Python語法的示例分析

這篇文章主要介紹Python語法的示例分析，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

1. for - else

什么？不是 if 和 else 才是原配嗎？No，你可能不知道，else 是個腳踩兩只船的家伙，for 和 else 也是一對，而且是合法的。十大裝B語法，for-else 絕對算得上南無灣！不信，請看：

>>> for i in [1,2,3,4]:
	print(i)
else:
	print(i, '我是else')
	
1
2
3
4
4 我是else

如果在 for 和 else 之間（循環體內）有第三者 if 插足，也不會影響 for 和 else 的關系。因為 for 的級別比 if 高，else 又是一個攀附權貴的家伙，根本不在乎是否有 if，以及是否執行了滿足 if 條件的語句。else 的眼里只有 for，只要 for 順利執行完畢，else 就會屁顛兒屁顛兒地跑一遍：

>>> for i in [1,2,3,4]:
	if i > 2:
		print(i)
else:
	print(i, '我是else')

3
4
4 我是else

那么，如何拆散 for 和 else 這對冤家呢？只有當 for 循環被 break 語句中斷之后，才會跳過 else 語句：

>>> for i in [1,2,3,4]:
	if i>2:
		print(i)
		break
else:
	print(i, '我是else')

3

2. 一顆星(*)和兩顆星(**)

有沒有發現，星(*)真是一個神奇的符號！想一想，沒有它，C語言還有啥好玩的？同樣，因為有它，Python 才會如此的儀態萬方、風姿綽約、楚楚動人！Python 函數支持默認參數和可變參數，一顆星表示不限數量的單值參數，兩顆星表示不限數量的鍵值對參數。

我們還是舉例說明吧：設計一個函數，返回多個輸入數值的和。我們固然可以把這些輸入數值做成一個list傳給函數，但這個方法，遠沒有使用一顆星的可變參數來得優雅：

>>> def multi_sum(*args):
	s = 0
	for item in args:
		s += item
	return s

>>> multi_sum(3,4,5)
12

Python 函數允許同時全部或部分使用固定參數、默認參數、單值（一顆星）可變參數、鍵值對（兩顆星）可變參數，使用時必須按照前述順序書寫。

>>> def do_something(name, age, gender='男', *args, **kwds):
	print('姓名：%s，年齡：%d，性別：%s'%(name, age, gender))
	print(args)
	print(kwds)

>>> do_something('xufive', 50, '男', 175, 75, math=99, english=90)
姓名：xufive，年齡：50，性別：男
(175, 75)
{'math': 99, 'english': 90}

此外，一顆星和兩顆星還可用于列表、元組、字典的解包，看起來更像C語言：

>>> a = (1,2,3)
>>> print(a)
(1, 2, 3)
>>> print(*a)
1 2 3
>>> b = [1,2,3]
>>> print(b)
[1, 2, 3]
>>> print(*b)
1 2 3
>>> c = {'name':'xufive', 'age':51}
>>> print(c)
{'name': 'xufive', 'age': 51}
>>> print(*c)
name age
>>> print('name:{name}, age:{age}'.format(**c))
name:xufive, age:51

3. 三元表達式

熟悉 C/C++ 的程序員，初上手 python 時，一定會懷念經典的三元操作符，因為想表達同樣的思想，用python 寫起來似乎更麻煩。比如：

>>> y = 5
>>> if y < 0:
	print('y是一個負數')
else:
	print('y是一個非負數')

y是一個非負數

其實，python 是支持三元表達式的，只是稍微怪異了一點，類似于我們山東人講話。比如，山東人最喜歡用倒裝句：打球去吧，要是不下雨的話；下雨，咱就去自習室。翻譯成三元表達式就是：

打球去吧 if 不下雨 else 去自習室

來看看三元表達式具體的使用：

>>> y = 5
>>> print('y是一個負數' if y < 0 else 'y是一個非負數')
y是一個非負數

python 的三元表達式也可以用來賦值：

>>> y = 5
>>> x = -1 if y < 0 else 1
>>> x
1

4. with - as

with 這個詞兒，英文里面不難翻譯，但在 Python 語法中怎么翻譯，我還真想不出來，大致上是一種上下文管理協議。作為初學者，不用關注 with 的各種方法以及機制如何，只需要了解它的應用場景就可以了。with 語句適合一些事先需要準備，事后需要處理的任務，比如，文件操作，需要先打開文件，操作完成后需要關閉文件。如果不使用with，文件操作通常得這樣：

fp = open(r"D:\jb51\Column\temp\mpmap.py", 'r')
try:
 contents = fp.readlines()
finally:
 fp.close()

