OpenEdv-开源电子网

 找回密码
 立即注册
正点原子全套STM32/Linux/FPGA开发资料,上千讲STM32视频教程免费下载...
查看: 3790|回复: 0

Python的这些高级用法你都知道吗?

[复制链接]

31

主题

42

帖子

0

精华

初级会员

Rank: 2

积分
173
金钱
173
注册时间
2020-7-7
在线时间
8 小时
发表于 2020-8-6 10:47:17 | 显示全部楼层 |阅读模式
python高级用法Python很棒,它有很多高级用法值得细细思索,学习使用。本文将根据日常使用,总结介绍Python的一组高级特性,包括:列表推导式、迭代器和生成器、装饰器。
列表推导(list comprehensions)
场景1:将一个三维列表中所有一维数据为a的元素合并,组成新的二维列表。
最简单的方法:新建列表,遍历原三维列表,判断一维数据是否为a,若为a,则将该元素append至新列表中。
缺点:代码太繁琐,对于Python而言,执行速度会变慢很多。
针对场景1,我们首先应该想到用列表解析式来解决处理,一行代码即可解决:
lista = [item for item in array if item[0] == 'a']
那么,何为列表解析式?
官方解释:列表解析式是Python内置的非常简单强大的可以用来创建list的生成式。
强大具体如何体现?
可以看到,使用列表解析式的写法更加简短,除此之外,因为是Python内置的用法,底层使用C语言实现,相较于编写Python代码而言,运行速度更快。
场景2: 对于一个列表,既要遍历索引又要遍历元素。
这里可以使用Python内建函数enumerate,在循环中更好的获取获得索引。
array = ['I', 'love', 'Python']for i, element in enumerate(array):    array = '%d: %s' % (i, seq)
可以使用列表推导式对其进行重构:
def getitem(index, element):    return '%d: %s' % (index, element)array = ['I', 'love', 'Python']arrayIndex = [getitem(index, element) for index, element in enumerate(array)]
据说这种写法更加的Pythonic。
总结:如果要对现有的可迭代对象做一些处理,然后生成新的列表,使用列表推导式将是最便捷的方法。
迭代器和生成器迭代器(Iterator)
这里的迭代可以指for循环,在Python中,对于像list,dict和文件等而言,都可以使用for循环,但是它们并不是迭代器,它们属于可迭代对象。
什么可迭代对象
最简单的解释:可以使用for...in...语句进行循环的对象,就是可迭代对象(Iterable),可以使用isinstance()方法进行判断。
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()方法来回调的对象,可以对可迭代对象使用iter()方法,将其转换为迭代器。
temp = iter([1, 2, 3])print type(temp)print next(temp)
此时temp就是一个迭代器。所以说,迭代器基于两个方法:
  • next:返回下一个项目
  • iter 返回迭代器本身
可理解为可被next()函数调用并不断返回下一个值的对象就是迭代器,在定义一个装饰器时将需要同时定义这两个方法。
迭代器的优势
在构建迭代器时,不是将所有的元素一次性的加载,而是等调用next方法时返回元素,所以不需要考虑内存的问题。
迭代器应用场景
那么,具体在什么场景下可以使用迭代器呢?
  • 数列的数据规模巨大
  • 数列有规律,但是不能使用列表推导式描述。
生成器
生成器是一种高级迭代器,使得需要返回一系列元素的函数所需的代码更加的简单和高效(不像创建迭代器代码那般冗长)。
生成器函数
生成器函数基于yield指令,可以暂停一个函数并返回中间结果。当需要一个将返回一个序列或在循环中执行的函数时,就可以使用生成器,因为当这些元素被传递到另一个函数中进行后续处理时,一次返回一个元素可以有效的提升整体性能。
常见的应用场景是使用生成器的流数据缓冲区。
生成器表达式
生成式表达式是一种实现生成器的便捷方式,将列表推导式的中括号替换为圆括号。
和列表推导式的区别:列表生成式可以直接创建一个表,但是生成器表达式是一种边循环边计算,使得列表的元素可以在循环过程中一个个的推算出来,不需要创建完整的列表,从而节省了大量的空间。
g = (x * x for x in range(10))
总结:生成器是一种高级迭代器。生成器的优点是延迟计算,一次返回一个结果,这样非常适用于大数据量的计算。但是,使用生成器必须要注意的一点是:生成器只能遍历一次。
lambda表达式(匿名函数)
lambda表达式纯粹是为了编写简单函数而设计,起到了一个函数速写的作用,使得简单函数可以更加简洁的表示。
lambda和def的区别
lambda表达式可以省去定义函数的过程,让代码更加的简洁,适用于简单函数,编写处理更大业务的函数需要使用def定义。
lambda表达式常搭配map(), reduce(), filter()函数使用
  • map(): map函数接受两个参数,一个是函数,一个是序列,其中,函数可以接收一个或者多个参数。map将传入的函数依次作用于序列中的每个元素,将结果作为新的列表返回。
#将一个列表中的数字转换为字符串map(str, [1,2,3,4,5,6])
  • reduce():函数接收两个参数,一个是函数,另一个是序列,但是,函数必须接收两个参数reduce把结果继续和序列的下一个元素做累积计算,其效果就是reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)。
  • filter():该函数用于筛选,将传入的函数,依次作用于每个元素,然后根据函数的返回值是True还是False,决定是留下还是丢弃该元素。

