python高级编程技巧（1）

python中有很多方便好用的技巧和函数，熟练的话能很好的提高效率

1、collection库
collection模块额外提供了几种高级数据类型：

namedtuple()：生成可以使用名字来访问元素内容的tuple子类
deque：双端队列，可以快速的从另外一侧追加和推出对象
counter：计数器
ordereddict：有序字典
defaultdict：带有默认值的字典

①namedtuple()：可命名元组
uple是一个不可变集合，namedtuple用来构建一个自定义的tuple对象，并且规定了tuple元素的个数，可通过属性而不是索引来引用tuple的某个元素，我们可以通过namedtuple很方便的自定义一个数据类型，它具有tuple的不变属性又可以根据属性来引用。

from collections import namedtuple
point = namedtuple('point',['x','y'])
p = point(2,1)
print(p)
print("x=",p.x)
print("y=",p.y)
 # 结果如下
x=2
y=1
isinstance(p,point)
True
isinstance(p,tuple)
True
类似创建一个圆，通过坐标，半径r，用namedtuple构建

Circle = nametuple('circle',['x','y','r'])

②ordereddict：有序字典

dict中key是无序的，在做迭代时，无法确认key的顺序。ordereddict是对字典类型的补充，他记住了字典元素添加的顺序。

from collections import OrderedDict
od = OrderedDict([('a', 1), ('z', 2), ('c', 3)])
print od
d = dict([('a',1),('z',2),('c',3)])
print d
# 结果如下
OrderedDict([('a', 1), ('z', 2), ('c', 3)])

③defaultdict：默认字典

defaultdict是对字典类型的补充，它默认给字典的值设置了一个类型

在使用python原生的数据结构dict的时候，如果用d[key]这样的方式访问，当指定的key不存在时，是会抛出keyerror异常，但是，如果使用defaultdict，只要传入一个默认的工厂方法，那么请求一个不存在的key时，便会调用这个工厂方法使其结果来作为这个key的默认值。
而且，如果使用 defaultdict(list) 相当于创建了一个值为 空list 的字典，defaultdict(int) 相当于创建了值为 0 的一个字典，非常建议平常多使用，很方便

④counter：计数器

counter是对字典类型的补充，用于追踪值出现的次数，具备字典的所有功能+自己的功能

from collections import Counter
c = Counter(['11','22','11','33','11','44','55'])
c2 = Counter("abcdefdasfdsafaf")
print c
print c2
 
 
# 结果如下
Counter({'11': 3, '33': 1, '44': 1, '22': 1, '55': 1})

2、lamda函数

匿名函数lambda：是指一类无需定义标识符（函数名）的函数或子程序。
lambda 函数可以接收任意多个参数 (包括可选参数) 并且返回单个表达式的值。注意是多个输入一个输出
（lambda匿名函数的格式：冒号前是参数，可以有多个，用逗号隔开，冒号右边的为表达式。其实lambda返回值是一个函数的地址，也就是函数对象。）

例子：

a = lambda x,y,z:(x+8)*y-z
print(a(5,6,8)) 

3、字典排序

使用sorted 的两种方式：
①利用zip将字典数据转换为元组然后进行排序

ss = {'a':2, 'b':1, 'c':3, 'd':5, 'e':9, 'f':2}
s = sorted(zip(ss.values(), ss.keys()))
print(s)

②传递sorted函数key参数

ss = {'a':2, 'b':1, 'c':3, 'd':5, 'e':9, 'f':2}
s = sorted(ss.items(), key=lambda x: x[1])
>>> print(s)
[('b', 1), ('a', 2), ('f', 2), ('c', 3), ('d', 5), ('e', 9)]

4、map
描述：map() 会根据提供的函数对指定序列做映射。

第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。

语法
map() 函数语法：

map(function, iterable, ...)

参数

function -- 函数
iterable -- 一个或多个序列

返回值

Python 2.x 返回列表。

Python 3.x 返回迭代器。

实例
以下实例展示了 map() 的使用方法：

>>>def square(x) :            # 计算平方数
...     return x ** 2
... 
>>> map(square, [1,2,3,4,5])   # 计算列表各个元素的平方
[1, 4, 9, 16, 25]
>>> map(lambda x: x ** 2, [1, 2, 3, 4, 5])  # 使用 lambda 匿名函数
[1, 4, 9, 16, 25]
 
# 提供了两个列表，对相同位置的列表数据进行相加
>>> map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
[3, 7, 11, 15, 19]

5、reduce
reduce()函数也是Python内置的一个高阶函数。

reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。

例如，编写一个f函数，接收x和y，返回x和y的和：

def f(x, y):
    return x + y

调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：

先计算头两个元素：f(1, 3)，结果为4；
再把结果和第3个元素计算：f(4, 5)，结果为9；
再把结果和第4个元素计算：f(9, 7)，结果为16；
再把结果和第5个元素计算：f(16, 9)，结果为25；
由于没有更多的元素了，计算结束，返回结果25

>>>def add(x, y) :            # 两数相加
...     return x + y
... 
>>> reduce(add, [1,2,3,4,5])   # 计算列表和：1+2+3+4+5
15
>>> reduce(lambda x, y: x+y, [1,2,3,4,5])  # 使用 lambda 匿名函数
15