如果使用 with - as，那就優雅多了：

>>> with open(r"D:\jb51\Column\temp\mpmap.py", 'r') as fp:
	contents = fp.readlines()

5. 列表推導式

在各種稀奇古怪的語法中，列表推導式的使用頻率應該時最高的，對于代碼的簡化效果也非常明顯。比如，求列表各元素的平方，通常應該這樣寫（當然也有其他寫法，比如使用map函數）：

>>> a = [1, 2, 3, 4, 5]
>>> result = list()
>>> for i in a:
	result.append(i*i)

>>> result
[1, 4, 9, 16, 25]

如果使用列表推導式，看起來就舒服多了：

>>> a = [1, 2, 3, 4, 5]
>>> result = [i*i for i in a]
>>> result
[1, 4, 9, 16, 25]

事實上，推導式不僅支持列表，也支持字典、集合、元組等對象。有興趣的話，可以自行研究。我有一篇博文《一行 Python 代碼能實現什么喪心病狂的功能？》，里面的例子，都是列表推導式實現的。

6. 列表索引的各種騷操作

Python 引入負整數作為數組的索引，這絕對是喜大普奔之舉。想想看，在C/C++中，想要數組最后一個元素，得先取得數組長度，減一之后做索引，嚴重影響了思維的連貫性。Python語言之所以獲得成功，我個人覺得，在諸多因素里面，列表操作的便捷性是不容忽視的一點。請看：

>>> a = [0, 1, 2, 3, 4, 5]
>>> a[2:4]
[2, 3]
>>> a[3:]
[3, 4, 5]
>>> a[1:]
[1, 2, 3, 4, 5]
>>> a[:]
[0, 1, 2, 3, 4, 5]
>>> a[::2]
[0, 2, 4]
>>> a[1::2]
[1, 3, 5]
>>> a[-1]
5
>>> a[-2]
4
>>> a[1:-1]
[1, 2, 3, 4]
>>> a[::-1]
[5, 4, 3, 2, 1, 0]

如果說，這些你都很熟悉，也經常用，那么接下來這個用法，你一定會感覺很神奇：

>>> a = [0, 1, 2, 3, 4, 5]
>>> b = ['a', 'b']
>>> a[2:2] = b
>>> a
[0, 1, 'a', 'b', 2, 3, 4, 5]
>>> a[3:6] = b
>>> a
[0, 1, 'a', 'a', 'b', 4, 5]

7. lambda函數

lambda 聽起來很高大上，其實就是匿名函數（了解js的同學一定很熟悉匿名函數）。匿名函數的應用場景是什么呢？就是僅在定義匿名函數的地方使用這個函數，其他地方用不到，所以就不需要給它取個阿貓阿狗之類的名字了。下面是一個求和的匿名函數，輸入參數有兩個，x和y，函數體就是x+y，省略了return關鍵字。

>>> lambda x,y: x+y
<function <lambda> at 0x000001B2DE5BD598>
>>> (lambda x,y: x+y)(3,4) # 因為匿名函數沒有名字，使用的時候要用括號把它包起來

匿名函數一般不會單獨使用，而是配合其他方法，為其他方法提供內置的算法或判斷條件。比如，使用排序函數sorted對多維數組或者字典排序時，就可以指定排序規則。

>>> a = [{'name':'B', 'age':50}, {'name':'A', 'age':30}, {'name':'C', 'age':40}]
>>> sorted(a, key=lambda x:x['name']) # 按姓名排序
[{'name': 'A', 'age': 30}, {'name': 'B', 'age': 50}, {'name': 'C', 'age': 40}]
>>> sorted(a, key=lambda x:x['age']) # 按年齡排序
[{'name': 'A', 'age': 30}, {'name': 'C', 'age': 40}, {'name': 'B', 'age': 50}]

再舉一個數組元素求平方的例子，這次用map函數：

>>> a = [1,2,3]
>>> for item in map(lambda x:x*x, a):
	print(item, end=', ')

1, 4, 9,

8. yield 以及生成器和迭代器

yield 這詞兒，真不好翻譯，翻詞典也沒用。我干脆就讀作“一愛得”，算是外來詞匯吧。要理解 yield，得先了解 generator（生成器）。要了解generator，得先知道 iterator（迭代器）。哈哈哈，繞暈了吧？算了，我還是說白話吧。

