Python高级特性
切片
切片用于简化list、tuple、str的索引操作。
如:取list的前三个元素:L[0:3]
切片tips:
- 若第一个索引是0,可以简化:
L[:3]
- 支持倒数切片:
L[-2:-1]
,表示取倒数第二个元素;L[-2:]
,表示取倒数两个元素。 - 间隔取样:
L[:10:2],表示前10个数,每两个取一个;
L[::5]`,表示所有数,每5个取一个。 - 什么都不写,只写[:]就可以原样复制一个list
利用切片实现trim()函数,去除字符串首位的空格:
def trim(s):
while s[:1] == ' ':
s=s[1:]
while s[-1:] == ' ':
s=s[:-1]
return s
迭代
可以通过for...in来遍历的对象称为可迭代对象。
可以通过isinstance()
来判断对象是否为collections.abc
模块的Iterable
类型:
isinstance('abc', Iterable) # True
isinstance([1,2,3], Iterable) # True
isinstance(123, Iterable) # False
常见的可迭代对象有:list、tuple、str、dict、set
- 默认情况下,dict迭代的是key
- 要迭代value,可以用
for value in d.values()
- 要同时迭代key和value,可以用
for k, v in d.items()
,for循环可以同时引用两个变量
- 要迭代value,可以用
想要实现类似Java下标循环,可以使用enumerate()函数,将对象变为索引-元素对,然后同时引用索引和值两个变量:
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
# 0 A
# 1 B
# 2 C
列表生成器
Python内置了简单好用的list生成器。
list生成器中可以使用for、if来生成复合要求的list
使用for...in
L1 = [x ** 2 for x in range(1, 11)]
# L1 = [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
L2 = [m + n for m in 'ABC' for n in 'XYZ']
# L2 = ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
还可以使用两个变量的for循环,如利用dict的items()函数可以同时迭代key和value:
L3 = [k+'='+v for k, v in {'x':'X', 'y':'Y', 'z':'Z'}.items()]
# L3 = ['x=X', 'y=Y', 'z=Z']
使用if
在列表生成器中,if一般放在for...in之后使用,用于筛选遍历的元素:
L1 = [x for x in range(1, 11) if x % 2 == 0]
# L1 = [2, 4, 6, 8, 10]
up = ['HELLO', 'WORLD', 18, 'APPLE', None]
low = [s.lower() for s in L1 if isinstance(s, str)]
# low = ['hello', 'world', 'apple']
if使用情况:
- 跟在for后面的if是一个筛选条件,不能带else
- 放在for前面的if ... else是表达式,必须带else
生成器
列表生成器的长度是受内存限制的,且使用大list存储少量元素会导致空间浪费。
所以Python提供了generator生成器,用于一边循环一遍计算元素内容。
创建generator:
- 将列表生成器的[]换为(),即可创建生成器:
g = (x * x for x in range(10))
- 通过generator函数来定义生成器,在generator函数中,使用yeild返回元素,在生成器边界使用return
遍历generator:
- 可以通过next()函数获取生成器的下一个元素,没有更多元素时抛出
StopIteration
异常 - 通过for...in来遍历生成器:
for v in g: print(v)
generator函数
函数定义中包含yield关键字,则这个函数是一个generator函数,调用一个generator函数将返回一个generator。
# generator函数
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
f = fib(6) # f为生成器对象
# f = <generator object fib at 0x104feaaa0>
generator函数会在每次调用next()时执行,遇到yield语句返回,再次执行时从上次返回的yield语句处继续执行。
def odd():
print('step 1')
yield 1
print('step 2')
yield 3
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
调用generator函数会创建一个generator对象,多次调用generator函数会创建多个相互独立的generator。
>>> next(odd())
step 1
1
>>> next(odd())
step 1
1
杨辉三角生成器:
def triangles():
L = [1]
while True:
yield L
X = [0] + L + [0]
L = [X[i] + X[i+1] for i in range(len(L)+1)]
迭代器
可以直接作用于for循环的对象统称为可迭代对象:Iterable
,可以用isinstance()
判断一个对象是否是Iterable
对象
常见的Iterable对象有:
- 集合数据类型:list、tuple、set、dict、str等
- generator,生成器和带yield的generate function
其中生成器可以用for循环,还可以用next()
函数返回元素。
可以被next()
函数调用并返回下一个值的对象称为迭代器:Iterator
。
可以用isinstance()
判断一个对象是否是Iterator
对象。
from collections.abc import Iterator
isinstance((x for x in range(10)), Iterator)
# True
isinstance([], Iterator)
# False
isinstance({}, Iterator)
# False
isinstance('abc', Iterator)
# False
可见生成器都是Iterator
对象;list、dict、str虽然是Iterable
,却不是Iterator
,这是因为Iterator
的计算是惰性的,只有在需要返回下一个数据时它才会计算。
可以使用iter()
函数将其变为Iterator
。
函数式编程
函数式编程就是一种抽象程度很高的编程范式,允许把函数本身作为参数传入另一个函数,还允许返回一个函数。
高阶函数
Python中,变量可以指向函数,可以通过变量调用其指向的函数。
函数的参数可以接收变量,变量可以指向函数,所以函数的参数就可以传入函数,这样的函数称为高阶函数:
def add(x, y, f):
return f(x) + f(y)
map/reduce
Python提供了map()和reduce()函数:
map
map()函数接收两个参数:
- 函数
- Iterable对象
- map将传入的函数依次作用到序列的每个元素,并把结果作为新的Iterator返回
def f(x):
return x * x
rst = map(x, [1, 2, 3, 4, 5])
list(rst) # [1, 4, 9, 16, 25]
list(map(str, [1, 2, 3, 4])) # ['1', '2', '3', '4']
reduce
reduce()函数接收两个参数:
- 接收两个参数的函数
- Iterable对象
- reduce把函数作用在序列[x1, x2, x3, ...]上
- reduce把前两个元素输入函数,然后继续将结果和序列的下一个元素作为函数的输入,直到序列的全部元素输入函数
- 可以等效为:
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
from functools import reduce
# reduce()函数需要显式引入
def add(x, y):
return x + y
reduce(add, [1, 3, 5, 7, 9]) # 25
map和reduce的应用
- 利用map()函数,把用户输入的不规范的英文名字,变为首字母大写,其他小写的规范名字。
def normalize(name):
return name[0].upper() + name[1:].lower()
- 编写一个prod()函数,可以接受一个list并利用reduce()求积
from functools import reduce
def prod(L):
def mul(x, y): return x * y
return reduce(mul, L)
- 利用map和reduce编写一个str2float函数,把字符串'123.456'转换成浮点数123.456
def str2float(s):
def cat(x ,y):
return x + y * 10 ** -len(str(y))
return reduce(cat, map(int, s.split('.')))
