Python高级用法总结—(列表推导式，迭代器，生成器，装饰器)

原文地址：Python高级用法总结—(列表推导式，迭代器，生成器，装饰器)

Python高级用法总结—(列表推导式，迭代器，生成器，装饰器)

---

列表推导式（list comprehensions）

---

场景1：将一个三维列表中所有一维数据为a的元素合并，组成新的二维列表。 最简单的方法：新建列表，遍历原三维列表，判断一维数组是否为a，若为a，则将该元素append至新列表中。 缺点：代码太繁琐，对于Python而言，执行速度会变慢很多。 针对场景1，我们首先应该想到列表解析式来处理：

lista = [item for item in array if item[0] == ‘a’]

那么，什么是列表解析式？ 官方解释：列表解析式是Python内置的非常简单却强大的可以用来创建list的生成式 可以看到，使用列表解析式的写法更加简短，除此之外，因为是Python内置的用法，底层使用c语言实现，相较于编写Python代码而言，运行速度更快。
场景2：对于一个列表，既要遍历索引又要遍历元素 这里可以使用Python內建函数enumerate，在循环中更好的获取得到索引

array = [‘I’, “love’, ‘Python’]
for I element in  enumerate(array):
       array[I] = ‘%d:%s’%(I, element)

可以使用列表推导式对其进行重构

def getitem(index, element):
        return ‘%d:%s’%(index, element)
array = [‘I’, ‘love’, ‘Python’]
arrayIndex = [getitem(index, element) for indexm element in enumerate(array)]

总结：如果要对现有可迭代对象做一下处理，然后生成新的列表，使用列表推导式将是最便捷的方法。

迭代器和生成器

---

迭代器（Iterator）

---

这的迭代器可以指for循环，在python中，对于像list，dict和文件等而言，都可以使用for循环，但是它们并不是迭代器，它们属于可迭代对象。 什么可迭代对象？ 最简单的解释：可以使用for…in…语句进行循环的对象，就是可迭代对象（Iterable），可以使用isinstance()方法进行判断。

temp=iter([1, 2, 3])
print type(temp)
print next(temp)

此时temp就是一个迭代器，所以说，迭代器基于两个方法：

next：返回下一个项目 iter：返回迭代器本身

可以理解为可被next()函数调用并不断返回下一个值的对象就是迭代器，在定义一个装饰器时将需要同时定义这两个方法。

迭代器的优势

---

在构建迭代器时，不是将所有元素一次性的加载，而是等调用next方法时返回元素，所有不需要考虑内存的问题。

迭代器应用场景

---

数列的数据规模巨大 数列有规律，但是不能使用列表推导式描述

生成器

---

生成器是一种高级迭代器，使得需要返回一系列元素的函数所需的代码更加的简单和高效（不像创建迭代器代码那般冗长）

生成器函数

---

生成器函数基于yield指令，可以暂停一个函数并返回中间结果。当需要一个将返回一个序列或在循环中执行的函数时，就可以使用生成器，因为当这些元素被传递到另一个函数中进行后续处理时，一次返回一个元素可以有效的提升整体性能。 常见的应用场景是使用生成器生成数据流缓冲区

生成器表达式

---

生成式表达式是一种实现生成器的便捷方式，将列表推导式的中括号替换为圆括号。 和列表推导式的区别：列表生成式可以直接创建一个表，但是生成器表达式是一种边循环边计算，使得列表的元素可以在循环过程中一个个的推算出来，不需要创建完整的列表，从而节省了大量的空间。

g = (x*x for x in range（10）)

