Python进阶之高级用法详细总结
更新时间：2021年05月17日 14:35:16 作者：oldmao_2001
今天带各位小伙伴学习一下Python高级语法,主要有Lambda表达式,map函数,filter函数,reduce函数,三大推导式等,文中有非常详细的介绍,需要的朋友可以参考下
一、Lambda表达式
Lambda表达式又被称之为匿名函数
格式
lambda 参数列表：函数体
def add(x,y): return x+y print(add(3,4)) #上面的函数可以写成Lambda函数 add_lambda=lambda x,y:x+y add_lambda(3,4)
二、map函数
函数就是有输入和输出，map的输入和输出对应关系如下图所示：
就是要把一个可迭代的对象按某个规则映射到新的对象上。
因此map函数要有两个参数，一个是映射规则，一个是可迭代对象。
list1=[1,2,3,4,5] r=map(lambda x:x+x,list) print(list1(r))
结果：[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))
结果：[2,6,12,20,30]
三、filter函数
filter的输入和输出对应关系如下图所示：
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))
结果：[‘hello',‘xxxx',‘ai']
四、reduce函数
from functools import reduce f=lambda x,y:x+y x=reduce(f,[1,2,3,4,5]) print(r)
结果：15=1+2+3+4+5
相当于每一次计算都是基于前一次计算的结果：
还可以为reduce计算添加初始值：
from functools import reduce f=lambda x,y:x+y x=reduce(f,[1,2,3,4,5],10) print(r)
结果：25=10+1+2+3+4+5
五、三大推导式
5.1 列表推导式
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) #筛选列表的例子 list4=[i*4 for i in list1 if i>3] print(list4) #结果 [2,4,6,8,10,12] [2,4,6,8,10,12] [1,8,27,64,125,216] [16,25,36]
5.2 集合推导式
直接把上面代码copy下来，然后把列表改成集合
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)
#筛选列表的例子
list4={i*4 for i in list1 if i>3}
print(list4)
#结果
{2, 4, 6, 8, 10, 12}
{64, 1, 8, 216, 27, 125}#这里是乱序的
{16, 24, 20}
5.3 字典推导式
s={
"zhangsan":20,
"lisi":15,
"wangwu":31
}
#拿出所有的key，并变成列表
s_key=[ key for key, value in s.items()]
print(s_key)
#结果
['zhangsan','lisi','wangwu']
# 交换key和value位置，注意冒号的位置
s1={ value: key for key, value in s.items()}
print(s1)
#结果
{20:'zhangsan',15:'1isi',31:'wangwu'}
s2={ key: value for key, value in s.items() if key=="1isi"}
print(s2)
#结果
{"lisi":15}
六、闭包
闭包：一个返回值是函数的函数
import time def runtime(): def now_time(): print(time.time()) return now_time #返回值是函数名字 f=runtime()#f就被赋值为一个函数now_time()了 f()#运行f相当于运行now_time()
再来看一个带参数的例子：
假设有一个csv文件，内容有三行，具体如下：
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)#打开文件
lines=file.readlines()#按行读取文件
file.close()#关闭文件
filter_doc=[i for i in lines if keep in i]#过滤文件内容
return filter_doc
return the_filter
filter1=make_filter("8")#这一行调用了make_filter函数，且把8做为参数传给了keep，接受了the_filter函数作为返回值
#这里的filter1等于函数the_filter
filter_result=filter1("data.csv")#把文件名data.csv作为参数传给了函数the_filter
print(filter_result)
#结果
['6,7,8,9,10']
七、装饰器、语法糖、注解
# 这是获取函数开始运行时间的函数
import time
def runtime(func):
def get_time():
print(time.time())
func()# run被调用
return get_time
@runtime
def run()
print('student run')
#运行
run()
#结果
当前时间
student run
由于有装饰器@runtime的存在，会把run这个函数作为参数丢到runtime(func)里面去，如果调整打印时间代码的位置会有不同结果：
# 这是获取函数结束运行时间的函数
import time
def runtime(func):
def get_time():
func()# run被调用
print(time.time())
return get_time
@runtime
def run()
print('student run')
#运行
run()
#结果
student run
当前时间
这里还要注意，这里还用到了闭包的概念，在运行run函数的时候，调用的实际上是get_time函数。
对于多个参数的函数如何调用，看下面例子
#有一个参数
import time
def runtime(func):
def get_time(i):
func(i)# run被调用
print(time.time())
return get_time
@runtime
def run(i)
print('student run')
#运行
run(1)
#有两个参数
import time
def runtime(func):
def get_time(i,j):
func(i,j)# run被调用
print(time.time())
return get_time
@runtime
def run(i,j)
print('student run')
#运行
run(1,2)
可以发现，这样写对于函数的多态不是很好，因此可以写为：
#自动适配参数
import time
def runtime(func):
def get_time(*arg):
func(*arg)# run被调用
print(time.time())
return get_time
@runtime
def run(i)
print('student1 run')
@runtime
def run(i,j)
print('student2 run')
#运行
run(1)
run(1,2)
再次进行扩展，更为普适的写法，可以解决传入类似i=4的关键字参数写法：
#自动适配参数
import time
def runtime(func):
def get_time(*arg,**kwarg):
func(*arg,**kwarg)# run被调用
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')
#运行
run(1)
run(1,2,j=4)
run()
到此这篇关于Python进阶之高级用法详细总结的文章就介绍到这了,更多相关Python高级用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
python pytest进阶之xunit fixture详解
这篇文章主要介绍了python pytest进阶之xunit fixture详解,了解unittest的同学应该知道我们在初始化环境和销毁工作时，unittest使用的是setUp，tearDown方法，那么在pytest框架中同样存在类似的方法，今天我们就来具体说明,需要的朋友可以参考下2019-06-06
这篇文章主要介绍了Python机器学习之Kmeans基础算法,文中有非常详细的代码示例,对正在学习python的小伙伴们有非常好的帮助,需要的朋友可以参考下2021-04-04
本文给大家分享的是如何使用Python实现多线程抓取知乎用户的思路以及代码，非常的详细，作者使用本程序成功抓取到了百万用户，有需要的小伙伴可以参考下2016-12-12
这篇文章主要介绍了看看如何用Python绘制小米新版天价logo，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下2021-04-04
这篇文章主要介绍了教你一分钟在win10终端成功安装Pytorch的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-01-01
本篇文章主要介绍了Tensorflow环境搭建的方法步骤，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-02-02
DjangoUeditor图片不显示img的src没有域名问题
在使用DjangoUeditor过程中,可能遇到图片上传后不显示问题,解决办法是修改源码view.py,加入代码使得保存的图片URL带有协议和域名,具体做法是在保存图片代码中添加request.scheme获取协议,request.META['HTTP_HOST']获取域名2024-09-09
这篇文章主要给大家介绍了关于学会Python字符串处理的七种技巧，其中包括字符串的连接和合并、字符串的切片和相乘、字符串的分割、字符串的开头和结尾的处理、字符串的查找和匹配、字符串的替换以及字符串中去掉一些字符等操作，需要的朋友可以参考。2017-03-03
这篇文章主要介绍了python检测某个变量是否有定义的方法,实例分析了Python常用的变量判定技巧,需要的朋友可以参考下2015-05-05
这篇文章主要介绍了Python实现列表删除重复元素的三种常用方法,结合实例形式对比分析了Python针对列表元素的遍历、判断、转换等相关操作技巧,需要的朋友可以参考下2017-11-11
最新评论