filter
Python的filter()函数用于过滤序列。
filter()也接收两个参数:
- 函数
- Iterable序列
- filter()把传入的函数依次作用于每个元素,根据返回值为True/False决定保留/丢弃该元素
def not_empty(s):
return s and s.strip()
list(filter(not_empty, ['A', '', 'B', None, 'C', ' '])) # ['A', 'B', 'C']
利用filter()函数筛选回文数:
def is_palindrome(n):
return str(n) == str(n)[::-1]
output = filter(is_palindrome, range(1, 1000))
sorted
Python中的sorted()
函数是一个高阶函数,它的key参数可以接收函数,来实现需要的排序效果。
key指定的函数将作用于list的每一个元素上,并根据key函数返回的结果,对初始元素进行排序。
sorted()
函数还有第三个参数,reverse=True
,可以实现反向排序。
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
# 按名字排序
def by_name(t):
return t[0]
L2 = sorted(L, key=by_name) # [('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]
# 按成绩从高到低排序
def by_score(t):
return -t[1]
L3 = sorted(L, key=by_score) # [('Adam', 92), ('Lisa', 88), ('Bob', 75), ('Bart', 66)]
返回函数
高阶函数还可以把函数作为结果值返回。
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
调用lazy_sum()
时,返回的并不是求和结果,而是求和函数。
f = lazy_sum(1, 3, 5, 7, 9) # <function lazy_sum.<locals>.sum at 0x101c6ed90>
# 调用函数f时,才真正计算求和的结果
f() # 25
内部函数sum
可以引用外部函数lazy_sum
的参数和局部变量,当返回函数sum
时,相关参数和变量都保存在返回的函数中,称为闭包(Closure)
tips:
- 每次调用
lazy_sum()
,都会返回一个新的函数:f1 = lazy_sum(1, 3, 5, 7, 9) f2 = lazy_sum(1, 3, 5, 7, 9) f1==f2 # False
- 返回函数不要引用任何循环变量,或者后续会发生变化的变量。
- 当闭包的内层函数想要修改外层变量时,需要使用
nonlocal x
声明变量x为外层函数的局部变量
应用:利用闭包返回一个计数器函数,每次调用它返回递增整数:
def createCounter():
x = 0
def counter():
nonlocal x
x += 1
return x
return counter
匿名函数
Python使用lambda
表示匿名函数:lambda x: x * x
tips:
- 冒号前面的x表示函数参数
- 匿名函数只能有一个表达式,该表达式的结果为返回值,不用写return
- 匿名函数可以赋值给变量,也可以作为结果返回
装饰器
“装饰器”(Decorator),用于在代码运行期间动态增加功能。
两层嵌套decorator
装饰器本质是一个返回函数的高阶函数:接受一个函数作为参数,并返回一个函数
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
使用decorator:使用Python的@
语法,把decorator置于函数的定义处
@log
def now():
print('2015-3-25')
把@log放到now()函数的定义处,相当于执行了语句:now = log(now)
三层嵌套decorator
如果decorator本身需要传入参数,需要编写一个返回decorator的高阶函数。
比如,要自定义log的文本:
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
使用嵌套decorator的方法:
@log('execute')
def now():
print('2015-3-25')
这样的使用方法,相当于执行语句:now = log('execute')(now)
__name__属性
函数也是对象,函数包含__name__
属性。
- 将函数赋值给变量,不会改变函数的
__name__
属性 - 用装饰器修饰函数,函数的
__name__
属性会改变为装饰器返回函数的__name__
属性
函数的__name__
属性被修改可能会导致依赖函数签名的代码出现错误,所以,需要把原始函数的__name__
等属性复制到返回的函数中。
针对复制原始函数的__name__
属性,Python提供了functools.wraps
,使用方法:
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
同时支持有参和无参的装饰器
写出一个@log
的decorator,使它既支持@log又支持@log('execute')
def log(text):
if type(text) != str:
@functools.wraps(text)
def wrapper(*args, **kw):
print('call %s:'% text.__name__)
return text(*args, **kw)
return wrapper
else:
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('%s %s():'% (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
偏函数
在函数的参数部分了解到,通过设定参数的默认值,可以降低函数调用的难度。
但是要频繁使用参数为另一个值时,需要每次穿入参数,所以Python在functools
中提供了partial()
函数,用于把一个函数的某些参数给固定住,返回一个新的函数,方便用于调用。
使用方法:
int2 = functools.partial(int, base=2)
int2('110') # 6