一、高級特性
1、切片
取list或tuple中的一部分元素，可使用切片運算子(:)，
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack'] #取前三個元素 >>>L[0:3] ['Michael', 'Sarah', 'Tracy'] #索引號第1個是0，可省略 >>>L[:3] ['Michael', 'Sarah', 'Tracy'] #取第1-3個字元素 >>>L[1:4] ['Sarah', 'Tracy', 'Bob']
也可以倒數取：
L = list(range(100)) >>> L [0, 1, 2, 3, ..., 99] #取最后10個數 >>>L[-10:] [90, 91, 92, 93, 94, 95, 96, 97, 98, 99] #取倒數第二個數 >>>L[-2,-1] [98]
也可以每N個取出元素：
>>> L[:10:2] #前10個數，每兩個取一個 [0, 2, 4, 6, 8] >>> L[::5] #所有數，每5個取一個 [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
2、迭代
可用for回圈遍歷集合物件中所有元素的行為，稱為迭代（Iteration)，
可迭代的物件：list、tuple、dict、set、字串等，
d = {'a': 1, 'b': 2, 'c': 3}
for key in d: #dict默認只迭代key值
print (key)
for value in d.values() #迭代value值
print (value)
for k,v in d.items() #迭代key和value值
print (k, v)
需要將list實作迭代時出現索引下標，可用enumerate函式：
for i, value in enumerate(['A', 'B', 'C']): print(i, value)
判斷一個物件是否可迭代，可用collections模塊的Iterable型別判斷：
>>>from collections import Iterable >>>isinstance('abc', Iterable) #判斷字串是否可迭代 True >>>isinstance(123, Iterable) #判斷整數是否可迭代 False
3、串列生成式
list(range(1,11))可以生成[1,2,3,....10]的list，
但如果要生成[1*1, 2*2, 3*3, ..., 10 * 10]這樣的串列，除了用回圈演算法，還可以用串列生成式：[x * x for x in range(1,10)]
串列生成式的格式：[運算式 for x in range()]
for回圈后加上if判斷，可篩選for回圈的結果：
>>> [x * x for x in range(1, 11) if x % 2 == 0] #僅出偶數的平方 [4, 16, 36, 64, 100]
也可以使用兩層回圈：
>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
使用兩個變數來生成List:
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
if...else可以用在運算式當中：
[x if x % 2 == 0 else -x for x in range(1, 11)] [-1, 2, -3, 4, -5, 6, -7, 8, -9, 10]
上面的運算式，相當 ?:三目運算子：x= x % 2 ?: -x，python貌似沒有三目運算子，這里僅供理解用， 4、生成器generator 如果使用串列生成式，比如：
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
則list會直接生成出來，但是如果生成十萬百萬個這樣的元素，則會消耗掉記憶體，可使用生成器來代替上面的串列生成式：
>>> g = (x * x for x in range(10))
將串列生成式兩邊的[]括號改成()括號即可創建了一個generator， 也可以寫成函式的方法：
def g(): for x in range(10): yield x*x return 'end'
函式體內包含yield則此函式為generator，
要呼叫該generator時，首先要生成一個generator物件，然后再用next()函式不斷獲得下一個yield的回傳值，
o = g() while True: try: x = next(o) print('g:', x) except StopIteration as e: #使用StopIteration捕獲return值 print('Generator return value:', e.value) break
也可以用for回圈來不斷獲得回傳值，這時不需要next()函式，也不會產生StopIntertaion錯誤，
for n in g(): print(n)
5、迭代器
可以for回圈的資料型別有兩種：
一種是集合型別，歸屬于Interable物件，比如：list、tuple、dict、set、str等；
一種是generator生成器，這類歸屬于Iterator物件，
把list、dict、str等Iterable變成Iterator可以使用iter()函式：
>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True
二、函式式編程
函式式編程的重要特點：函式本身可以作為引數傳入到另一個函式，還允許回傳一個函式，
Python對函式式編程提供部分支持，
（一）函式作為引數傳入：
1、map和reduce函式
map()：接收兩個引數，一個是函式（此函式只有一個引數），一個是Iterable，作用是將傳入的函式作用到傳入序列的每一個元素上，
def f(x): return x * x; r=map(f, [1,2,3,4,5,6,7,8,9]) list(r) #結果：[1,4,9,16,25,36,49,64,81]
reduce()：把一個函式作用在一個序列上，該函式必須有兩個引數，接收序列中前兩個的累積結果和下一個元素，效果如下：
reduce(f, [x1,x2,x3,x4]) = f(f(f(x1,x2), x3), x4)
from functools import reduce def add(x, y): return x + y reduce(add, [1, 3, 5, 7, 9]) #序列累積求和：25
2、filter函式
通過傳入的函式，對序列進行過濾，傳入的函式回傳值必須是布林值，