总结：生成器是一种高级迭代器，生成器的优点是延迟计算，一次返回一个结果，这样非常适用于大数据量的计算。但是，使用生成器必须要注意的一点是：生成器只能遍历一次。

Lambda 表达式（匿名函数）

---

Lambda表达式可以省去定义函数的过程，让代码更加的简洁，适用于简单函数，编写处理更大业务的函数需要使用def定义 lambda表达式常用搭配map(), reduce(), filter() 函数使用 * map()：map函数接受两个参数，一个是函数，一个是序列，其中函数可以接收一个或者多个参数。map将传入的函数依次作用于序列中的每一个元素，将结果作为新的列表返回。# 将一个列表中的数字转换为字符串map(str, [1, 2, 3, 4, 5, 6]) * reduce()：函数接收两个参数，一个是函数，另一个是序列，但是，函数必须接收两个参数reduce把结果继续和序列的下一个元素做累积计算，其效果就是reduce(f, [x1, x2l x3, x4]) = f(f(f(x1, x2),x3),x4) * filter()：该函数用于筛选，将传入的函数，依次作用于每个元素，然后根据函数的返回值是True还是False，决定是留下还是丢弃该元素

装饰器

---

装饰器本质是一个Python函数，它可以让其它函数在没有任何代码变动的情况下增加额外功能。有了装饰器，我们可以抽离出大量和函数功能本身无关的雷同代码并继续重用。经常用于具有切面需求的场景：包括插入日志，性能测试，事物处理，缓存和权限校验等。 场景：计算一个函数的执行时间 一种方法就是定义一个函数，用来专门计算函数的运行时间，然后运行时间计算完成之后再处理真正的业务代码，代码如下：

import time
def get_time(func):
      startTime = time.time()
      func()
      endTime = time.time()
      processTime = (endTime - startTime) * 1000
      print “The function timing is %d ms” %processTime
def myfunc():
      print “start func”
      time.sleep(0.8)
      print “end func”
get_time(myfunc)
myfunc()

但是这段代码的逻辑破坏了原有的代码逻辑，就是对所有func函数的调用都需要使用get_time(func)来实现。 那么，有没有更好的展示方式呢？当然有，那就是装饰器。 编写简单的装饰器 结合上述实例，编写装饰器：

def get_time(func):
        def wrapper():
                startTime = time.time()
                func()
                endTime = time.time()
                processTime = (endTime - startTime) * 1000
                print “The function timing is %f ms” %processTime
        return wrapper
print “myfunc is:”, myfunc.__name__
myfunc = get_time(myfunc)
print “myfunc is:”, myfunc.__name__
myfunc()

这样，一个简单的完整的装饰器就实现了，可以看到，装饰器并没有影响函数的执行逻辑和调用。在Python中，可以使用“@”语法糖来精简装饰器的代码，将上例更改为：

@get_time
def myfunc():
        print “start func”
        time.sleep(0.8)
        print “end func”
print “myfunc is: “, myfunc.__name__
myfunc()

装饰器的调用顺序 装饰器可以叠加使用，若多个装饰器同时装饰一个函数，那么装饰器的调用顺序和@语法糖的声明顺序相反，也就是：

@decorator1
@decorator2
def func():
        pass
等效于
func = decorator1(decorator2(func()))

被装饰的函数带参数 上述实例中，myfunc()是没有参数的，那如果添加参数的话，装饰器改如何编写呢？

def get_time3(func):
        def wrapper(*args, **kwargs):
                startTime = time.time()
                func(*args, **kwargs)
                endTime = time.time()
                processTime = (endTime - startTime) * 1000
                print “The function timing is %f ms” %processTime
        return wrapper
		
		@get_time3
		
		def myfunc2(a):
		print “start func”
        print a
        time.sleep(0.8)
        print “end func”
a = “test”
myfunc2(a)

带参数的装饰器 装饰器有很大的灵活性，它本身支持参数，例如在上述实例中，@get_time装饰器唯一的参数就是执行业务的函数，当然也可以在装饰器中添加参数，加以逻辑判断。 内置装饰器 Python中，常见的类装饰器包括：@staticmathod、@classmethod、@property * @staticmethod：类的静态方法，跟成员方法的区别是没有self参数，并且可以在累不进行实例化的情况下调用 * @classmethod：跟成员方法的区别是接收的第一个参数不是self，而是cls（当前累的具体类型） * @property：表示可以直接通过类实例直接访问的信息。

博客来源：雨夜的博客