話說py2時代，range()返回的是list，但如果range(10000000)的話，會消耗大量內存資源，所以，py2又搞了一個xrange()來解決這個問題。py3則只保留了xrange()，但寫作range()。xrange()返回的就是一個迭代器，它可以像list那樣被遍歷，但又不占用多少內存。generator（生成器）是一種特殊的迭代器，只能被遍歷一次，遍歷結束，就自動消失了。總之，不管是迭代器還是生成器，都是為了避免使用list，從而節省內存。那么，如何得到迭代器和生成器呢？

python內置了迭代函數 iter，用于生成迭代器，用法如下：

>>> a = [1,2,3]
>>> a_iter = iter(a)
>>> a_iter
<list_iterator object at 0x000001B2DE434BA8>
>>> for i in a_iter:
	print(i, end=', ')

1, 2, 3,

yield 則是用于構造生成器的。比如，我們要寫一個函數，返回從0到某正整數的所有整數的平方，傳統的代碼寫法是這樣的：

>>> def get_square(n):
	result = list()
	for i in range(n):
		result.append(pow(i,2))
	return result

>>> print(get_square(5))
[0, 1, 4, 9, 16]

但是如果計算1億以內的所有整數的平方，這個函數的內存開銷會非常大，這是 yield 就可以大顯身手了：

>>> def get_square(n):
	for i in range(n):
		yield(pow(i,2))

>>> a = get_square(5)
>>> a
<generator object get_square at 0x000001B2DE5CACF0>
>>> for i in a:
	print(i, end=', ')

0, 1, 4, 9, 16,

如果再次遍歷，則不會有輸出了。

9. 裝飾器

剛弄明白迭代器和生成器，這又來個裝飾器，Python 咋這么多器呢？的確，Python 為我們提供了很多的武器，裝飾器就是最有力的武器之一。裝飾器很強大，我在這里嘗試從需求的角度，用一個簡單的例子，說明裝飾器的使用方法和制造工藝。

假如我們需要定義很多個函數，在每個函數運行的時候要顯示這個函數的運行時長，解決方案有很多。比如，可以在調用每個函數之前讀一下時間戳，每個函數運行結束后再讀一下時間戳，求差即可；也可以在每個函數體內的開始和結束位置上讀時間戳，最后求差。不過，這兩個方法，都沒有使用裝飾器那么簡單、優雅。下面的例子，很好地展示了這一點。

>>> import time
>>> def timer(func):
	def wrapper(*args,**kwds):
		t0 = time.time()
		func(*args,**kwds)
		t1 = time.time()
		print('耗時%0.3f'%(t1-t0,))
	return wrapper

>>> @timer
def do_something(delay):
	print('函數do_something開始')
	time.sleep(delay)
	print('函數do_something結束')

	
>>> do_something(3)
函數do_something開始
函數do_something結束
耗時3.077

timer() 是我們定義的裝飾器函數，使用@把它附加在任何一個函數（比如do_something）定義之前，就等于把新定義的函數，當成了裝飾器函數的輸入參數。運行 do_something() 函數，可以理解為執行了timer(do_something) 。細節雖然復雜，不過這么理解不會偏差太大，且更易于把握裝飾器的制造和使用。

10. 巧用斷言assert

所謂斷言，就是聲明表達式的布爾值必須為真的判定，否則將觸發 AssertionError 異常。嚴格來講，assert是調試手段，不宜使用在生產環境中，但這不影響我們用斷言來實現一些特定功能，比如，輸入參數的格式、類型驗證等。

>>> def i_want_to_sleep(delay):
	assert(isinstance(delay, (int,float))), '函數參數必須為整數或浮點數'
	print('開始睡覺')
	time.sleep(delay)
	print('睡醒了')

	
>>> i_want_to_sleep(1.1)
開始睡覺
睡醒了
>>> i_want_to_sleep(2)
開始睡覺
睡醒了
>>> i_want_to_sleep('2')
Traceback (most recent call last):
 File "<pyshell#247>", line 1, in <module>
 i_want_to_sleep('2')
 File "<pyshell#244>", line 2, in i_want_to_sleep
 assert(isinstance(delay, (int,float))), '函數參數必須為整數或浮點數'
AssertionError: 函數參數必須為整數或浮點數

以上是“Python語法的示例分析”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！