Python -advanced feature - N_advanced features python-CSDN博客

https://mp.weixin.qq.com/s/eA6xXn13gAF_ms7ZWik8Tw

https://mp.weixin.qq.com/s/cgqejOR59N_WgLFKKjlGSw

https://mp.weixin.qq.com/s/KJY2_Vw5emI3HnUh2Ms4kQ

Python 多好用不用多说，大家看看自己用的语言就知道了。但是 Python 隐藏的高级功能你都 get 了吗？本文中，作者列举了 Python 中10种略高级的特征以及它们的使用方法，快来一探究竟吧！

1、isinstance

isinstance 函数可用于判断实例的类型，其实它的第二个参数可以是多个数据类型组成的元组。例如：

isinstance(x, (int, float))

# 等价于

isinstance(x, int) or isinstance(x, float)

类似的函数还有字符串的 startswith 方法和 endswith 方法，例如：

s.startswith(('"""', "'''"))

# 等价于

s.startswith("'''") or s.startswith('"""')

2、用 http.server ftp.server共享文件

# python3
python3 -m http.server

# python2
python -m SimpleHTTPServer


#FTP:
python -m pyftpdlib

效果如下图所示，通过浏览器方便局域网共享文件

3、zip 函数实现字典键值对互换

  lang = {"python":".py", "java":".java"}

 dict(zip(lang.values(), lang.keys()))
{'.java': 'java', '.py': 'python'}

4、查找列表中出现次数最多的数字

[1, 2, 3, 4, 2, 2, 3, 1, 4, 4, 4, 5]
   max(set(test), key=test.count)
4

5、使用 slots 节省内存

class MyClass(object):
    def __init__(self, name, identifier):
        self.name = name
        self.identifier = identifier
        self.set_up()

print(sys.getsizeof(MyClass))
>>> 1016

class MyClass(object):
    __slots__ = ['name', 'identifier']

    def __init__(self, name, identifier):
        self.name = name
        self.identifier = identifier
        self.set_up()

print(sys.getsizeof(MyClass))
>>> 888

6、Lambda 函数

Lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。

Python 函数通常使用 def a_function_name() 样式来定义，但对于 lambda 函数，我们根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。

lambda 函数可以使用任意数量的参数，但表达式只能有一个。

x = lambda a, b : a * b
print(x(5, 6)) # prints '30'

x = lambda a : a*3 + 3
print(x(3)) # prints '12'

7 Map 函数

Map() 是一种内置的 Python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。

def square_it_func(a):
    return a * a

x = map(square_it_func, [1, 4, 7])
print(x) # prints '[1, 16, 47]'

def multiplier_func(a, b):
    return a * b

x = map(multiplier_func, [1, 4, 7], [2, 5, 8])
print(x) # prints '[2, 20, 56]'看看上面的示例！我们可以将函数应用于单个或多个列表。实际上，你可以使用任何 Python 函数作为 map 函数的输入，只要它与你正在操作的序列元素是兼容的。

8 Filter 函数

filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构（列表、元组、字典）。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。

详情请看如下示例：

# Our numbers
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]

# Function that filters out all numbers which are odd
def filter_odd_numbers(num):

    if num % 2 == 0:
        return True
    else:
        return False

filtered_numbers = filter(filter_odd_numbers, numbers)

print(filtered_numbers)
# filtered_numbers = [2, 4, 6, 8, 10, 12, 14]

我们不仅评估了每个列表元素的 True 或 False，filter() 函数还确保只返回匹配为 True 的元素。非常便于处理检查表达式和构建返回列表这两步。

9 Itertools 模块

Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句（包括列表、元组和字典）中使用的数据类型。

使用 Itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。关于 Itertools 的神奇之处，请看以下示例：

from itertools import *

# Easy joining of two lists into a list of tuples
for i in izip([1, 2, 3], ['a', 'b', 'c']):
    print i
# ('a', 1)
# ('b', 2)
# ('c', 3)

# The count() function returns an interator that 
# produces consecutive integers, forever. This 
# one is great for adding indices next to your list 
# elements for readability and convenience
for i in izip(count(1), ['Bob', 'Emily', 'Joe']):
    print i
# (1, 'Bob')
# (2, 'Emily')
# (3, 'Joe')    

# The dropwhile() function returns an iterator that returns 
# all the elements of the input which come after a certain 
# condition becomes false for the first time. 
def check_for_drop(x):
    print 'Checking: ', x
    return (x > 5)

for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]):
    print 'Result: ', i

