Python的高级特效是什么?有什么用呢?史上最全的教程!

Posted python1234

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python的高级特效是什么?有什么用呢?史上最全的教程!相关的知识,希望对你有一定的参考价值。

本篇文章重点介绍以下内容

Python语言的一些高阶用法主要有以下几个特性:

  • generators生成器用法
  • collections包常见用法
  • itertools包常见用法
  • packing/unpacking封包/解包特性
  • Decorators装饰器
  • Context Managers上下文管理期
技术分享图片

 

技术分享图片

 

输出结果

0
1
1
2
3
5
8
13
21
34
55
89
144
233
377
610
987

在Python中可以使用生成器表达式去迭代一个对象,生成器表达式和列表最大的差别就在于是否一次性将结果计算完成,举例如下:

技术分享图片

 

collections包是标准库的一个模块,主要目的是用来扩展容器相关的数据类型,

我们通过dir查看collections包有哪些模块:

>>> import collections
>>> dir(collections)
[‘Callable‘, ‘Container‘, ‘Counter‘, ‘Hashable‘, ‘ItemsView‘, ‘Iterable‘, ‘Iterator‘, ‘KeysView‘, ‘Mapping‘, ‘MappingView‘, ‘MutableMapping‘, ‘MutableSequence‘, ‘MutableSet‘, ‘OrderedDict‘, ‘Sequence‘, ‘Set‘, ‘Sized‘, ‘ValuesView‘, ‘__all__‘, ‘__builtins__‘, ‘__doc__‘, ‘__file__‘, ‘__name__‘, ‘__package__‘, ‘_abcoll‘, ‘_chain‘, ‘_class_template‘, ‘_eq‘, ‘_field_template‘, ‘_get_ident‘, ‘_heapq‘, ‘_imap‘, ‘_iskeyword‘, ‘_itemgetter‘, ‘_repeat‘, ‘_repr_template‘, ‘_starmap‘, ‘_sys‘, ‘defaultdict‘, ‘deque‘, ‘namedtuple‘]

我们以Counter为例:

from collections import Counter

a = Counter(‘blue‘)
b = Counter(‘yellow‘)

print(a)
print(b)
print((a + b).most_common(3))

输出结果如下:

Counter({‘u‘: 1, ‘e‘: 1, ‘l‘: 1, ‘b‘: 1})
Counter({‘l‘: 2, ‘y‘: 1, ‘e‘: 1, ‘o‘: 1, ‘w‘: 1})
[(‘l‘, 3), (‘e‘, 2), (‘y‘, 1)]

另外defaultdict也是我常用的一个模块,defaultdict是dict的子类,允许我们通过工厂方法来动态创建不存在的属性,举例如下:

from collections import defaultdict

my_dict = defaultdict(lambda: ‘Default Value‘)
my_dict[‘a‘] = 42

print(my_dict[‘a‘])
print(my_dict[‘b‘])

运行结果如下:

42
Default Value

在工作中我经常用defaultdict来构造一颗树形数据结构来满足我的常规需求,实例如下:

from collections import defaultdict
import json

def tree():
 """
 Factory that creates a defaultdict that also uses this factory
 """
 return defaultdict(tree)

root = tree()
root[‘Page‘][‘Python‘][‘defaultdict‘][‘Title‘] = ‘Using defaultdict‘
root[‘Page‘][‘Python‘][‘defaultdict‘][‘Subtitle‘] = ‘Create a tree‘
root[‘Page‘][‘Java‘] = None

print(json.dumps(root, indent=4))

运行结果如下:

{
 "Page": {
 "Python": {
 "defaultdict": {
 "Subtitle": "Create a tree",
 "Title": "Using defaultdict"
 }
 },
 "Java": null
 }
}
技术分享图片

 

输出结果:

(1, 2)
(1, 3)
(1, 4)
(2, 3)
(2, 4)
(3, 4)

另外chain模块也是常用模块之一

chain使用示例:

from itertools import chain

for c in chain(range(3), range(12, 15)):
 print(c)

输出结果如下:

0
1
2
12
13
14

另外itertools工具包里还有很多常见的用法,这里不再一一举例,大家可以自行尝试。

packing/unpacking特性

技术分享图片

 

运行结果如下:

Call function repeat using a list of arguments:
cats
cats
cats
cats
Call function repeat using a dictionary of keyword arguments:
cats
cats
cats
cats

最后我们再回归到函数参数的例子上:

def f(*args, **kwargs):
 print("Arguments: ", args)
 print("Keyword arguments: ", kwargs)

f(3, 4, 9, foo=42, bar=7)

以上代码输出:

