Python高級(jí)用法總結(jié)—(列表推導(dǎo)式，迭代器,，生成器,，裝飾器)

列表推導(dǎo)式（list comprehensions）

場(chǎng)景1：將一個(gè)三維列表中所有一維數(shù)據(jù)為a的元素合并,，組成新的二維列表,。 最簡(jiǎn)單的方法：新建列表,，遍歷原三維列表，判斷一維數(shù)組是否為a,，若為a,，則將該元素append至新列表中,。 缺點(diǎn)：代碼太繁瑣,，對(duì)于Python而言,，執(zhí)行速度會(huì)變慢很多,。 針對(duì)場(chǎng)景1，我們首先應(yīng)該想到列表解析式來處理：

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

那么,，什么是列表解析式,？ 官方解釋：列表解析式是Python內(nèi)置的非常簡(jiǎn)單卻強(qiáng)大的可以用來創(chuàng)建list的生成式 可以看到，使用列表解析式的寫法更加簡(jiǎn)短,，除此之外，因?yàn)槭荘ython內(nèi)置的用法,，底層使用c語言實(shí)現(xiàn)，相較于編寫Python代碼而言,，運(yùn)行速度更快。 場(chǎng)景2：對(duì)于一個(gè)列表,，既要遍歷索引又要遍歷元素 這里可以使用Python內(nèi)建函數(shù)enumerate,，在循環(huán)中更好的獲取得到索引

array = ['I’, “l(fā)ove’, 'Python’]for I element in  enumerate(array):
        array[I] = '%d:%s’%(I, element)

可以使用列表推導(dǎo)式對(duì)其進(jìn)行重構(gòu)

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

總結(jié)：如果要對(duì)現(xiàn)有可迭代對(duì)象做一下處理，然后生成新的列表,，使用列表推導(dǎo)式將是最便捷的方法,。

迭代器和生成器

迭代器（Iterator）

這的迭代器可以指for循環(huán)，在python中,，對(duì)于像list，dict和文件等而言,，都可以使用for循環(huán)，但是它們并不是迭代器,，它們屬于可迭代對(duì)象,。 什么可迭代對(duì)象,？ 最簡(jiǎn)單的解釋：可以使用for…in…語句進(jìn)行循環(huán)的對(duì)象,，就是可迭代對(duì)象（Iterable）,，可以使用isinstance()方法進(jìn)行判斷,。

from collections import Iterabletype = isinstance('python’, Iterable)print type

什么是迭代器,？ 迭代器指的是可以使用next()方法來回調(diào)的對(duì)象,，可以對(duì)可迭代對(duì)象使用iter()方法,，將其轉(zhuǎn)換為迭代器,。

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

此時(shí)temp就是一個(gè)迭代器,，所以說，迭代器基于兩個(gè)方法：

next：返回下一個(gè)項(xiàng)目 iter：返回迭代器本身

可以理解為可被next()函數(shù)調(diào)用并不斷返回下一個(gè)值的對(duì)象就是迭代器，在定義一個(gè)裝飾器時(shí)將需要同時(shí)定義這兩個(gè)方法,。

迭代器的優(yōu)勢(shì)

在構(gòu)建迭代器時(shí),，不是將所有元素一次性的加載,，而是等調(diào)用next方法時(shí)返回元素,，所有不需要考慮內(nèi)存的問題,。

迭代器應(yīng)用場(chǎng)景

數(shù)列的數(shù)據(jù)規(guī)模巨大 數(shù)列有規(guī)律,，但是不能使用列表推導(dǎo)式描述

生成器

生成器是一種高級(jí)迭代器,，使得需要返回一系列元素的函數(shù)所需的代碼更加的簡(jiǎn)單和高效（不像創(chuàng)建迭代器代碼那般冗長(zhǎng)）

生成器函數(shù)

生成器函數(shù)基于yield指令,，可以暫停一個(gè)函數(shù)并返回中間結(jié)果。當(dāng)需要一個(gè)將返回一個(gè)序列或在循環(huán)中執(zhí)行的函數(shù)時(shí),，就可以使用生成器，因?yàn)楫?dāng)這些元素被傳遞到另一個(gè)函數(shù)中進(jìn)行后續(xù)處理時(shí),，一次返回一個(gè)元素可以有效的提升整體性能,。 常見的應(yīng)用場(chǎng)景是使用生成器生成數(shù)據(jù)流緩沖區(qū)

生成器表達(dá)式

生成式表達(dá)式是一種實(shí)現(xiàn)生成器的便捷方式，將列表推導(dǎo)式的中括號(hào)替換為圓括號(hào),。 和列表推導(dǎo)式的區(qū)別：列表生成式可以直接創(chuàng)建一個(gè)表,，但是生成器表達(dá)式是一種邊循環(huán)邊計(jì)算，使得列表的元素可以在循環(huán)過程中一個(gè)個(gè)的推算出來,，不需要?jiǎng)?chuàng)建完整的列表,，從而節(jié)省了大量的空間。

g = (x*x for x in range（10）)

