作为近 10 年才崛起的编程语言,Python 已被证明是一种非常强大的语言。从交互式映射到区块链,我用 Python 构建过很多应用程序。
对初学者而言,Python 中有很多特性很难一开始就掌握。
即使你是从其他语言转换过来的程序员,用 Python 进行更高级别的抽象编码绝对是另一种体验。有些 Python 特性,我希望自己能早点知道。本文将介绍其 5 个最重要的特性。
1.列表推导式:代码更紧凑
很多人认为,lambda、map 和 filter 是初学者应该最先掌握的 Python“技巧”。虽然我也认为应关注这些功能,但由于它们缺乏灵活性。
实际上,它们在大多数情况下并不是非常有用!
Lambda
是一种在 1 行中编写一个一次性使用的函数的方法。一旦函数被多次调用,性能将受到影响。
另一方面,map
可以将一个函数应用于列表中的所有元素,而 filter
能获取集合中满足用户自定义条件的元素子集。
add_func = lambda z: z ** 2
is_odd = lambda z: z%2 == 1
multiply = lambda x,y: x*y
aList = list(range(10))
print(aList)
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
复制代码
列表推导式是一个简洁而灵活的方法,它使用灵活的表达式和条件通过其他列表来创建新列表。
它用方括号来构造,带有一个表达式或函数,只有当列表中的元素满足某个条件时,该表达式或函数才作用于列表中的每个元素。
并且,它还能用嵌套来处理嵌套列表,并且这会比使用 map 和 filter 更灵活。
# Syntax of list comprehension
[ expression(x) for x in aList if optional_condition(x) ]
复制代码
print(list(map(add_func, aList)))
print([x ** 2 for x in aList])
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
print(list(filter(is_odd, aList)))
print([x for x in aList if x%2 == 1])
# [1, 3, 5, 7, 9]
# [1, 3, 5, 7, 9]
复制代码
下载地址:python-list-comprehension.py
2、列表操作:实现列表的双向操作
Python 允许使用反向索引,其中aList[-1] == aList[len(aList)-1]
。所以,我们可以通过调用aList[-2]
来获取列表的倒数第二个元素。
我们还能使用 aList[start:end:step]语法来对列表进行切片,其中起始元素包含在内,终止元素不包含在内(即 [start,end) 步长为 step 的前闭后开区间)。
因此,调用 aList[2:5]
会得到 [2, 3, 4]
。我们也能通过调用 aList[::-1]
来反转列表,这种技术非常优雅。
此外,也可以将列表拆分成单独的元素,或者使用星号将列表拆分成单个元素和子列表的混合形式。
a, b, c, d = aList[0:4]
print(f'a = {a}, b = {b}, c = {c}, d = {d}')
# a = 0, b = 1, c = 2, d = 3
a, *b, c, d = aList
print(f'a = {a}, b = {b}, c = {c}, d = {d}')
# a = 0, b = [1, 2, 3, 4, 5, 6, 7], c = 8, d = 9
复制代码
下载地址:python-unpacking.py
3、 压缩和枚举:for 循环更方便
Zip
函数会创建一个迭代器,且该迭代器可以对来自多个列表的元素进行聚合。用它可以在 for 循环中对列表进行并行遍历和排序。
用星号对其进行解压。
numList = [0, 1, 2]
engList = ['zero', 'one', 'two']
espList = ['cero', 'uno', 'dos']
print(list(zip(numList, engList, espList)))
# [(0, 'zero', 'cero'), (1, 'one', 'uno'), (2, 'two', 'dos')]
for num, eng, esp in zip(numList, engList, espList):
print(f'{num} is {eng} in English and {esp} in Spanish.')
# 0 is zero in English and cero in Spanish.
# 1 is one in English and uno in Spanish.
# 2 is two in English and dos in Spanish.
复制代码
下载地址:python-zip-1.py
Eng = list(zip(engList, espList, numList))
Eng.sort() # sort by engList
a, b, c = zip(*Eng)
print(a)
print(b)
print(c)
# ('one', 'two', 'zero')
# ('uno', 'dos', 'cero')
# (1, 2, 0)
复制代码
下载地址:python-zip-2.py
开始时, Enumerate
看起来有点吓人,但在很多情况下使用它确实能方便很多。
它是一个自动计数器,通常会在 for 循环中使用它,这样就不需要再用 counter = 0
和 counter += 1
来创建和初始化计数器了。枚举和压缩是两个构造 for 循环的最强工具。
upperCase = ['A', 'B', 'C', 'D', 'E', 'F']
lowerCase = ['a', 'b', 'c', 'd', 'e', 'f']
for i, (upper, lower) in enumerate(zip(upperCase, lowerCase), 1):
print(f'{i}: {upper} and {lower}.')
# 1: A and a.
# 2: B and b.
# 3: C and c.
# 4: D and d.
# 5: E and e.
# 6: F and f.
复制代码
下载地址:python-enumerate.py
4、生成器:内存更高效
当我们想要对一个大的结果集进行计算,但又不想为所有结果数据同时分配内存时,我们就可以使用生成器(Generator)了。
换句话说,它会动态地生成值,并且不会将先前的值存储在内存中,因此我们只能对它们进行一次迭代操作。
当读取大文件或使用关键字 yield
生成无穷数列时,通常会用它。我发现在我的大多数数据科学项目中,它都能发挥很大作用。
def gen(n): # an infinite sequence generator that generates integers >= n
while True:
yield n
n += 1
G = gen(3) # starts at 3
print(next(G)) # 3
print(next(G)) # 4
print(next(G)) # 5
print(next(G)) # 6
复制代码
下载地址:python-generator.py
5、虚拟环境:实现隔离
如果在本文介绍的 5 个特性中只选一个,那么就是虚拟环境的使用。
Python 应用程序通常会用各种不同的包,这些包可能是由具有复杂依赖关系的不同开发人员开发的。每个应用程序都会用特定的库设置,使用其他库的版本无法实现对某个应用程序安装包的复制。
所以,不存在满足所有应用要求的单个安装包。
conda create -n venv pip python=3.7 # select python version
source activate venv
...
source deactivate
复制代码
为每个应用程序创建独立的、自洽的虚拟环境 venv
非常重要,这可以通过使用 pip
或 conda
来实现。
原文链接:
https://towardsdatascience.com/5-python-features-i-wish-i-had-known-earlier-bc16e4a13bf4
评论