Python与其他语言(比如 java或者 C ++ )相比有较大的区别,其中最大的特点就是非常简洁,如果按照其他语言的思路老师写Python代码,则会使得代码繁琐复杂,并且容易出现bug,在Python中,有个词很火,Pythonic。有的同学可能不明白这个词的意义,小编的理解就是有Python的写法写代码,而非是其他语言的通用写法,写出python的特点,写出Ppython的风格。
下面,就通过几个示例来看看一下不同思维的Python代码的差异。
1、变量值的交换
这个词最常见,大家从最开始写java及C++等语言代码都会遇到这个问题,通过一个临时变量来实现的“:
tmp =a
a=b
b= tmp
而Python中可以之间交换两个变量,即:
a, b = b, a
2、列表推导式
列表推导式是java及C++等语言没有的特性,能够很简洁的实现for循环,可以应用列表,集合或者子字典。
例如我们要求20以内的整除3的数的平方的列表,可以用如下代码实现:
numbers =[]for x in xrange(20):if x % 3 == 0:
numbers.append(x*x)
而通过列表推导式一行代码就可以实现:
numbers = [x*x for x in xrange(20) if x % 3 == 0]
列表推导式可以用于集合和字典,将[...] 变为[...]。集合和字典的实现如下所示:
集合:
numbers = {x*x for x in range(0, 20) if x % 3 == 0}
字典:
numbers = {x: x*x for x in range(0, 20) if x % 3 == 0}
3、字符串拼接
这是一个老生常谈的问题,当我们需要将数个字符串拼接起来的时候,习惯性的使用 “+” 作为连接字符串的手段。
然而,由于像字符串这种不可变对象在内存中生成后无法修改,合并后的字符串会重新开辟一块内存空间来存储。因此没合并一次就会单独开辟一块内存空间,这样会占用大量的内存,严重影响代码的效率.
words =['I', ' ', 'LOVE', ' ', 'pYTHON', '.']
sentence= ''
for word inwords:
sentence+= '' + word
解决这个问题的办法是使用字符串连接的join,Python写法如下:
words = ['i', ' ', 'love', 'python','']
sentence= ''.join(words)
4.如何快速翻转字符串
java 或者 C++ 等语言的写法是新建一个字符串,从最后开始访问员字符串:
a = 'I love python.'reverse_a= ''
for i in range(0, len(a)):
reverse_a+= a[len(a) - i - 1]
而Python则将字符串看做list,而列表可以通过切片操作来实现翻转:
a = "I LOVE PYTHON"reverse_a= a[::-1]
5、for/else 语句
在C语言或java语言中,我们寻找一个字符串是否在一个list中,通常会设置一个布尔型变量表示是否找到:
cities = ['Beijing', 'Shanghai', 'Tianjin', 'Shenzhen','Wuhan']
tofind= 'Shanghai'found=Falsefor city incities:if tofind ==city:
print('Found')
found=Truebreak
ifnot found:
print('Not found!')
而python中通过for ... else ... 会使得代码很简洁,注意else中的代码快仅仅是在for循环中没有执行break语句的时候执行:
cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
tofind= 'Shanghai'
for city incitiees:if tofind ==city:
print('Found')break
else:
print('Not found!')
