python之代码简化式（列表、字典生成式，递归函数，迭代器(iter)和生成器(yield)、匿名函数(lambda)的使用）（12）

前言

本文主要讲解一些简化代码格式的一些方法，方便大家更好的完成各种程序的开发；其中包括列表、字典生成式，递归函数，迭代器(iter)和生成器(yield)以及匿名函数(lambda)的使用

1、列表、字典生成式

通过简短的代码对可迭代数据类型（列表、元组等）中的元素进行处理，然后快速生成一个列表或字典
语法格式：变量 = [代码 for 变量 in 数据]
下面我直接通过案例讲解

• 案例1：快速生成列表（偶尔会使用）

list = ['ah','hh','lalala'] # 将该列表中的元素全部转换成大写字母
# 传统方法
new = []
for x in list:
    new.append(x.upper())
print(new) # 输出结果：['AH', 'HH', 'LALALA']

从上面可以看到，在原来当我们将一个列表中的元素全部转换成大写字母，需要使用好几行的代码才能解决；但通过列表生成式我们只需一行代码即可解决;如下：

list = ['ah','hh','lalala']
# 新方法
new = [x.upper() for x in list] # 列表生成式
print(new) # 输出结果：['AH', 'HH', 'LALALA']

说明：
从上面可以看，我们可以直接在中括号[]中直接使用for循环的代码对列表元素进行处理，并将处理好的元素依次加入新的列表中，最后得到的结果与传统方法相同，并且简化了代码

• 案例2：快速生成字典（基本用不到）

list = [('name','ah'),('age',18),('sex','man')] # 将该列表转换成字典
# 传统方法
new = {}
for a,b in list:
    if a != 'sex': 
        new[a] = b
print(new)

使用字典生成式完成上面的需求：

new = {a:b for a,b in list if a!='sex'} # 字典生成式
print(new)

总结：
上面两种方法的作用都是简化代码的书写过程，没有实际意义，且可读性较差，在日常开发中，还是以传统方法为主

2、递归函数

在调用函数的过程中，直接或间接的调用了自己，以达到循环的效果

• 案例1：直接调用

def a():
	print(666)
    a() # 2、重复调用函数a
    
a() # 1、调用函数a

• 案例2：间接调用

def a():
    b() # 2、调用函数b

def b():
    a() # 3、继续调用函数a
    
a() # 1、调用函数a

总结：
从上面可以看到，我们可以通过函数递归的方式，使函数重复运行，达到循环的效果；所以python中使代码重复执行的方法可以有：
1、while或for循环
2、递归函数

2.1 python中代码的递归深度（扩展）

在前面学习while和for循环的时候，我们知道在日常开发中要避免死循环的现象；一般我们会通过设置条件来避免死循环；而python中也自带了一个保护机制；用来控制代码的递归次数；以免大量占用电脑内存，造成死机

• 通过设置条件，避免函数递归陷入死循环

def a(n):
    if n<5:
        print(n)
        n = n+1
        a(n)
a(1)

输出结果：

1
2
3
4

• 设置python的代码递归次数，避免死循环

python默认的最大递归次数是1000，这个次数可以通过命令修改，但不建议修改；只需了解一下修改的方法；如下：

# 调用sys模块
import sys 
# 设置最大递归次数
sys.setrecursionlimit(100) 
# 查看最大递归次数
print(sys.getrecursionlimit()) # 输出结果：100

案例：

# 调用sys模块
import sys
# 设置最大递归次数
sys.setrecursionlimit(5)

def a():
    print(666)
    a()
a() # 死循环

输出结果：

说明：
从上面可以看到，设置最大递归次数为6；死循环在循环6次后就会直接报错；而默认的情况下，要循环1000次后才会报错

3、拓展：迭代器和生成器

3.1 迭代器（iter）

将可迭代对象转换成迭代器，通过内置方法调用迭代器，能够依次得到可迭代对象中的元素
可迭代对象包括：列表、字典、元组、字典、集合、打开的文件对象
语法格式：
1、生成迭代器：迭代器 = iter(可迭代对象)，这里迭代器就是一个变量
2、调用迭代器：next(迭代器)

案例1：迭代列表

a = [1,2,3]
text1 = iter(a) # 生成迭代对象
print(text1) # 输出结果：<list_iterator object at 0x000002334C0810D0>
print(next(text1)) # 输出结果：1
print(next(text1)) # 输出结果：2
print(next(text1)) # 输出结果：3

说明：
从上面可以看到，将列表a 转换成迭代器后，直接打印迭代器 text1 得到的是一个地址；然后通过 next() 方法每执行一次，都会得到列表a中的下一个元素；注意执行次数超过列表中的元素就会报错

案例2：迭代字典

b = {'name':'阿豪','age':18}
text2 = iter(b)
print(next(text2)) # 输出结果：name
print(next(text2)) # 输出结果：age

