result

>>> print(get_square(5))
[014916]
但是如果计算1亿以内的所有整数的平方,这个函数的内存开销会非常大,这是 yield 就可以大显身手了:
>>def get_square(n):
    for i in range(n):
        yield(pow(i,2))

>>> a = get_square(5)
>>> a
0x000001B2DE5CACF0>
>>> for i in a:
    print(i, end=', ')

014916
如果再次遍历,则不会有输出了。


装饰器


刚弄明白迭代器和生成器,这又来个装饰器,Python 咋这么多器呢?的确,Python 为我们提供了很多的武器,装饰器就是最有力的武器之一。装饰器很强大,我在这里尝试从需求的角度,用一个简单的例子,说明装饰器的使用方法和制造工艺。
假如我们需要定义很多个函数,在每个函数运行的时候要显示这个函数的运行时长,解决方案有很多。比如,可以在调用每个函数之前读一下时间戳,每个函数运行结束后再读一下时间戳,求差即可;也可以在每个函数体内的开始和结束位置上读时间戳,最后求差。不过,这两个方法,都没有使用装饰器那么简单、优雅。下面的例子,很好地展示了这一点。
>>> import time
>>def timer(func):
    def wrapper(*args,**kwds):
        t0 = time.time()
        func(*args,**kwds)
        t1 = time.time()
        print('耗时%0.3f'%(t1-t0,))
    return wrapper

>>> @timer
def do_something(delay):
    print('函数do_something开始')
    time.sleep(delay)
    print('函数do_something结束')


>>> do_something(3)
函数do_something开始
函数do_something结束
耗时3.077
timer() 是我们定义的装饰器函数,使用@把它附加在任何一个函数(比如do_something)定义之前,就等于把新定义的函数,当成了装饰器函数的输入参数。运行 do_something() 函数,可以理解为执行了timer(do_something) 。细节虽然复杂,不过这么理解不会偏差太大,且更易于把握装饰器的制造和使用。


巧用断言assert


所谓断言,就是声明表达式的布尔值必须为真的判定,否则将触发 AssertionError 异常。严格来讲,assert是调试手段,不宜使用在生产环境中,但这不影响我们用断言来实现一些特定功能,比如,输入参数的格式、类型验证等。



    
>>def i_want_to_sleep(delay):
    assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
    print('开始睡觉')
    time.sleep(delay)
    print('睡醒了')


>>> i_want_to_sleep(1.1)
开始睡觉
睡醒了
>>> i_want_to_sleep(2)
开始睡觉
睡醒了
>>> i_want_to_sleep('2')
Traceback (most recent call last):
  File "", line 1in <module>
    i_want_to_sleep('2')
  File "", line 2in i_want_to_sleep
    assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
AssertionError: 函数参数必须为整数或浮点数
作者许向武长期从事数据处理工作,服务于多个科研机构和科研项目。参与过子午工程、气象卫星、空间探测星、嫦娥等多个项目的数据处理。熟悉C,C++,单一使用python语言编程超过10年。他在CSDN的APP创建了一个小组,名为“python作业辅导小组”,面向python初学者,为大家提供咨询服务、辅导python作业。

【End】

2019嵌入式智能国际大会
时间:2019年12月6日-8日
地点:深圳华侨城洲际大酒店
简介:大会以“万物互联·泛在智能”为主题,邀请30+位海内外顶级专家作为分享嘉宾,展示嵌入式AI的未来,涵盖计算机视觉、3D视觉,医疗影像处理、语音识别、NLP、传感器融合、自动驾驶等核心技术和应用。集聚500+位来自主流AIoT领域践行创新的中坚力量,100+位海内外特邀技术领袖。还将有数十家芯片、模组、 工具和应用集成商展示最新产品,是不容错过的行业盛会。
扫描下方二维码即刻报名,输入本群专属购票优惠码CSDNQRSH,即可享受6.6折早鸟优惠,比原价节省1000元,学生票仅售399元https://bss.csdn.net/m/topic/embedded_ai

 热 文 推 荐 

清华博士解读 AlphaGo 战胜李世石背后的黑科技 | 人物志

5G 正式商用,开启互联网的下半场?

微信支付崩溃,却开启区块链数字货币大门?

被曝自研 5G 关键芯片 PA?华为未回应

最近程序员频繁被抓,如何避免面向监狱编程?!

Wi-Fi 6到底有什么特别?

20 行 Python 代码说清量子霸权!

点击阅读原文,即刻报名!

你点的每个“在看”,我都认真当成了喜欢
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/48508
 
60 次点击  
分享到微博