Arguments: (3, 4, 9)
Keyword arguments: {‘bar‘: 7, ‘foo‘: 42}

Decorators装饰器

装饰器这个语法糖相信使用flask或者bottle的同学应该都不陌生,使用django的也应该经常会遇到,但是大家有没有去想过这个语法糖的应用场景呢?我简单整理了下,大概有以下几种装饰器:

  • 缓存装饰器
  • 权限验证装饰器
  • 计时装饰器
  • 日志装饰器
  • 路由装饰器
  • 异常处理装饰器
  • 错误重试装饰器

我们拿缓存装饰器举例:

def cache(function):
 cached_values = {} # Contains already computed values
 def wrapping_function(*args):
 if args not in cached_values:
 # Call the function only if we haven‘t already done it for those parameters
 cached_values[args] = function(*args)
 return cached_values[args]
 return wrapping_function

@cache
def fibonacci(n):
 print(‘calling fibonacci(%d)‘ % n)
 if n < 2:
 return n
 return fibonacci(n-1) + fibonacci(n-2)

print([fibonacci(n) for n in range(1, 9)])

以上代码输出:

calling fibonacci(1)
calling fibonacci(2)
calling fibonacci(0)
calling fibonacci(3)
calling fibonacci(4)
calling fibonacci(5)
calling fibonacci(6)
calling fibonacci(7)
calling fibonacci(8)
[1, 1, 2, 3, 5, 8, 13, 21]

在Python3中有一个包叫做lrucache,就是用的装饰器的语法糖进行实现。

lrucache的简单实用如下:

from functools import lru_cache

@lru_cache(maxsize=None)
def fibonacci(n):
 print(‘calling fibonacci(%d)‘ % n)
 if n < 2:
 return n
 return fibonacci(n-1) + fibonacci(n-2)

print([fibonacci(n) for n in range(1, 9)])

运行结果:

calling fibonacci(1)
calling fibonacci(2)
calling fibonacci(0)
calling fibonacci(3)
calling fibonacci(4)
calling fibonacci(5)
calling fibonacci(6)
calling fibonacci(7)
calling fibonacci(8)
[1, 1, 2, 3, 5, 8, 13, 21]

Context Managers上下文管理期

最后我们再看Python中的上下文管理器,这个语法糖在资源管理上有很常见的使用场景,比如上文中我用with open("file") as的用法,使用了with后就不用担心文件不会关闭了,在处理socket编程的时候也可以用。这个语法糖其实也不难就是两个魔术方法的实现,enter 和 exit,一个控制入口,一个控制出口。

常规的使用with来统计一段代码运行时间的例子:

from time import time

class Timer():
 def __init__(self, message):
 self.message = message

 def __enter__(self):
 self.start = time()
 return None # could return anything, to be used like this: with Timer("Message") as value:

 def __exit__(self, type, value, traceback):
 elapsed_time = (time() - self.start) * 1000
 print(self.message.format(elapsed_time))

with Timer("Elapsed time to compute some prime numbers: {}ms"):
 primes = []
 for x in range(2, 500):
 if not any(x % p == 0 for p in primes):
 primes.append(x)
 print("Primes: {}".format(primes))

输出结果:

Primes: [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101, 103, 107, 109, 113, 127, 131, 137, 139, 149, 151, 157, 163, 167, 173, 179, 181, 191, 193, 197, 199, 211, 223, 227, 229, 233, 239, 241, 251, 257, 263, 269, 271, 277, 281, 283, 293, 307, 311, 313, 317, 331, 337, 347, 349, 353, 359, 367, 373, 379, 383, 389, 397, 401, 409, 419, 421, 431, 433, 439, 443, 449, 457, 461, 463, 467, 479, 487, 491, 499]
Elapsed time to compute some prime numbers: 1.055002212524414ms

总结

其实Python是一门特别人性化的语言,但凡在工程中经常遇到的问题,处理起来比较棘手的模式基本都有对应的比较优雅的解决方案。有些写Java同学写Python代码经常看起来像是写C,没有一点Python语言的影子,因此简单整理了下Python进阶的一些用法,希望能够帮助一些同学。

欢迎关注我的博客或者公众号:https://home.cnblogs.com/u/Python1234/ Python学习交流

欢迎加入我的千人交流学习群:125240963

技术分享图片

 

 

以上是关于Python的高级特效是什么?有什么用呢?史上最全的教程!的主要内容,如果未能解决你的问题,请参考以下文章

Kettle8.2版本学习路线(史上最全,内附中文教程)

软件测试面试题及答案史上最全

Python程序打包成.exe(史上最全面讲解)

python学习教程,史上最全面的python学习路线图

史上最全 40 道 Dubbo 面试题及答案,看完碾压面试官!

2019史上最全java面试题题库大全800题含答案