说明：
从上面可以看到，字典转换成迭代器后，每执行一次 next()，都会得到字典中的下一个键；注意执行次数超过字典中的键值对就会报错

• 总结
  迭代器其实就是for循环的底层原理之一，我们知道for循环是while循环扩展扩展出来的一种简便方法；它集成了 迭代器、while循环、异常处理等语法

案例：

a = {'name':'阿豪','age':18}
# 方法1：
b = iter(a)
while True:
    try: # 异常处理，用于解决next执行超过次数报错问题
        print(next(b))
    except StopIteration:
        break

等同于：

a = {'name':'阿豪','age':18}
方法2：
for x in a:
    print(x)

输出结果：

name
age

说明：
从上面可以看到，两种方法的结果相同，方法2中for循环在执行时，相当于运行了方法1中的代码；明白这个道理后，我们可以更好的运用所学知识点

3.2 生成器（yield）

自定义的一种迭代器，放在函数中使用，作用与return相似

语法格式：
1、定义
def 函数名():
	代码
	yield 返回值
2、调用
next(函数名())

案例：

def a():
    print('第一') # 第一个next
    yield # 没有返回值，得到 None
    print('第二') # 第二个next
    yield 666 # 有返回值，得到 666
    print('第三') # 第三个 next
    yield # 没有返回值，得到 None
a() # 直接调用，没有任何结果
b = a() # 将 a() 绑定给 变量b
print(next(b)) # 输出结果： 第一 None
print(next(b)) # 输出结果：第二 666
print(next(b)) # 输出结果：第三 None

• yield的使用说明

yield 只能在函数中使用，与return不同的是：

1. 在函数中出现return会立即退出，而 yield出现在函数中表示暂停，直接调用函数不会执行；必须使用 next(函数名()) 来调用
2. print(next(b)) 表示调用函数，执行到第一个yield后暂停；若yield后有返回值就输出，没有就输出None；相当于return
3. 再次执行print(next(b)) ，代码会从上次暂停的 yield后继续运行，遇到 yield又暂停；重复这个步骤，有多少yield就可以调用几次；当 next(b) 找不到yield后就会报错

• yield 主要应用场景：读取大文件

案例：

def get():
    with open('1.jpg','rb') as f:
        while True:
            res = f.read(10) # 每次读取10个字节
            if res:
                yield res # 返回读取的10个字节并暂停
            else:
                break # 没有内容后就退出循环
print(next(get())) # 得到第一次读取的内容
print(next(get())) # 得到第二次读取的内容

说明：：
在读取大文件时，若直接读取会占用大量内存，而通过yield可以实现一段段的读取，读取一次暂停一次，每次只读取一部分内容；这样能够节省内存

4、匿名函数（lambda）

没有名字的函数，用特殊格式定义，可以执行简单的代码，主要配合其它函数使用

案例：

# 传统函数
def a(x,y):
    return x+y
print(a(1,2)) # 输出结果：3

等同于

# 用匿名函数实现上面的代码
# 1、定义函数
b = lambda x,y:x+y # 定义后绑定给变量b
# 2、调用函数
print(b(1,2)) # 方法1：通过变量b传参
print((lambda x,y:x+y)(1,2)) # 方法2：直接使用函数体传参
# 输出结果：3

总结：
匿名函数结构简单，只能执行上面这种简单的代码，主要是配合接下来学习的几种函数，我们往下看

4.1 map函数

通常用来对可迭代对象中的元素做一些处理，可迭代对象包括：字符串、列表、字典、元组、集合等等
语法格式：map(参数1,参数2)
map函数可接收两个参数：
参数1：函数，这里的函数通常为 匿名函数
参数2：可迭代对象

案例：

a = [1,2,3,4,5] # 可迭代对象
# 对列表a中的元素做平方处理
res = map(lambda x:x**2,a) # x为参数用于接收 列表a中的每个元素，x**2表示对每个元素平方
print(res) # 直接打印得到是一个map对象地址
print(list(res)) # 这里我们用list方法，将其转换成列表显示

输出结果：

<map object at 0x000001B30E3918B0>
[1, 4, 9, 16, 25] # 每个元素都平方了

4.2 reduce函数（较少使用）

对可迭代对象中的元素进行累加操作
需要调用模块：from functools import reduce
语法格式：reduce(函数,可迭代对象)

案例：

from functools import reduce # 调用模块
array = [1,2,3,4,5] # 可迭代对象
res = reduce(lambda x,y:x+y,array) # 相当于 1+2+3+4+5 = 15
print(res) # 输出结果：15

说明：
上面匿名函数，lambda x,y:x+y ,其中 x,y 分别接收 1,2 ；相加后得到3；然后x,y又分别接收 3,3 相加后得到6，然后x,y又分别接收 6,4 ，相加得到10，重复该步骤 对列表中的元素进行累加，相当于 1+2+3+4+5 = 15

4.3 filter函数

通过条件筛选可迭代对象中的元素
语法格式：filter(函数,可迭代对象)

案例：

array = [1,2,3,4,5]
res = filter(lambda x:x>3,array) # 筛选列表中大于3的元素
print(list(res)) # 输出结果：[4,5]