2024年Python最新让你的逼格瞬间提升的十个Python语法！-CSDN博客

本文链接：https://blog.csdn.net/2401_84561420/article/details/138371344

y = 5

x = -1 if y < 0 else 1

x

with - as

with 这个词儿，英文里面不难翻译，但在 Python 语法中怎么翻译，我还真想不出来，大致上是一种上下文管理协议。作为初学者，不用关注 with 的各种方法以及机制如何，只需要了解它的应用场景就可以了。with 语句适合一些事先需要准备，事后需要处理的任务，比如，文件操作，需要先打开文件，操作完成后需要关闭文件。如果不使用with，文件操作通常得这样：

fp = open(r"D:\CSDN\Column\temp\mpmap.py", ‘r’)

try:

contents = fp.readlines()

finally:

fp.close()

如果使用 with - as，那就优雅多了：

with open(r"D:\CSDN\Column\temp\mpmap.py", ‘r’) as fp:

contents = fp.readlines()

列表推导式

在各种稀奇古怪的语法中，列表推导式的使用频率应该时最高的，对于代码的简化效果也非常明显。比如，求列表各元素的平方，通常应该这样写（当然也有其他写法，比如使用map函数）：

a = [1, 2, 3, 4, 5]

result = list()

for i in a:

result.append(i*i)

result

[1, 4, 9, 16, 25]

如果使用列表推导式，看起来就舒服多了：

a = [1, 2, 3, 4, 5]

result = [i*i for i in a]

result

[1, 4, 9, 16, 25]

事实上，推导式不仅支持列表，也支持字典、集合、元组等对象。有兴趣的话，可以自行研究。我有一篇博文《一行 Python 代码能实现什么丧心病狂的功能？》，里面的例子，都是列表推导式实现的。

列表索引的各种骚操作

Python 引入负整数作为数组的索引，这绝对是喜大普奔之举。想想看，在C/C++中，想要数组最后一个元素，得先取得数组长度，减一之后做索引，严重影响了思维的连贯性。Python语言之所以获得成功，我个人觉得，在诸多因素里面，列表操作的便捷性是不容忽视的一点。请看：

#Python学习群 592539176

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]

a[-2]

a[1:-1]

[1, 2, 3, 4]

a[::-1]

[5, 4, 3, 2, 1, 0]>>> 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]

a[-2]

a[1:-1]

[1, 2, 3, 4]

a[::-1]

[5, 4, 3, 2, 1, 0]

如果说，这些你都很熟悉，也经常用，那么接下来这个用法，你一定会感觉很神奇：

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函数

lambda 听起来很高大上，其实就是匿名函数（了解js的同学一定很熟悉匿名函数）。匿名函数的应用场景是什么呢？就是仅在定义匿名函数的地方使用这个函数，其他地方用不到，所以就不需要给它取个阿猫阿狗之类的名字了。下面是一个求和的匿名函数，输入参数有两个，x和y，函数体就是x+y，省略了return关键字。

lambda x,y: x+y

(lambda x,y: x+y)(3,4) # 因为匿名函数没有名字，使用的时候要用括号把它包起来

匿名函数一般不会单独使用，而是配合其他方法，为其他方法提供内置的算法或判断条件。比如，使用排序函数sorted对多维数组或者字典排序时，就可以指定排序规则。

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’]) # 按年龄排序

[{‘name’: ‘A’, ‘age’: 30}, {‘name’: ‘C’, ‘age’: 40}, {‘name’: ‘B’, ‘age’: 50}]

再举一个数组元素求平方的例子，这次用map函数：

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 这词儿，真不好翻译，翻词典也没用。我干脆就读作“一爱得”，算是外来词汇吧。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，绕晕了吧？算了，我还是说白话吧。话说py2时代，range()返回的是list，但如果range(10000000)的话，会消耗大量内存资源，所以，py2又搞了一个xrange()来解决这个问题。py3则只保留了xrange()，但写作range()。xrange()返回的就是一个迭代器，它可以像list那样被遍历，但又不占用多少内存。generator（生成器）是一种特殊的迭代器，只能被遍历一次，遍历结束，就自动消失了。总之，不管是迭代器还是生成器，都是为了避免使用list，从而节省内存。那么，如何得到迭代器和生成器呢？pyrhon内置了迭代函数 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 则是用于构造生成器的。比如，我们要写一个函数，返回从0到某正整数的所有整数的平方，传统的代码写法是这样的：

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]

但是如果计算1亿以内的所有整数的平方，这个函数的内存开销会非常大，这是 yield 就可以大显身手了：

def get_square(n):

for i in range(n):

yield(pow(i,2))

a = get_square(5)

a

for i in a:

print(i, end=', ')

0, 1, 4, 9, 16,

如果再次遍历，则不会有输出了。

装饰器

刚弄明白迭代器和生成器，这又来个装饰器，Python 咋这么多器呢？的确，Python 为我们提供了很多的武器，装饰器就是最有力的武器之一。装饰器很强大，我在这里尝试从需求的角度，用一个简单的例子，说明装饰器的使用方法和制造工艺。假如我们需要定义很多个函数，在每个函数运行的时候要显示这个函数的运行时长，解决方案有很多。比如，可以在调用每个函数之前读一下时间戳，每个函数运行结束后再读一下时间戳，求差即可；也可以在每个函数体内的开始和结束位置上读时间戳，最后求差。不过，这两个方法，都没有使用装饰器那么简单、优雅。下面的例子，很好地展示了这一点。