Python 十大語法

前言

Python 是一種代表簡單思想的語言，其語法相對簡單，很容易上手，不過，如果就此小視 Python 語法的精妙和深邃，那就大錯特錯了，本文精心篩選了最能展現 Python 語法之精妙的十個知識點，并附上詳細的實體代碼，如能在實戰中融會貫通、靈活使用，必將使代碼更為精煉、高效，同時也會極大提升代碼B格，使之看上去更老練，讀起來更優雅，

for - else

什么？不是 if 和 else 才是原配嗎？No，你可能不知道，else 是個腳踩兩只船的家伙，for 和 else 也是一對，而且是合法的，十大裝B語法，for-else 絕對算得上南無灣！不信，請看：

>>> for i in [1,2,3,4]:
print(i)
else:
print(i, '我是else')

1
2
3
4
4 我是else

如果在 for 和 else 之間（回圈體內）有第三者 if 插足，也不會影響 for 和 else 的關系，因為 for 的級別比 if 高，else 又是一個攀附權貴的家伙，根本不在乎是否有 if，以及是否執行了滿足 if 條件的陳述句，else 的眼里只有 for，只要 for 順利執行完畢，else 就會屁顛兒屁顛兒地跑一遍：

>>> for i in [1,2,3,4]:
if i > 2:
print(i)
else:
print(i, '我是else')

3
4
4 我是else

那么，如何拆散 for 和 else 這對冤家呢？只有當 for 回圈被 break 陳述句中斷之后，才會跳過 else 陳述句：

>>> for i in [1,2,3,4]:
if i>2:
print(i)
break
else:
print(i, '我是else')

3

一顆星(*)和兩顆星(**)

有沒有發現，星(*)真是一個神奇的符號！想一想，沒有它，C語言還有啥好玩的？同樣，因為有它，Python 才會如此的儀態萬方、風姿綽約、楚楚動人！Python 函式支持默認引數和可變引數，一顆星表示不限數量的單值引數，兩顆星表示不限數量的鍵值對引數，

我們還是舉例說明吧：設計一個函式，回傳多個輸入數值的和，我們固然可以把這些輸入數值做成一個list傳給函式，但這個方法，遠沒有使用一顆星的可變引數來得優雅：

>>> def multi_sum(*args):
s = 0
for item in args:
s += item
return s

>>> multi_sum(3,4,5)
12

Python 函式允許同時全部或部分使用固定引數、默認引數、單值（一顆星）可變引數、鍵值對（兩顆星）可變引數，使用時必須按照前述順序書寫，

>>> def do_something(name, age, gender='男', *args, **kwds):
print('姓名：%s，年齡：%d，性別：%s'%(name, age, gender))
print(args)
print(kwds)

>>> do_something('xufive', 50, '男', 175, 75, math=99, english=90)
姓名：xufive，年齡：50，性別：男
(175, 75)
{'math': 99, 'english': 90}

此外，一顆星和兩顆星還可用于串列、元組、字典的解包，看起來更像C語言：

>>> a = (1,2,3)
>>> print(a)
(1, 2, 3)
>>> print(*a)
1 2 3
>>> b = [1,2,3]
>>> print(b)
[1, 2, 3]
>>> print(*b)
1 2 3
>>> c = {'name':'xufive', 'age':51}
>>> print(c)
{'name': 'xufive', 'age': 51}
>>> print(*c)
name age
>>> print('name:{name}, age:{age}'.format(**c))
name:xufive, age:51

三元運算式

熟悉 C/C++ 的程式員，初上手 python 時，一定會懷念經典的三元運算子，因為想表達同樣的思想，用python 寫起來似乎更麻煩，比如：

>>> y = 5
>>> if y < 0:
print('y是一個負數')
else:
print('y是一個非負數')

y是一個非負數

其實，python 是支持三元運算式的，只是稍微怪異了一點，比如：打球去吧，要是不下雨的話；下雨，咱就去自習室，翻譯成三元運算式就是：

打球去吧 if 不下雨 else 去自習室

來看看三元運算式具體的使用：

>>> y = 5
>>> print('y是一個負數' if y < 0 else 'y是一個非負數')
y是一個非負數

python 的三元運算式也可以用來賦值：

>>> y = 5
>>> x = -1 if y < 0 else 1
>>> x

with - as

with 這個詞兒，英文里面不難翻譯，但在 Python 語法中怎么翻譯，我還真想不出來，大致上是一種背景關系管理協議，作為初學者，不用關注 with 的各種方法以及機制如何，只需要了解它的應用場景就可以了，with 陳述句適合一些事先需要準備，事后需要處理的任務，比如，檔案操作，需要先打開檔案，操作完成后需要關閉檔案，如果不使用with，檔案操作通常得這樣：

fp = open(r"D:\CSDN\Column\temp\mpmap.py", 'r')
try:
contents = fp.readlines()
finally:
fp.close()