# Checking: 2
# Checking: 4
# Result: 6
# Result: 8
# Result: 10
# Result: 12


# The groupby() function is great for retrieving bunches
# of iterator elements which are the same or have similar 
# properties

a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5])
for key, value in groupby(a):
    print(key, value), end=' ')

# (1, [1, 1, 1])
# (2, [2, 2, 2]) 
# (3, [3, 3]) 
# (4, [4]) 
# (5, [5])

10 Generator 函数

Generator 函数是一个类似迭代器的函数，即它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。

比如，我们想把 1 到 1000 的所有数字相加，以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。

如果列表很小，比如 1000 行，计算所需的内存还行。但如果列表巨长，比如十亿浮点数，这样做就会出现问题了。使用这种 for 循环，内存中将出现大量列表，但不是每个人都有无限的 RAM 来存储这么多东西的。Python 中的 range() 函数也是这么干的，它在内存中构建列表。

代码中第二部分展示了使用 Python generator 函数对数字列表求和。generator 函数创建元素，并只在必要时将其存储在内存中，即一次一个。这意味着，如果你要创建十亿浮点数，你只能一次一个地把它们存储在内存中！Python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。

上述例子说明：如果你想为一个很大的范围生成列表，那么就需要使用 generator 函数。如果你的内存有限，比如使用移动设备或边缘计算，使用这一方法尤其重要。

也就是说，如果你想对列表进行多次迭代，并且它足够小，可以放进内存，那最好使用 for 循环或 Python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值，而 Python 2.x range 函数是静态的列表，而且整数已经置于内存中，以便快速访问。

# (1) Using a for loopv
numbers = list()

for i in range(1000):
    numbers.append(i+1)

total = sum(numbers)

# (2) Using a generator
 def generate_numbers(n):
     num, numbers = 1, []
     while num < n:
           numbers.append(num)
     num += 1
     return numbers
 total = sum(generate_numbers(1000))

 # (3) range() vs xrange()
 total = sum(range(1000 + 1))
 total = sum(xrange(1000 + 1))

原文链接：https://towardsdatascience.com/5-advanced-features-of-python-and-how-to-use-them-73bffa373c84

PEP 8 是什么？Python 之禅（import this）是什么？
Python 常用的容器类型有哪些以及它们之间的差别？
解释下闭包是什么，以及日常中什么场景会用到？
GIL 是什么？它的影响和具体原理是什么？
进程、协程、线程分别是什么，以及区别是什么？
如何理解 Django 被称为 MTV 模式？
解释下什么是 ORM 以及它的优缺点是什么？
如何排查 Django 系统中的性能问题？
Django 系统中如何配置数据库的长连接？
如何部署并监控 Django 系统？

咳咳！别说，有几个问题也把狗哥难住了。是时候请出胡阳老师了！掌声响起来~

Hi，我是胡阳，网名 the5fire，前搜狐资深开发工程师，现任知乎资深开发工程师，负责部分业务的后端开发和团队管理。同时也是腾讯云最具价值专家（TVP）。

我平时喜欢通过代码来构建一些有价值的东西，有着近 10 年编程经验和写博客经验，爱好记录和分享自己的经验。

2011 年Java转到Python后，主要熟悉 Web 框架 Django 和 Tornado。赞叹于Python 的开发效率，欣赏 Django 完备的功能点对实际项目开发中程序员生产力的提升。

今天狗哥请我来帮一位读者解决面试的问题，其实我们都是从这个阶段过来的。所以能帮上大家也是比较开心的。那今天我从面试的角度给大家归纳下 Django 工程师面试时面试官都会问些啥。

其实解析这些问题之前，大家要明白一个基本原则：面试的目的是找到合适的候选人，提问的目的是为了考察当前候选人对当前岗位的匹配度。所以，所有的问题基本上都会围绕着工作内容来展开，但最终还是会落到具体的技术点上。

不知道你有没有自己思考下对应问题的答案。这十个问题可能只是面试的开始，要知道技术类的面试要是聊的嗨了，聊一两个小时是常事儿。所以，如果你在面试，这十个问题你要怎么来答呢？