#去掉偶數，只保留奇數 def is_odd(n): return n % 2 == 1 list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])) # 結果: [1, 5, 9, 15]
3、sorted排序函式
sorted()函式有三個引數，第一引數是要接受排序的序列，第二引數可選，用于在排序前對序列作用于每個元素，第三引數可選，默認為false，設為true則表示反向排序，
sorted(['bob', 'about', 'Zoo', 'Credit']) #按ascii碼排序： ['Credit', 'Zoo', 'about', 'bob'] sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower) #對每個元素變小寫，再按ascii碼排序：['about', 'bob', 'Credit', 'Zoo'] sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True) #每個元素變小寫，再按ascii碼反向排序：['Zoo', 'Credit', 'bob', 'about']
（二）函式作為回傳值：
函式可作為回傳值回傳，此時回傳的函式體并不會立即執行，
#回傳求和函式 def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum f = lazy_sum(1, 3, 5, 7, 9) #呼叫函式f時，才會計算求和結果 f() #結果：25
注意：回傳的函式體不要參考區域會變化的變數，否則會引起預想不到的結果，
（三）匿名函式
py的匿名函式寫法：
lambda <引數>:回傳函式體結果，
匿名函式的限制：只有有一個運算式，不用寫return，回傳值就是該運算式的結果，
f = lambda x:x*x #實際上就是： def f(x): return x*x
(四）裝飾器decorator
當需要增強函式功能時，可使用裝飾器decorator，
比如，在呼叫now()函式前顯示自動列印函式日志，
def log(func): def wrapper(*args, **kw): print('呼叫 %s():' % func.__name__) return func(*args, **kw) return wrapper #要使用上面的封裝器，則可這樣使用： @log def now(): print('2020-04-14') #呼叫now() now() #顯示： #call now(): #2020-04-14
（五）偏函式Partial function
偏函式的作用：把一個函式的某些函式用某個值固定，并回傳一個新函式，可以簡單呼叫，
舉例：
int()函式可把字串轉換為整數，傳入字串時，會默認按十進制轉換，此函式的第二個引數為默認值 10，可以用偏函式固定成其他值：
import functools int2 = functools.partial(int, base=2) int2('1000000') #結果：64
三、模塊
模塊作用：將代碼利用模塊分隔開，利于維護；
python：一個.py檔案為一個模板，一個檔案夾為一個package（檔案夾下必須包含__init__.py)，
模塊名起名規范：遵循py變數命名規范，不要使用中文和特殊字符，不要與系統模塊名沖突；
示例：
mycompany
├─ web
│ ├─ __init__.py
│ ├─ utils.py
│ └─ www.py
├─ __init__.py
├─ abc.py
└─ utils.py檔案www.py的模板名為：mycompany.web.www，utils.py模塊名分別有：mycompany.web.utils和mycompany.utils，
參考模塊:
import 模塊名
python在指定的路徑下搜索對應的.py檔案來加載模塊，包括：當前目錄、所有已安裝的內置模塊和第三模塊目錄，這些目錄存放在sys模塊下的path變數中，
>>> import sys >>> sys.path ['', '/Library/Frameworks/Python.framework/Versions/3.6/lib/python36.zip', '/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6', ..., '/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages']
添加模塊搜索目錄的方法：
（1）運行時添加：
>>> import sys >>> sys.path.append('/Users/michael/my_py_scripts')
這種方法在運行時添加，運行完后失效，
（2）設定PYTHONPATH環境變數
這種方式與PATH環境變數類似，
模塊檔案的撰寫規范：
#!/usr/bin/env python3 # -*- coding: utf-8 -*- ' a test module ' __author__ = 'Michael Liao' import sys def test(): args = sys.argv if len(args)==1: print('Hello, world!') elif len(args)==2: print('Hello, %s!' % args[1]) else: print('Too many arguments!') if __name__=='__main__': test()
前兩行為標準注釋；
第4行是一個模塊的檔案注釋，任何模塊代碼第一個字串都被視為模塊的檔案注釋；
第6行__author__變數是作者名，
而后的代碼就是真正的代碼部分，
最后兩行，__name__變數是特殊變數，當模塊在命令列模式運行時此變數為__main__字串，常用于運行測驗，
另外說明一點：
模塊中的函式和變數都是公開的，無公有或私有化一說，只是我們自己可以規定_或__開頭的應該業內口頭規定為私有變數或函式，但實際上仍可以被外部呼叫，
安裝第三方模塊：
在安裝了python后，可以使用pip（3版本為pip3)命令安裝第三方庫，
第三方庫一般都在pypi.python.org 中注冊，
安裝常用模塊，可以使用Anaconda更方便，下載地址：https://www.anaconda.com/download/
有關介紹說明：https://www.jianshu.com/p/62f155eb6ac5
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/158901.html
標籤：Python
上一篇：集成學習之隨機森林