Python的 5 種高階用法,效率提升沒毛病!

視學演算法發表於2020-04-06

(給視學演算法加星標,提升Python技能

轉自:機器之心(ID:almosthuman2014)

640?wx_fmt=png
任何程式語言的高階特徵通常都是通過大量的使用經驗才發現的。比如你在編寫一個複雜的專案,並在 stackoverflow 上尋找某個問題的答案。然後你突然發現了一個非常優雅的解決方案,它使用了你從不知道的 Python 功能!


這種學習方式太有趣了:通過探索,偶然發現什麼。


下面是 Python 的 5 種高階特徵,以及它們的用法。


Lambda 函式


Lambda 函式是一種比較小的匿名函式——匿名是指它實際上沒有函式名。


Python 函式通常使用 def a_function_name() 樣式來定義,但對於 lambda 函式,我們根本沒為它命名。這是因為 lambda 函式的功能是執行某種簡單的表示式或運算,而無需完全定義函式。


lambda 函式可以使用任意數量的引數,但表示式只能有一個。
x = lambda a, b : a * b
print(x(5, 6)) # prints  30

x = lambda a : a*3 + 3
print(x(3)) # prints  12


看它多麼簡單!我們執行了一些簡單的數學運算,而無需定義整個函式。這是 Python 的眾多特徵之一,這些特徵使它成為一種乾淨、簡單的程式語言。


Map 函式


Map() 是一種內建的 Python 函式,它可以將函式應用於各種資料結構中的元素,如列表或字典。對於這種運算來說,這是一種非常乾淨而且可讀的執行方式。


def square_it_func(a):
    return a * a

x = map(square_it_func, [147])
print(x) # prints  [1, 16, 49]

def multiplier_func(a, b):
    return a * b

x = map(multiplier_func, [147], [258])
print(x) # prints  [2, 20, 56] 看看上面的示例!我們可以將函式應用於單個或多個列表。實際上,你可以使用任何 Python 函式作為 map 函式的輸入,只要它與你正在操作的序列元素是相容的。


Filter 函式


filter 內建函式與 map 函式非常相似,它也將函式應用於序列結構(列表、元組、字典)。二者的關鍵區別在於 filter() 將只返回應用函式返回 True 的元素。


詳情請看如下示例:
# Our numbers
numbers = [123456789101112131415]

# Function that filters out all numbers which are odd
def filter_odd_numbers(num):

    if num % 2 == 0:
        return True
    else:
        return False

filtered_numbers = filter(filter_odd_numbers, numbers)

print(filtered_numbers)
# filtered_numbers = [2, 4, 6, 8, 10, 12, 14]


我們不僅評估了每個列表元素的 True 或 False,filter() 函式還確保只返回匹配為 True 的元素。非常便於處理檢查表示式和構建返回列表這兩步。


Itertools 模組


Python 的 Itertools 模組是處理迭代器的工具集合。迭代器是一種可以在 for 迴圈語句(包括列表、元組和字典)中使用的資料型別。


使用 Itertools 模組中的函式讓你可以執行很多迭代器操作,這些操作通常需要多行函式和複雜的列表理解。關於 Itertools 的神奇之處,請看以下示例:


from itertools import *

# Easy joining of two lists into a list of tuples
for i in izip([123], [ a b c ]):
    print i
# ( a , 1)
# ( b , 2)
# ( c , 3)

# The count() function returns an interator that 
# produces consecutive integers, forever. This 
# one is great for adding indices next to your list 
# elements for readability and convenience
for i in izip(count(1), [ Bob Emily Joe ]):
    print i
# (1,  Bob )
# (2,  Emily )
# (3,  Joe )    

# The dropwhile() function returns an iterator that returns 
# all the elements of the input which come after a certain 
# condition becomes false for the first time. 
def check_for_drop(x):
    print  Checking:  , x
    return (x > 5)

for i in dropwhile(should_drop, [24681012]):
    print  Result:  , i

# Checking: 2
# Checking: 4
# Result: 6
# Result: 8
# Result: 10
# Result: 12


# The groupby() function is great for retrieving bunches
# of iterator elements which are the same or have similar 
# properties

a = sorted([1213212345])
for key, value in groupby(a):
    print(key, value), end=   )

# (1, [1, 1, 1])
# (2, [2, 2, 2]) 
# (3, [3, 3]) 
# (4, [4]) 
# (5, [5]) 


Generator 函式


Generator 函式是一個類似迭代器的函式,即它也可以用在 for 迴圈語句中。這大大簡化了你的程式碼,而且相比簡單的 for 迴圈,它節省了很多記憶體。


比如,我們想把 1 到 1000 的所有數字相加,以下程式碼塊的第一部分向你展示瞭如何使用 for 迴圈來進行這一計算。


如果列表很小,比如 1000 行,計算所需的記憶體還行。但如果列表巨長,比如十億浮點數,這樣做就會出現問題了。使用這種 for 迴圈,記憶體中將出現大量列表,但不是每個人都有無限的 RAM 來儲存這麼多東西的。Python 中的 range() 函式也是這麼幹的,它在記憶體中構建列表。


程式碼中第二部分展示了使用 Python generator 函式對數字列表求和。generator 函式建立元素,並只在必要時將其儲存在記憶體中,即一次一個。這意味著,如果你要建立十億浮點數,你只能一次一個地把它們儲存在記憶體中!Python 2.x 中的 xrange() 函式就是使用 generator 來構建列表。


上述例子說明:如果你想為一個很大的範圍生成列表,那麼就需要使用 generator 函式。如果你的記憶體有限,比如使用移動裝置或邊緣計算,使用這一方法尤其重要。


也就是說,如果你想對列表進行多次迭代,並且它足夠小,可以放進記憶體,那最好使用 for 迴圈或 Python 2.x 中的 range 函式。因為 generator 函式和 xrange 函式將會在你每次訪問它們時生成新的列表值,而 Python 2.x range 函式是靜態的列表,而且整數已經置於記憶體中,以便快速訪問。


# (1) Using a for loopv
numbers = list()

for i in range(1000):
    numbers.append(i+1)

total = sum(numbers)

# (2) Using a generator
 def generate_numbers(n):
     num, numbers = 1, []
     while num < n:
           numbers.append(num)
     num += 1
     return numbers
 total = sum(generate_numbers(1000))

 # (3) range() vs xrange()
 total = sum(range(1000 + 1))
 total = sum(xrange(1000 + 1))
原文連結:https://towardsdatascience.com/5-advanced-features-of-python-and-how-to-use-them-73bffa373c84


- END -
如果看到這裡,說明你喜歡這篇文章,請轉發、點贊。微信搜尋「perfect_iscas」,關注後回覆「進群」或者掃描下方二維碼即可進入無廣告技術交流群。
掃描二維碼進群↓

640?wx_fmt=jpeg


640

640?wx_fmt=gif

在看 640?wx_fmt=jpeg

相關文章