Q1：PEP8是什么？Python之禅（import this）是什么？

这题是考察你对编码规范的认识，无论是自己写代码还是在团队中写代码，了解并遵循代码规范是很基础的要求。企业中在提交代码后都会有对应的工具来对代码进行检查，比如 pep8、flake8、pylint 等，但是 PEP 8 是什么一定要了解。

即 Style Guide for Python Code（Python编码风格指南）。如果面试时不知道什么是 PEP 8 ，那聊起来想必不会很愉快。速战速决的面试，如果不是你把面试官“秒杀”了，那就是面试官把你“秒杀”了，大部分是后者。 Python 之禅，也就是 import this。这属于对 Python 文化的了解了。什么意思？你去 Python shell 里执行一下：import this，然后搜索下答案自然就出来了。

Q2：Python常用的容器类型有哪些以及它们之间的差别？

这是一道基础题。如果被问到了这个问题，说明面试官在探测你对 Python 基础的掌握。如果不知道，那就会被“秒杀”。当然聊得好了，也可以聊到实现原理层面。

在 Python 中常用的数据类型，有一些是基础数据类型，比如 int、bool、string，还有容器类型，比如 list、set、dict 等。所有的类型又可以氛分为：可变类型和不可变类型（不知道是什么的可以动手搜索一下）。单说容器类型，每种容器类型都有使用的场景，比如 list 可以存放不同类型的元素，特点是支持索引和切片操作，支持 insert 和 pop 操作，属于可变类型。由此也可以展开很多面试题中遇到的坑，比如说这个代码:

然后再来说到 tuple，也可以当做列表，支持迭代、索引、切片等操作，但因为它是不可变类型，所以不支持 append、insert 等操作，为什么不支持呢？在从应用上来说，在实际编程中经常会用到它，比如：参数传递，解包。这一部分可以继续聊下去的就是namedtuple。再然后就是 set 和 dict，它们跟 list 和 tuple有这么几个差别：1. 存放的值不是顺序的；2. 无法通过索引获取到数据； 3. 存放的元素不可重复，并且必须是 hashable（可哈希的），针对 key 来说；4. 更快的查找速度，因为是通过哈希表来存储的。当然还可以继续深入 set 和 dict 的原理，如何解决哈希碰撞。

Q3：解释下闭包是什么，以及日常中什么场景会用到？

闭包是指持有了自由变量的函数，那怎么理解呢，用代码来看一下：

日常使用场景是什么呢？最常用会用到的地方就是装饰器，上面的示例代码也能看出来，比如我曾写过 Cache 的演进部分，部分代码如下:

这就是个典型的场景。

Q4：GIL 是什么？它的影响和具体原理是什么？

GIL：Global Interpreter Lock（全局解释器锁）。具体表现就是：在一个进程中，同一时刻只能有一个线程能到解释器，为什么只能有一个线程拿到解释器呢？因为在 CPython 中，内存管理不是线性安全的，所以，为了避免多个线程同时访问到一个对象，就有了这么一个锁。顺带着也提到了线程安全的概念，有了 GIL 了，那么 Python 中有哪些类型是线程安全的呢？哪些不是呢？又是一个新的问题。那么 GIL 的影响是什么呢？就是同一时刻只有一个线程在真实执行，对于 CPU 密集型的应用影响比较大，对于 IO 密集型的应用影响没那么大。当然还可以具体展开来说。

Q5：进程、协程、线程分别是什么，以及区别是什么？

从操作系统角度来讲，进程是资源分配单元，线程是执行单元，多个线程可以共享所在进程的资源。而协程是从程序运行角度来叫，是由用户(程序)控制和调度的一个过程，在 Python 中，协程是一个包含了 yield 的函数，比如下图:

在Python 3里面你可以用 asyncio.iscoroutine(coro) 来判断是否为协程。需要了解的是在协程执行时，是通过 event loop 来调度的。如果聊到这，可能会接着聊下 Tornado 的 IOLoop 的事。总体来说，协程可以理解为更轻量级的线程，能够在单线程中运行多个协程。需要注意的是，在 Python 中协程执行是串行的，这个是由于它的调度机制决定的，这点不同于 Golang。

Q6：如何理解 Django 被称为 MTV 模式？

如果是我来问这个问题，这个题就是面向对象设计和设计模式的开始。简单来说大家耳熟能详的模式叫: MVC。说是 Model View Controller，而在 Django 中因为 Template 来处理视图展现，所以称为: MTV。接下里会问到的就是分层的概念，有句话叫：“没有什么问题是不能通过增加一层解决的，如果有，那就再加一层。”当然还会有设计模式的一些原则等着你，比如开-闭原则、单一职责原则等。

