Python的高級特徵你知多少？

• 2019 年 10 月 4 日
• 筆記

選自：towardsdatascience

作者：George Seif

開篇先說，IEEE Spectrum 於9月6日發布了2019年最受歡迎的程式語言排名，無疑Python蟬聯第一，成績頗為亮眼。從前年開始，Python 就開始霸佔榜單長達 2 年，成為編程市場上份額最高的語言。

Python 多好用不用多說，大家看看自己用的語言就知道了。但是 Python 隱藏的高級功能你都 get 了嗎？本文中，作者列舉了 Python 中五種略高級的特徵以及它們的使用方法，快來一探究竟吧！

下面是 Python 的 5 種高級特徵，以及它們的用法。

01

Lambda 函數

Lambda 函數是一種比較小的匿名函數——匿名是指它實際上沒有函數名。

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

lambda 函數可以使用任意數量的參數，但表達式只能有一個。

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，而無需定義整個函數。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。

02

Map 函數

Map() 是一種內置的 Python 函數，它可以將函數應用於各種數據結構中的元素，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, [1, 4, 7])  print(x) # prints '[1, 16, 49]'    def multiplier_func(a, b):      return a * b    x = map(multiplier_func, [1, 4, 7], [2, 5, 8])  print(x) # prints '[2, 20, 56]'看看上面的示例！我們可以將函數應用於單個或多個列表。實際上，你可以使用任何 Python 函數作為 map 函數的輸入，只要它與你正在操作的序列元素是兼容的。

03

Filter 函數

filter 內置函數與 map 函數非常相似，它也將函數應用於序列結構（列表、元組、字典）。二者的關鍵區別在於 filter() 將只返回應用函數返回 True 的元素。

詳情請看如下示例：

# Our numbers  numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]    # 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() 函數還確保只返回匹配為 True 的元素。非常便於處理檢查表達式和構建返回列表這兩步。

04

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 循環語句（包括列表、元組和字典）中使用的數據類型。

使用 Itertools 模組中的函數讓你可以執行很多迭代器操作，這些操作通常需要多行函數和複雜的列表理解。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([1, 2, 3], ['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, [2, 4, 6, 8, 10, 12]):      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([1, 2, 1, 3, 2, 1, 2, 3, 4, 5])  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]) 

05

Generator 函數

Generator 函數是一個類似迭代器的函數，即它也可以用在 for 循環語句中。這大大簡化了你的程式碼，而且相比簡單的 for 循環，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了如何使用 for 循環來進行這一計算。

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 循環，記憶體中將出現大量列表，但不是每個人都有無限的 RAM 來存儲這麼多東西的。Python 中的 range() 函數也是這麼乾的，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 函數對數字列表求和。generator 函數創建元素，並只在必要時將其存儲在記憶體中，即一次一個。這意味著，如果你要創建十億浮點數，你只能一次一個地把它們存儲在記憶體中！Python 2.x 中的 xrange() 函數就是使用 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 函數。如果你的記憶體有限，比如使用移動設備或邊緣計算，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 循環或 Python 2.x 中的 range 函數。因為 generator 函數和 xrange 函數將會在你每次訪問它們時生成新的列表值，而 Python 2.x range 函數是靜態的列表，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))

任何程式語言的高級特徵通常都是通過大量的使用經驗才發現的。

這幾年，學 Python 的程式設計師的確越來越多了，甚至不少人把 Python 當作第一語言來學習。也難怪，Python 的優點太多了，它語言簡潔、開發效率高、可移植性強，並且可以和其他程式語言（比如C++）輕鬆無縫銜接。