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’, 175, 75, math=99, english=90)

姓名：xufive，年龄：50，性别：男

(175, 75)

{‘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 < 0:

    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 < 0 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:CSDNColumntempmpmap.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:CSDNColumntempmpmap.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 = [1, 2, 3, 4, 5]

>>> result = list()

>>> for i in a:

    result.append(i*i)


>>> result

[1, 4, 9, 16, 25]




如果使用列表推导式，看起来就舒服多了：


>>> a = [1, 2, 3, 4, 5]

>>> result = [i*i for i in a]

>>> result

[1, 4, 9, 16, 25]




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 = [0, 1, 2, 3, 4, 5]

>>> a[2:4]

[2, 3]

>>> a[3:]

[3, 4, 5]

>>> a[1:]

[1, 2, 3, 4, 5]

>>> a[:]

[0, 1, 2, 3, 4, 5]

>>> a[::2]

[0, 2, 4]

>>> a[1::2]

[1, 3, 5]

>>> a[-1]

5

>>> a[-2]

4

>>> a[1:-1]

[1, 2, 3, 4]

>>> a[::-1]

[5, 4, 3, 2, 1, 0]




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 = [0, 1, 2, 3, 4, 5]

>>> b = [‘a’, ‘b’]

>>> a[2:2] = b

>>> a

[0, 1, ‘a’, ‘b’, 2, 3, 4, 5]

>>> a[3:6] = b

>>> a

[0, 1, ‘a’, ‘a’, ‘b’, 4, 5]








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

<function <lambda> 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=‘, ‘)


1, 4, 9, 








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

<list_iterator object at 0x000001B2DE434BA8>

>>> for i in a_iter:

    print(i, end=‘, ‘)


1, 2, 3, 




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))

[0, 1, 4, 9, 16]




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

<generator object get_square at 0x000001B2DE5CACF0>

>>> for i in a:

    print(i, end=‘, ‘)


0, 1, 4, 9, 16, 




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 “<pyshell#247>”, line 1, in <module>

    i_want_to_sleep(‘2’)

  File “<pyshell#244>”, line 2, in 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。






			

	声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。