python学习-高级特性

Python 高级特性

一、列表推导式

列表推导式（List Comprehension）是一种简洁的方式来创建列表。它允许在一个表达式中对一个可迭代对象进行循环，并根据特定的条件生成新的列表。

（一）基本语法

[expression for item in iterable if condition]

其中，expression是对每个item进行的操作，iterable是一个可迭代对象，condition是一个可选的条件。

（二）示例

1. 生成一个包含 0 到 9 的平方的列表：

squares = [i**2 for i in range(10)]
print(squares)  # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

1. 筛选出偶数：

even_numbers = [i for i in range(10) if i % 2 == 0]
print(even_numbers)  # [0, 2, 4, 6, 8]

二、生成器表达式

生成器表达式（Generator Expression）与列表推导式类似，但它返回的是一个生成器对象，而不是一个列表。生成器对象在需要的时候才生成值，从而节省内存。

（一）基本语法

(expression for item in iterable if condition)

（二）示例

1. 生成一个包含 0 到 9 的平方的生成器：

squares_generator = (i**2 for i in range(10))
for square in squares_generator:
    print(square)

1. 筛选出偶数的生成器：

even_numbers_generator = (i for i in range(10) if i % 2 == 0)
for even_number in even_numbers_generator:
    print(even_number)

三、装饰器

装饰器（Decorator）是一种用于修改函数或类的行为的工具。它可以在不修改原始代码的情况下，为函数或类添加额外的功能。

（一）基本语法

def decorator_function(func):
    def wrapper_function(*args, **kwargs):
        # 在调用原始函数之前的操作
        result = func(*args, **kwargs)
        # 在调用原始函数之后的操作
        return result
    return wrapper_function
​
@decorator_function
def original_function():
    # 原始函数的代码
    pass

（二）示例

1. 定义一个装饰器，用于计算函数的执行时间：

import time
​
def timeit(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"{func.__name__} took {end_time - start_time} seconds.")
        return result
    return wrapper
​
@timeit
def slow_function():
    time.sleep(2)
    print("Slow function executed.")

1. 调用装饰后的函数：

slow_function()

四、上下文管理器（with 语句）

上下文管理器（Context Manager）是一种用于管理资源的工具，它可以确保资源在使用后被正确地释放。在 Python 中，可以使用with语句来使用上下文管理器。

（一）基本语法

with context_manager as var:
    # 使用资源的代码

（二）示例

1. 使用with语句打开文件：

with open('file.txt', 'r') as f:
    content = f.read()
    print(content)

在上面的代码中，open('file.txt', 'r')返回一个文件对象，它是一个上下文管理器。当with语句块执行完毕后，文件对象会自动关闭。

五、Lambda 表达式

Lambda 表达式（Lambda Expression）是一种匿名函数，它可以在一行代码中定义一个简单的函数。

（一）基本语法

lambda arguments: expression

其中，arguments是函数的参数，expression是函数的返回值。

（二）示例

1. 定义一个加法函数：

add = lambda x, y: x + y
print(add(2, 3))  # 5

六、Map、Filter 和 Reduce 函数

map、filter和reduce是 Python 中的三个高级函数，它们可以对可迭代对象进行操作，返回一个新的可迭代对象。

（一）Map 函数

map函数接受一个函数和一个可迭代对象作为参数，它将函数应用于可迭代对象的每个元素，并返回一个新的可迭代对象。

def square(x):
    return x**2

numbers = [1, 2, 3, 4, 5]
squared_numbers = map(square, numbers)
print(list(squared_numbers))  # [1, 4, 9, 16, 25]

（二）Filter 函数

filter函数接受一个函数和一个可迭代对象作为参数，它将函数应用于可迭代对象的每个元素，并返回一个新的可迭代对象，其中只包含函数返回值为True的元素。

def is_even(x):
    return x % 2 == 0
​
numbers = [1, 2, 3, 4, 5]
even_numbers = filter(is_even, numbers)
print(list(even_numbers))  # [2, 4]

（三）Reduce 函数

reduce函数接受一个函数和一个可迭代对象作为参数，它将函数应用于可迭代对象的元素，并将结果累加到一个单一的值中。在 Python 3 中，reduce函数需要从functools模块中导入。

from functools import reduce
​
def add(x, y):
    return x + y
​
numbers = [1, 2, 3, 4, 5]
sum_of_numbers = reduce(add, numbers)
print(sum_of_numbers)  # 15

以上就是 Python 的一些高级特性的介绍，这些特性可以使代码更加简洁、高效和可读。