Q7：解释下什么是 ORM 以及它的优缺点是什么？

ORM：Object Relational Mapping(对象关系映射)，它做的事就是帮我们封装一下对数据库的操作，避免我们来写不太好维护的 SQL 代码。优点就是让我们写的代码更容易维护，因为里面不用夹杂着各种 SQL 代码。缺点是失去了 SQL 的灵活，并且越是通用的 ORM 框架，性能损耗会越大。

说到性能损耗，可以接着聊的是 Django 中的 raw sql，也就是说 Model.objects.raw 这个方法的使用，它的作用、原理、性能提升等。还可以继续聊另外一个老生常谈的问题：N+1 的问题。

Q8：如何排查 Django 系统中的性能问题？

对于 Django 这样一个非常成熟的框架来说，丰富的周边能够让我们快速的找到别人开源出来的优秀插件，比如说 Django-debug-toolbar，或者是 Django-silk 。但是一个基础问题是：在 Django 的 settings 中，设置DEBUG = True 和 DEBUG = False 的差别是什么？还可以聊的是对于 Django 处理请求到返回响应的具体流程。因为只有熟悉了整体流程，才能在合理的位置进行排查。比方说，当我们判断可能是数据库的问题时，那可能需要在 Model 层的某个方法上加上执行时间监测的逻辑。如果是 View 层的其他逻辑导致的，可能会在 Middleware 上增加执行时间监测的逻辑。

Q9：Django 系统中如何配置数据库的长连接？

这涉及到 Django 如何处理数据库连接细节的问题。默认情况下对于每一个请求 Django 都会建立一个新的数据库连接。这意味着当请求量过大时就会出现数据库(MySQL)的 Too many connection 的问题，对于这个问题，在其他的语言框架中有连接池这样的东西来减少数据库的连接数，来提升连接的使用效率。而在 Django 中，为了处理这一问题，增加了一个配置: CONN_MAX_AGE，在 settings 的 DATABASES 配置中。配置了该选项后，Django 会跟数据库保持链接（时长取决于 CONN_MAX_AGE 设定的值），不再会针对每个请求都创建新的连接了。但是需要注意的是，这跟数据库连接池的概念还不太一样。

Q10：如何部署并监控 Django 系统？

这个就是考察候选人对于真实项目的部署和线上问题排查的了解了。如果没有真实工作过，可能不太有概念。首先需要理解的是开发的流程，代码在程序员的电脑（开发机）上开发完成，然后部署到测试环境进行测试，这个过程可能是自动的（由 GitLab CI 触发或者其他类似逻辑），也可能是需要人工操作的（比如使用 Fabric 或者 ansible）手动执行部署操作。然后测试同学进行测试，没问题之后，代码合并到主分支（涉及Git相关的使用流程），再部署上线。

这时系统就可以对外提供服务了，那么问题来了，用户的访问是如何到你部署的系统中来的？再来说监控。监控的目的是为了保证程序的正常运行，如果出现问题我们可以及时发现并修复。所以，简单来说有两个确定的指标可以观察，第一个是状态码，对于 HTTP 服务来说，监控非 200 的状态码的数量是很有必要的；第二个就是应用内的异常监控，这个就是 Sentry 之类的系统来做了，通过它可以收集到具体的异常详情，完成的 Traceback，可以帮助我们快速地定位问题所在。

虽然说只有十个问题，但是在正式聊的时候，每个问题都是可以层层追问的，其实面试有个原则，就是：要追问到候选人答不出来，或者面试官不知道该问什么为止，因为需要确定候选人的技术掌握的边界（深度）。

Zope： www.zope.com

一个应用程序服务器，具有内容管理、团队开发、 XML、面向对象、 SOAP接口等一系先进特性，开源。

Gadfly：http://www.chordate.com/gadfly.html

一个用Python写的面向对象关系型数据库，具有小巧、快速、可移植性好的特点，具有大部分SQL语言特性。开源。

Wallbase:http://wallbase.net

Python编写的图片站点。

uTorrent :http://www.utorrent.com

BitTorrent下载软件，主程序仅2Mb，支持ipv6地址解析。开源。

Torchlight:torchlight.perfectworld.com

Python编写的大型3D游戏，原Blizzard公司人员制作发行，开源