另外,while和try关键字都可以和else搭配使用
6、迭代对象善用enumerate类
enumerate类接收两个参数,其中一个是可以地迭代的对象,另外一个是开始的索引。比如,我们想要的打印一份列表的索引机器内容,可以用如下代码实现:
cities = ['Beijing', 'Shanghai', 'Wuhan']
index= 0
for city incities:
index= index + 1print(index,':', 'city')
而通过使用enumerate则极大的简化了代码,这里索引设置为从1开始(默认是从 0 开始):
cities = ['Beijing', 'Shanghai', 'Wuhan']for index, ciity in enumerate(cities, 1):
print(index,':', city)
7、通过lambda来定义函数
lambda可以返回一个可以调用的函数对象,会使得代码更为简洁,若不使用lambda则需要单独定义一个函数:
def f(x):return x*x
map(f, [1,2,3,4,5,6,7,8])
使用lambda后仅仅使用一行代码:
map(lambda x: x * x,[1,2,3,4,5,6,7,8] )
这里注意,lambda生成的是一个可以向其他函数一样使用的函数对象,即
def f(x);return x *x
等价于
lambda x : x*x
8、应用上下文管理
在打开文件时,通常是通过捕获异常来进行实现的,并且在finally模块中对文件来进行关闭:
try:
file= open('python.txt')for line infile:
print(line)
except:
print('File error!')finally:
file.close()
而通过上下文管理中的with语句可以让代码非常简洁:
with open('python.txt') asfile:for line infile:
print(line)
9、使用装饰器
装饰器在Python中的应用非常广泛,其特点是可以再具体函数执行之前或者之后做相关的操作。比如:执行前打印执行函数的相关信息,对函数的参数进行校验,执行后记录函数调用的相关日志等,使用装饰器可以用如下代码实现:
fromtime import ctime
def foo():
print("[%s] %() is called" %(ctime(), foo.__name__))
print('Hello , Python')
这样写的问题是业务逻辑中会夹杂参数检查,日志记录等信息,是得代码逻辑不够清晰,所以,这种场合需要使用装饰器:
fromtime import ctime
def deco(func):
def decorator(*args,**kwargs):
print("[%s] %s() is called" %(citme(), func,__name__)return func(*args, **kwargs)returndecorator
@deco
def foo():
print("Hello Python")
10、使用生成器
生成器与列表最大的区别就是,列表是一次行生成的,需要较大的内存空间;而生成器是需要的时候生成的,基本不占用内存空间,生成器分为生成器表达式和生成器函数:
先看一下列表:
l = [x for x in range(10)]
改成生成器只需要将[ .. ]变为(...),即
g = (x for x in range(10))
至于生成器函数,是通过yield关键字来实现的,我们一计算斐斐波那契数列为例,使用列表可以用如下代码来说实现:
def fib(max):
n, a, b= 0, 0, 1fibonacci=[]while n
fibonacci,append(b)
a, b= b, a +b
n= n + 1
return fibonacci
而使用生成器则变为:
def fib(max);
n, a, b= 0, 0, 1
while n
a, b= b, a+b
n= n + 1
11、counter的使用
通常的词频统计中,我们的思路是:
需要一个字典,key值存储单词,value存储对应的词频。当遇到一个单词,判断是否在这个字典中,如果是,则词频加1,如果否,则字典中新增这个单词,同时对应的词频设置为1.
对应的Python代码实现如下:
# 统计单词出现的次数
def computeFrequencies(wordList):
# 词频字典
wordfrequencies={}for word inwordList:if word not inwordfrequescies;
#单词不在单词词频字典中,词频设置为1
wordfrequescies[word]= 1
else:
# 单词在单词词频字典中,词频加1wordfrequencies[word]+= 1
return wordfrequencies
有没有更简单的方法吗?答案是肯定的,就是使用Counter。collection中的Counter类就完成了这样的功能,他是字典类的一个子类。Python代码变得无比简洁:
# 统计单词出现的频次
def computeFrequencies(wordList):
# 词频字典
wordfrequencies=Counter(wordList)return wordfrequencies
12、链式比较
在实际的数字比较中,我们可能需要多次比较多次,比如我们判断学习成绩是否位与某个区间:
x = 79
>>> x < 80 and x > 70True
变更Pythonic的写法变身链式比较:即:
x = 79
>>> 80 < x 90False>>> 70 < x < 80True
这种写法给人的感受也更为直观易懂。
13、函数返回多个值
在java语言中,当函数需要返回多个值时,通常的做法是生成一个Response对象,然后将要返回的值写入对象内部,而Python不需要这样做。可以直接返回多个值:
def f();
error_code= 0error_desc= "成功"
return error_code, error_desc
使用的时候也会非常简单:
code, desc =f()
print(code, desc)
14、使用*运算符
*运算符和 ** 运算符完美的解决了将元组参数、字典参数进行 unpack,从而简化了函数定义的形式,如:
def fun(*args):for eacharg inargs:
print('tuple arg:', eacharg)
fun('I', 'LOVE', 'PYTHON')
运行的结果:
tuple arg: I
tuple arg: love
tuple arg: Python
15、找出列表中出现最多的数:
这是经常遇到的一个问题。解决这个问题的其中一个思路是按照标题 11 提供的词频统计的方法,先统计词频,然后遍历字典,找出具有最大词频的数字,有没有简洁的方式?
当然,Python代码入下:
num = [1,2,3,4,4,4,4, 2,3,4,5,6,7,8,9]
ptint(max(set(num), key=num.count))