Python進階之高級用法詳細總結

Posted on by

一、Lambda表達式

Lambda表達式又被稱之為匿名函數
格式
lambda 參數列表：函數體

def add(x,y): 
	return x+y 
print(add(3,4))
#上面的函數可以寫成Lambda函數
add_lambda=lambda x,y:x+y 
add_lambda(3,4)

二、map函數

函數就是有輸入和輸出，map的輸入和輸出對應關系如下圖所示：

在這裡插入圖片描述

就是要把一個可迭代的對象按某個規則映射到新的對象上。
因此map函數要有兩個參數，一個是映射規則，一個是可迭代對象。

list1=[1,2,3,4,5]
r=map(lambda x:x+x,list)
print(list1(r))

結果：[2,4,6,8,10]

m1=map(lambda x,y:x*x+y,[1,2,3,4,5],[1,2,3,4,5])
print(list(ml))

結果：[2,6,12,20,30]

三、filter函數

filter的輸入和輸出對應關系如下圖所示：

在這裡插入圖片描述

def is_not_none(s): 
	return s and len(s.strip())>0
list2=['','','hello','xxxx', None,'ai']
result=filter(is_not_none, list2)
print(list(result))

結果：[‘hello’,‘xxxx’,‘ai’]

四、reduce函數

在這裡插入圖片描述

from functools import reduce
f=lambda x,y:x+y x=reduce(f,[1,2,3,4,5])
print(r)

結果：15=1+2+3+4+5
相當於每一次計算都是基於前一次計算的結果：

在這裡插入圖片描述

還可以為reduce計算添加初始值：

from functools import reduce
f=lambda x,y:x+y x=reduce(f,[1,2,3,4,5],10)
print(r)

結果：25=10+1+2+3+4+5

五、三大推導式

5.1 列表推導式

list1=[1,2,3,4,5,6]
f=map(lambda x:x+x,list1)
print(list(f))
list2=[i+i for i in list1]
print(list2)
list3=[i**3 for i in list1]
print(list3)
#篩選列表的例子
list4=[i*4 for i in list1 if i>3]
print(list4)
#結果
[2,4,6,8,10,12]
[2,4,6,8,10,12]
[1,8,27,64,125,216]
[16,25,36]

5.2 集合推導式

直接把上面代碼copy下來，然後把列表改成集合

list1={1,2,3,4,5,6}

list2={i+i for i in list1}
print(list2)
list3={i**3 for i in list1}
print(list3)
#篩選列表的例子
list4={i*4 for i in list1 if i>3}
print(list4)
#結果

{2, 4, 6, 8, 10, 12}
{64, 1, 8, 216, 27, 125}#這裡是亂序的
{16, 24, 20}

5.3 字典推導式

s={
"zhangsan":20,
"lisi":15,
"wangwu":31
}
#拿出所有的key，並變成列表
s_key=[ key for key, value in s.items()]
print(s_key)
#結果
['zhangsan','lisi','wangwu']

# 交換key和value位置，註意冒號的位置
s1={ value: key for key, value in s.items()}
print(s1)
#結果
{20:'zhangsan',15:'1isi',31:'wangwu'}

s2={ key: value for key, value in s.items() if key=="1isi"}
print(s2)
#結果
{"lisi":15}

六、閉包

閉包：一個返回值是函數的函數

import time 
def runtime(): 
	def now_time(): 
		print(time.time())
	return now_time #返回值是函數名字
f=runtime()#f就被賦值為一個函數now_time()瞭
f()#運行f相當於運行now_time()

再來看一個帶參數的例子：
假設有一個csv文件，內容有三行，具體如下：

a,b,c,d,e
1,2,3,4,5
6,7,8,9,10

def make_filter(keep):# keep=8
	def the_filter(file_name): 
		file=open(file name)#打開文件
		lines=file.readlines()#按行讀取文件
		file.close()#關閉文件
		filter_doc=[i for i in lines if keep in i]#過濾文件內容
		return filter_doc 
	return the_filter

filter1=make_filter("8")#這一行調用瞭make_filter函數，且把8做為參數傳給瞭keep，接受瞭the_filter函數作為返回值
#這裡的filter1等於函數the_filter
filter_result=filter1("data.csv")#把文件名data.csv作為參數傳給瞭函數the_filter
print(filter_result)
#結果
['6,7,8,9,10']

七、裝飾器、語法糖、註解

# 這是獲取函數開始運行時間的函數
import time 
def runtime(func): 
	def get_time(): 
		print(time.time())
		func()# run被調用	
	return get_time
@runtime
def run()
	print('student run')

#運行
run()

#結果
當前時間
student run

由於有裝飾器@runtime的存在，會把run這個函數作為參數丟到runtime(func)裡面去，如果調整打印時間代碼的位置會有不同結果：

# 這是獲取函數結束運行時間的函數
import time 
def runtime(func): 
	def get_time(): 
		func()# run被調用	
		print(time.time())		
	return get_time
@runtime
def run()
	print('student run')

#運行
run()

#結果
student run	
當前時間

這裡還要註意，這裡還用到瞭閉包的概念，在運行run函數的時候，調用的實際上是get_time函數。

對於多個參數的函數如何調用，看下面例子

#有一個參數
import time 
def runtime(func): 
	def get_time(i): 
		func(i)# run被調用	
		print(time.time())		
	return get_time
@runtime
def run(i)
	print('student run')
#運行
run(1)

#有兩個參數
import time 
def runtime(func): 
	def get_time(i,j): 
		func(i,j)# run被調用	
		print(time.time())		
	return get_time
@runtime
def run(i,j)
	print('student run')
#運行
run(1,2)

可以發現，這樣寫對於函數的多態不是很好，因此可以寫為：

#自動適配參數
import time 
def runtime(func): 
	def get_time(*arg): 
		func(*arg)# run被調用	
		print(time.time())		
	return get_time
@runtime
def run(i)
	print('student1 run')

@runtime
def run(i,j)
	print('student2 run')
#運行
run(1)
run(1,2)

再次進行擴展，更為普適的寫法，可以解決傳入類似i=4的關鍵字參數寫法：

#自動適配參數
import time 
def runtime(func): 
	def get_time(*arg,**kwarg): 
		func(*arg,**kwarg)# run被調用	
		print(time.time())		
	return get_time
@runtime
def run(i)
	print('student1 run')

@runtime
def run(*arg,**kwarg)
	print('student2 run')

@runtime
def run()
	print('no param run')
#運行
run(1)
run(1,2,j=4)
run()

到此這篇關於Python進階之高級用法詳細總結的文章就介紹到這瞭,更多相關Python高級用法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：