如果使用 with - as，那就優雅多了：

>>> with open(r"D:\CSDN\Column\temp\mpmap.py", 'r') as fp:
contents = fp.readlines()

串列推導式

在各種稀奇古怪的語法中，串列推導式的使用頻率應該時最高的，對于代碼的簡化效果也非常明顯，比如，求串列各元素的平方，通常應該這樣寫（當然也有其他寫法，比如使用map函式）：

>>> a = [1, 2, 3, 4, 5]
>>> result = list()
>>> for i in a:
result.append(i*i)

>>> result
[1, 4, 9, 16, 25]

如果使用串列推導式，看起來就舒服多了：

>>> a = [1, 2, 3, 4, 5]
>>> result = [i*i for i in a]
>>> result
[1, 4, 9, 16, 25]

一行Python代碼實作的功能

事實上，推導式不僅支持串列，也支持字典、集合、元組等物件，有興趣的話，可以自行研究，接下來我簡單展示一下一行代碼的實作，都是串列推導式實作的：

一行代碼列印乘法口訣

print('\n'.join([' '.join(["%2s x%2s = %2s"%(j,i,i*j) for j in range(1,i+1)]) for i in range(1,10)]))

 一行代碼列印迷宮

print(''.join(__import__('random').choice('\u2571\u2572') for i in range(50*24)))

一行代碼開始你的故事 

print('\n'.join([''.join([('Love'[(x-y) % len('Love')] if ((x*0.05)**2+(y*0.1)**2-1)**3-(x*0.05)**2*(y*0.1)**3 <= 0else' ') for x in range(-30, 30)]) for y in range(30, -30, -1)]))

一行代碼列印衛星小龜龜 

print('\n'.join([''.join(['*' if abs((lambda a:lambda z,c,n:a(a,z,c,n))(lambda s,z,c,n:z if n==0 else s(s,z*z+c,c,n-1))(0,0.02*x+0.05j*y,40))<2 else ' ' for x in range(-80,20)]) for y in range(-20,20)]))

串列索引的各種騷操作

Python 引入負整數作為陣列的索引，這絕對是喜大普奔之舉，想想看，在C/C++中，想要陣列最后一個元素，得先取得陣列長度，減一之后做索引，嚴重影響了思維的連貫性，Python語言之所以獲得成功，我個人覺得，在諸多因素里面，串列操作的便捷性是不容忽視的一點，請看：

>>> a = [0, 1, 2, 3, 4, 5]
>>> a[2:4]
[2, 3]
>>> a[3:]
[3, 4, 5]
>>> a[1:]
[1, 2, 3, 4, 5]
>>> a[:]
[0, 1, 2, 3, 4, 5]
>>> a[::2]
[0, 2, 4]
>>> a[1::2]
[1, 3, 5]
>>> a[-1]
5
>>> a[-2]
4
>>> a[1:-1]
[1, 2, 3, 4]
>>> a[::-1]
[5, 4, 3, 2, 1, 0]

如果說，這些你都很熟悉，也經常用，那么接下來這個用法，你一定會感覺很神奇：

>>> a = [0, 1, 2, 3, 4, 5]
>>> b = ['a', 'b']
>>> a[2:2] = b
>>> a
[0, 1, 'a', 'b', 2, 3, 4, 5]
>>> a[3:6] = b
>>> a
[0, 1, 'a', 'a', 'b', 4, 5]

lambda函式

lambda 聽起來很高大上，其實就是匿名函式（了解js的一定很熟悉匿名函式），匿名函式的應用場景是什么呢？就是僅在定義匿名函式的地方使用這個函式，其他地方用不到，所以就不需要給它取個阿貓阿狗之類的名字了，下面是一個求和的匿名函式，輸入引數有兩個，x和y，函式體就是x+y，省略了return關鍵字，

>>> lambda x,y: x+y
<function <lambda> at 0x000001B2DE5BD598>
>>> (lambda x,y: x+y)(3,4) # 因為匿名函式沒有名字，使用的時候要用括號把它包起來

匿名函式一般不會單獨使用，而是配合其他方法，為其他方法提供內置的演算法或判斷條件，比如，使用排序函式sorted對多維陣列或者字典排序時，就可以指定排序規則，

>>> a = [{'name':'B', 'age':50}, {'name':'A', 'age':30}, {'name':'C', 'age':40}]
>>> sorted(a, key=lambda x:x['name']) # 按姓名排序
[{'name': 'A', 'age': 30}, {'name': 'B', 'age': 50}, {'name': 'C', 'age': 40}]
>>> sorted(a, key=lambda x:x['age']) # 按年齡排序
[{'name': 'A', 'age': 30}, {'name': 'C', 'age': 40}, {'name': 'B', 'age': 50}]

