zoukankan      html  css  js  c++  java
  • 5个Python特性 越早知道越好的

    Kirill Sharkovski 发布在 Unsplash 杂志上的照片

    AI开发者按,Python 是近十年来兴起的编程语言,并且被证明是一种非常强大的语言。我用 Python 构建了很多应用程序,从交互式地图到区块链。Python 有很多特性,初学者很难一开始就掌握所有的特性。

    很多人学习python,不知道从何学起。
    很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手。
    很多已经做案例的人,却不知道如何去学习更加高深的知识。
    那么针对这三类人,我给大家提供一个好的学习平台,免费领取视频教程,电子书籍,以及课程的源代码!
    QQ群:1097524789

    即使你是一个从其他语言(如 C 或 MATLAB)转换过来的程序员,用更高抽象级别的 Python 编写代码绝对是另一种体验。回顾起来,有很多 Python 特性如果我能早点知道,肯定能少走不少弯路。现在我想要重点介绍其中五个最重要的特性。

    1.理解 List——压缩代码

    很多人会将 lambda、map 和 filter 作为 Python 的「技巧」,每个初学者都应该学习这些技巧。虽然我相信它们是我们应该掌握的特性,但我发现由于缺乏灵活性,它们在大多数时候并不特别有用。

    Lambda 是一种在一行中组合函数以供一次性使用的方法。如果函数被多次调用,性能将受到影响。另一方面,map 将函数应用于列表中的所有元素,而 filter 将获取满足用户定义条件的集合中元素的子集。

    add_func = lambda z: z ** 2
    
    is_odd = lambda z: z%2 == 1
    
    multiply = lambda x,y: x*y
    
    aList = list(range(10))
    
    print(aList)
    
    # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

    Anastase Maragos 发表在 Unsplash 杂志上的照片

    列表理解是一种简洁而灵活的方法,可以使用灵活的表达式和条件从其他列表创建列表。它是由方括号构造的,它有一个表达式或一个函数,只有当元素满足某个条件时,该表达式或函数才应用于列表中的每个元素。它还可以嵌套来处理嵌套列表,并且比使用 map 和 filter 灵活得多。

    # Syntax of list comprehension
    [ expression(x) for x in aList if optional_condition(x) ]
    print(list(map(add_func, aList)))
    
    print([x ** 2 for x in aList])
    
    # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
    
    # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
    
    print(list(filter(is_odd, aList)))
    
    print([x for x in aList if x%2 == 1])
    
    # [1, 3, 5, 7, 9]
    
    # [1, 3, 5, 7, 9]

    2.列表循环

    Python 允许使用负索引,其中 Altruts [-1]== Altrue[LeN(Listor)-1 ]。因此,我们可以通过调用 a list[-2] 等获得列表中的倒数第二个元素。

    我们还可以使用语法 aList[start:end:step] 对列表进行切片,其中包含起始元素,但不包含结束元素。因此,aList[2:5] 的结果是 [2,3,4]。我们也可以通过调用 a list[::-1] 来反转列表,我发现这种技术非常优雅。

    Martin Shreder 发表在 Unsplash 杂志上的照片

    列表也可以分解成单独的元素,或者使用星号将元素和子列表混合。

    a, b, c, d = aList[0:4]
    
    print(f'a = {a}, b = {b}, c = {c}, d = {d}')
    
    # a = 0, b = 1, c = 2, d = 3
    
    a, *b, c, d = aList
    
    print(f'a = {a}, b = {b}, c = {c}, d = {d}')
    
    # a = 0, b = [1, 2, 3, 4, 5, 6, 7], c = 8, d = 9

    3.压缩和枚举:for 循环

    Zip 函数创建一个迭代器,该迭代器聚合来自多个列表的元素。它允许在 for 循环中并行遍历列表并并行排序。它可以用星号来解压缩。

    numList = [0, 1, 2]
    
    engList = ['zero', 'one', 'two']
    
    espList = ['cero', 'uno', 'dos']
    
    print(list(zip(numList, engList, espList)))
    
    # [(0, 'zero', 'cero'), (1, 'one', 'uno'), (2, 'two', 'dos')]
    
    for num, eng, esp in zip(numList, engList, espList):
    
        print(f'{num} is {eng} in English and {esp} in Spanish.')
    
    # 0 is zero in English and cero in Spanish.
    
    # 1 is one in English and uno in Spanish.
    
    # 2 is two in English and dos in Spanish.
    Eng = list(zip(engList, espList, numList))
    
    Eng.sort() # sort by engList
    
    a, b, c = zip(*Eng)
    
    print(a)
    
    print(b)
    
    print(c)
    
    # ('one', 'two', 'zero')
    
    # ('uno', 'dos', 'cero')
    
    # (1, 2, 0)

    Erol Ahmed 发表在 Unsplash 杂志上的照片

    枚举一开始可能看起来有点吓人,但在许多情况下它是非常方便的。它是一个经常在 for 循环中使用的自动计数器,不需要在 for 循环中创建和初始化计数器变量 by counter=0 和 counter+=1。枚举和 zip 是构造 for 循环时最强大的两个工具。

    upperCase = ['A', 'B', 'C', 'D', 'E', 'F']
    
    lowerCase = ['a', 'b', 'c', 'd', 'e', 'f']
    
    for i, (upper, lower) in enumerate(zip(upperCase, lowerCase), 1):
    
       print(f'{i}: {upper} and {lower}.')
    
    # 1: A and a.
    
    # 2: B and b.
    
    # 3: C and c.
    
    # 4: D and d.
    
    # 5: E and e.
    
    # 6: F and f.

    4.生成器:内存效率

    当我们打算对大量数据进行计算,但希望避免同时分配所有结果所需的内存时,会使用生成器。换句话说,它们会动态生成值,而不会将以前的值存储在内存中,因此我们只能对它们进行一次迭代。

    它们通常用于读取大文件或使用关键字 yield 生成无限序列。我经常发现它在我的大多数数据科学项目中很有用。

    def gen(n):    # an infinite sequence generator that generates integers >= n
    
        while True:
    
            yield n
    
            n += 1
    
    G = gen(3)     # starts at 3
    
    print(next(G)) # 3
    
    print(next(G)) # 4
    
    print(next(G)) # 5
    
    print(next(G)) # 6

    5.虚拟环境:isolation

    如果你读完本文中只记得其中一条,那么应该是虚拟环境的使用。

    Matthew Kwong 发布在 Unsplash 上的照片

    Python 应用程序通常使用很多不同的包,这些包来不同的开发人员,具有复杂的依赖关系。不同的应用程序是使用特定的库设置开发的,其中的结果不能使用其他库版本复制。不存在一次安装就满足所有应用要求的情况。

    conda create -n venv pip python=3.7  # select python version
    source activate venv
    ...
    source deactivate

    因此,为每个应用程序创建独立的独立虚拟环境 venv 是非常重要的,这可以使用 pip 或 conda 来完成。

  • 相关阅读:
    MATLAB中的灰狼优化算法
    关于excel的一个问题的解决--(但是还是没弄清楚解决的原理)
    Windows上面遇到一个问题一直没有解决,求大佬指教
    Visio实用快捷键+比较不错的总结
    通过命令符查看笔记本电脑的电池损耗
    使用小工具QuickLook的使用
    科研工具--HistCite
    win10 效率
    office 2016文件已损坏,无法打开
    关于mathtype的使用方法的一些总结
  • 原文地址:https://www.cnblogs.com/shann001/p/13043735.html
Copyright © 2011-2022 走看看