Python有哪些高級用法

Python有哪些高級用法？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

列表推導（list comprehensions）

場景1：將一個三維列表中所有一維數據為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，判斷一維數據是否為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，執行速度會變慢很多。

針對場景1，我們首先應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內置的非常簡單卻強大的可以用來創建list的生成式。

強大具體如何體現？

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內置的用法，底層使用C語言實現，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內建函數enumerate，在循環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])

可以使用列表推導式對其進行重構：

def getitem(index, element):
  return '%d: %s' % (index, element)

array = ['I', 'love', 'Python']
arrayIndex = [getitem(index, element) for index, element in enumerate(array)]

據說這種寫法更加的Pythonic。

總結：如果要對現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，在Python中，對于像list，dict和文件等而言，都可以使用for循環，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()方法來回調的對象，可以對可迭代對象使用iter()方法，將其轉換為迭代器。

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()函數調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。

迭代器的優勢

在構建迭代器時，不是將所有的元素一次性的加載，而是等調用next方法時返回元素，所以不需要考慮內存的問題。

迭代器應用場景

那么，具體在什么場景下可以使用迭代器呢？

• 數列的數據規模巨大

• 數列有規律，但是不能使用列表推導式描述。

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所需的代碼更加的簡單和高效（不像創建迭代器代碼那般冗長）。

生成器函數

生成器函數基于yield指令，可以暫停一個函數并返回中間結果。當需要一個將返回一個序列或在循環中執行的函數時，就可以使用生成器，因為當這些元素被傳遞到另一個函數中進行后續處理時，一次返回一個元素可以有效的提升整體性能。
常見的應用場景是使用生成器的流數據緩沖區。

生成器表達式

生成式表達式是一種實現生成器的便捷方式，將列表推導式的中括號替換為圓括號。
和列表推導式的區別：列表生成式可以直接創建一個表，但是生成器表達式是一種邊循環邊計算，使得列表的元素可以在循環過程中一個個的推算出來，不需要創建完整的列表，從而節省了大量的空間。

g = (x * x for x in range(10))

總結：生成器是一種高級迭代器。生成器的優點是延遲計算，一次返回一個結果，這樣非常適用于大數據量的計算。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）

lambda表達式純粹是為了編寫簡單函數而設計，起到了一個函數速寫的作用，使得簡單函數可以更加簡潔的表示。

lambda和def的區別

lambda表達式可以省去定義函數的過程，讓代碼更加的簡潔，適用于簡單函數，編寫處理更大業務的函數需要使用def定義。
lambda表達式常搭配map(), reduce(), filter()函數使用

• map(): map函數接受兩個參數，一個是函數，一個是序列，其中，函數可以接收一個或者多個參數。map將傳入的函數依次作用于序列中的每個元素，將結果作為新的列表返回。
   #將一個列表中的數字轉換為字符串 map(str, [1,2,3,4,5,6])

• reduce()：函數接收兩個參數，一個是函數，另一個是序列，但是，函數必須接收兩個參數reduce把結果繼續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()：該函數用于篩選，將傳入的函數，依次作用于每個元素，然后根據函數的返回值是True還是False，決定是留下還是丟棄該元素。

裝飾器

裝飾器本質是一個Python函數，它可以讓其它函數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功能本身無關的雷同代碼并繼續重用。經常用于具有切面需求的場景：包括插入日志、性能測試、事務處理、緩存和權限校驗等。

那么為什么要引入裝飾器呢？

場景：計算一個函數的執行時間。

一種方法就是定義一個函數，用來專門計算函數的運行時間，然后運行時間計算完成之后再處理真正的業務代碼，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函數的調用都需要使用get_time(func)來實現。
那么，有沒有更好的展示方式呢？當然有，那就是裝飾器。

編寫簡單裝飾器

結合上述實例，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了，可以看到，裝飾器并沒有影響函數的執行邏輯和調用。
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，那么裝飾器的調用順序和@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()))

被裝飾的函數帶參數

上述實例中，myfunc()是沒有參數的，那如果添加參數的話，裝飾器該如何編寫呢？

#被裝飾的函數帶參數
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)

帶參數的裝飾器

裝飾器有很大的靈活性，它本身支持參數，例如在上述實例中，@get_time裝飾器唯一的參數就是執行業務的函數，當然也可以在裝飾器中添加參數，加以邏輯判斷。

內置裝飾器

Python中，常見的類裝飾器包括：@staticmathod、@classmethod和@property

• @staticmethod：類的靜態方法，跟成員方法的區別是沒有self參數，并且可以在類不進行實例化的情況下調用。

• @classmethod：跟成員方法的區別是接收的第一個參數不是self，而是cls（當前類的具體類型）

• @property：表示可以直接通過類實例直接訪問的信息。

python的五大特點是什么

python的五大特點：1.簡單易學，開發程序時，專注的是解決問題,而不是搞明白語言本身。2.面向對象，與其他主要的語言如C++和Java相比, Python以一種非常強大又簡單的方式實現面向對象編程。3.可移植性，Python程序無需修改就可以在各種平臺上運行。4.解釋性，Python語言寫的程序不需要編譯成二進制代碼,可以直接從源代碼運行程序。5.開源，Python是 FLOSS(自由/開放源碼軟件)之一。

關于Python有哪些高級用法問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。