總結(jié)：生成器是一種高級(jí)迭代器,，生成器的優(yōu)點(diǎn)是延遲計(jì)算,，一次返回一個(gè)結(jié)果,，這樣非常適用于大數(shù)據(jù)量的計(jì)算。但是,，使用生成器必須要注意的一點(diǎn)是：生成器只能遍歷一次,。

Lambda 表達(dá)式（匿名函數(shù)）

Lambda表達(dá)式可以省去定義函數(shù)的過程,，讓代碼更加的簡(jiǎn)潔，適用于簡(jiǎn)單函數(shù),，編寫處理更大業(yè)務(wù)的函數(shù)需要使用def定義 lambda表達(dá)式常用搭配map(), reduce(), filter() 函數(shù)使用 * map()：map函數(shù)接受兩個(gè)參數(shù),，一個(gè)是函數(shù)，一個(gè)是序列,，其中函數(shù)可以接收一個(gè)或者多個(gè)參數(shù)。map將傳入的函數(shù)依次作用于序列中的每一個(gè)元素,，將結(jié)果作為新的列表返回,。# 將一個(gè)列表中的數(shù)字轉(zhuǎn)換為字符串map(str, [1, 2, 3, 4, 5, 6]) * reduce()：函數(shù)接收兩個(gè)參數(shù)，一個(gè)是函數(shù),，另一個(gè)是序列，但是,，函數(shù)必須接收兩個(gè)參數(shù)reduce把結(jié)果繼續(xù)和序列的下一個(gè)元素做累積計(jì)算，其效果就是reduce(f, [x1, x2l x3, x4]) = f(f(f(x1, x2),x3),x4) * filter()：該函數(shù)用于篩選,，將傳入的函數(shù)，依次作用于每個(gè)元素,，然后根據(jù)函數(shù)的返回值是True還是False，決定是留下還是丟棄該元素

裝飾器

裝飾器本質(zhì)是一個(gè)Python函數(shù),，它可以讓其它函數(shù)在沒有任何代碼變動(dòng)的情況下增加額外功能,。有了裝飾器，我們可以抽離出大量和函數(shù)功能本身無關(guān)的雷同代碼并繼續(xù)重用,。經(jīng)常用于具有切面需求的場(chǎng)景：包括插入日志，性能測(cè)試,，事物處理,，緩存和權(quán)限校驗(yàn)等。 場(chǎng)景：計(jì)算一個(gè)函數(shù)的執(zhí)行時(shí)間 一種方法就是定義一個(gè)函數(shù),，用來專門計(jì)算函數(shù)的運(yùn)行時(shí)間，然后運(yùn)行時(shí)間計(jì)算完成之后再處理真正的業(yè)務(wù)代碼,，代碼如下：

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

　 但是這段代碼的邏輯破壞了原有的代碼邏輯,，就是對(duì)所有func函數(shù)的調(diào)用都需要使用get_time(func)來實(shí)現(xiàn)。 那么,，有沒有更好的展示方式呢,？當(dāng)然有，那就是裝飾器,。 編寫簡(jiǎn)單的裝飾器 結(jié)合上述實(shí)例，編寫裝飾器：

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 wrapperprint “myfunc is:”, myfunc.__name__myfunc = get_time(myfunc)print “myfunc is:”, myfunc.__name__myfunc()

　 這樣，一個(gè)簡(jiǎn)單的完整的裝飾器就實(shí)現(xiàn)了,，可以看到，裝飾器并沒有影響函數(shù)的執(zhí)行邏輯和調(diào)用,。在Python中，可以使用“@”語法糖來精簡(jiǎn)裝飾器的代碼,，將上例更改為：

@get_timedef myfunc():
        print “start func”
        time.sleep(0.8)
        print “end func”print “myfunc is: “, myfunc.__name__myfunc()

裝飾器的調(diào)用順序 裝飾器可以疊加使用,，若多個(gè)裝飾器同時(shí)裝飾一個(gè)函數(shù),，那么裝飾器的調(diào)用順序和@語法糖的聲明順序相反，也就是：

@decorator1@decorator2def func():
        pass等效于func = decorator1(decorator2(func()))

被裝飾的函數(shù)帶參數(shù) 上述實(shí)例中,，myfunc()是沒有參數(shù)的,，那如果添加參數(shù)的話,，裝飾器改如何編寫呢,？

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)

帶參數(shù)的裝飾器 裝飾器有很大的靈活性,，它本身支持參數(shù),，例如在上述實(shí)例中，@get_time裝飾器唯一的參數(shù)就是執(zhí)行業(yè)務(wù)的函數(shù),，當(dāng)然也可以在裝飾器中添加參數(shù),，加以邏輯判斷。 內(nèi)置裝飾器 Python中,，常見的類裝飾器包括：@staticmathod、@classmethod,、@property * @staticmethod：類的靜態(tài)方法，跟成員方法的區(qū)別是沒有self參數(shù),，并且可以在累不進(jìn)行實(shí)例化的情況下調(diào)用 * @classmethod：跟成員方法的區(qū)別是接收的第一個(gè)參數(shù)不是self，而是cls（當(dāng)前累的具體類型） * @property：表示可以直接通過類實(shí)例直接訪問的信息,。