装饰器
装饰器本质是一个Python函数,它可以让其它函数在没有任何代码变动的情况下增加额外功能。有了装饰器,我们可以抽离出大量和函数功能本身无关的雷同代码并继续重用。经常用于具有切面需求的场景:包括插入日志、性能测试、事务处理、缓存和权限校验等。
那么为什么要引入装饰器呢?
场景:计算一个函数的执行时间。
一种方法就是定义一个函数,用来专门计算函数的运行时间,然后运行时间计算完成之后再处理真正的业务代码,代码如下:
import time def get_time(func):    startTime = time.time()    func()    endTime = time.time()    processTime = (endTime - startTime) * 1000    print "The function timing is %f ms" %processTimedef myfunc():    print "start func"    time.sleep(0.8)    print "end func"get_time(myfunc)myfunc()
但是这段代码的逻辑破坏了原有的代码逻辑,就是对所有func函数的调用都需要使用get_time(func)来实现。
那么,有没有更好的展示方式呢?当然有,那就是装饰器。
编写简单装饰器
结合上述实例,编写装饰器:
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()
这样,一个简单的完整的装饰器就实现了,可以看到,装饰器并没有影响函数的执行逻辑和调用。
在Python中,可以使用"@"语法糖来精简装饰器的代码,将上例更改为:
@ get_timedef myfunc():    print "start func"    time.sleep(0.8)    print "end func"print "myfunc is: ", myfunc.__name__myfunc()
** 装饰器的调用顺序**
装饰器可以叠加使用,若多个装饰器同时装饰一个函数,那么装饰器的调用顺序和@语法糖的声明顺序相反,也就是:
@decorator1@decorator2def func():    pass
等效于:
func = decorator1(decorator2(func()))
被装饰的函数带参数
上述实例中,myfunc()是没有参数的,那如果添加参数的话,装饰器该如何编写呢?
#被装饰的函数带参数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_time3def myfunc2(a):    print "start func"    print a    time.sleep(0.8)    print "end func"a = "test"myfunc2(a)
带参数的装饰器
装饰器有很大的灵活性,它本身支持参数,例如在上述实例中,@get_time装饰器唯一的参数就是执行业务的函数,当然也可以在装饰器中添加参数,加以逻辑判断。
内置装饰器
Python中,常见的类装饰器包括:@staticmathod、@classmethod和@property
  • @staticmethod:类的静态方法,跟成员方法的区别是没有self参数,并且可以在类不进行实例化的情况下调用。
  • @classmethod:跟成员方法的区别是接收的第一个参数不是self,而是cls(当前类的具体类型)
  • @property:表示可以直接通过类实例直接访问的信息。讨论764261140

正点原子逻辑分析仪DL16劲爆上市
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则



关闭

原子哥极力推荐上一条 /2 下一条

正点原子公众号

QQ|手机版|OpenEdv-开源电子网 ( 粤ICP备12000418号-1 )

GMT+8, 2024-5-29 07:26

Powered by OpenEdv-开源电子网

© 2001-2030 OpenEdv-开源电子网

快速回复 返回顶部 返回列表