再舉一個陣列元素求平方的例子，這次用map函式：

>>> a = [1,2,3]
>>> for item in map(lambda x:x*x, a):
print(item, end=', ')

1, 4, 9, 

yield 以及生成器和迭代器

• yield 這詞兒，真不好翻譯，翻詞典也沒用，我干脆就讀作“燕得”，算是外來詞匯吧，要理解 yield，得先了解 generator（生成器），要了解generator，得先知道 iterator（迭代器），哈哈哈，繞暈了吧？算了，我還是說白話吧，
• 話說py2時代，range()回傳的是list，但如果range(10000000)的話，會消耗大量記憶體資源，所以，py2又搞了一個xrange()來解決這個問題，py3則只保留了xrange()，但寫作range()，xrange()回傳的就是一個迭代器，它可以像list那樣被遍歷，但又不占用多少記憶體，generator（生成器）是一種特殊的迭代器，只能被遍歷一次，遍歷結束，就自動消失了，總之，不管是迭代器還是生成器，都是為了避免使用list，從而節省記憶體，那么，如何得到迭代器和生成器呢？

python內置了迭代函式 iter，用于生成迭代器，用法如下：

>>> a = [1,2,3]
>>> a_iter = iter(a)
>>> a_iter
<list_iterator object at 0x000001B2DE434BA8>
>>> for i in a_iter:
print(i, end=', ')

1, 2, 3, 

yield 則是用于構造生成器的，比如，我們要寫一個函式，回傳從0到某正整數的所有整數的平方，傳統的代碼寫法是這樣的：

>>> def get_square(n):
result = list()
for i in range(n):
result.append(pow(i,2))
return result

>>> print(get_square(5))
[0, 1, 4, 9, 16]

但是如果計算1億以內的所有整數的平方，這個函式的記憶體開銷會非常大，這是 yield 就可以大顯身手了：

>>> def get_square(n):
for i in range(n):
yield(pow(i,2))

>>> a = get_square(5)
>>> a
<generator object get_square at 0x000001B2DE5CACF0>
>>> for i in a:
print(i, end=', ')

0, 1, 4, 9, 16, 

如果再次遍歷，則不會有輸出了，

裝飾器

• 剛弄明白迭代器和生成器，這又來個裝飾器，Python 咋這么多器呢？的確，Python 為我們提供了很多的武器，裝飾器就是最有力的武器之一，裝飾器很強大，我在這里嘗試從需求的角度，用一個簡單的例子，說明裝飾器的使用方法和制造工藝，
• 假如我們需要定義很多個函式，在每個函式運行的時候要顯示這個函式的運行時長，解決方案有很多，比如，可以在呼叫每個函式之前讀一下時間戳，每個函式運行結束后再讀一下時間戳，求差即可；也可以在每個函式體內的開始和結束位置上讀時間戳，最后求差，不過，這兩個方法，都沒有使用裝飾器那么簡單、優雅，下面的例子，很好地展示了這一點，

>>> import time
>>> def timer(func):
def wrapper(*args,**kwds):
t0 = time.time()
func(*args,**kwds)
t1 = time.time()
print('耗時%0.3f'%(t1-t0,))
return wrapper

>>> @timer
def do_something(delay):
print('函式do_something開始')
time.sleep(delay)
print('函式do_something結束')


>>> do_something(3)
函式do_something開始
函式do_something結束
耗時3.077

timer() 是我們定義的裝飾器函式，使用@把它附加在任何一個函式（比如do_something）定義之前，就等于把新定義的函式，當成了裝飾器函式的輸入引數，運行 do_something() 函式，可以理解為執行了timer(do_something) ，細節雖然復雜，不過這么理解不會偏差太大，且更易于把握裝飾器的制造和使用，

巧用斷言assert

所謂斷言，就是宣告運算式的布林值必須為真的判定，否則將觸發 AssertionError 例外，嚴格來講，assert是除錯手段，不宜使用在生產環境中，但這不影響我們用斷言來實作一些特定功能，比如，輸入引數的格式、型別驗證等，

>>> def i_want_to_sleep(delay):
assert(isinstance(delay, (int,float))), '函式引數必須為整數或浮點數'
print('開始睡覺')
time.sleep(delay)
print('睡醒了')


>>> i_want_to_sleep(1.1)
開始睡覺
睡醒了
>>> i_want_to_sleep(2)
開始睡覺
睡醒了
>>> i_want_to_sleep('2')
Traceback (most recent call last):
File "<pyshell#247>", line 1, in <module>
i_want_to_sleep('2')
File "<pyshell#244>", line 2, in i_want_to_sleep
assert(isinstance(delay, (int,float))), '函式引數必須為整數或浮點數'
AssertionError: 函式引數必須為整數或浮點數

標籤：Python

上一篇：RedisTemplate實作訊息佇列并且批量插入資料。

下一篇：Python - 協程