Python十段经典代码总结

简介: Python十段经典代码总结

for - else
十大装B语法,for-else 绝对算得上囊波湾!不信,请看:

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

1
2
3
4
4 我是else
else 的眼里只有 for,只要 for 顺利执行完毕,else 就会屁颠儿屁颠儿地跑一遍:

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

3
4
4 我是else
只有当 for 循环被 break 语句中断之后,才会跳过 else 语句:

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

3
一颗星()和两颗星(*)

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

multi_sum(3,4,5)
12
Python 函数允许同时全部或部分使用固定参数、默认参数、单值(一颗星)可变参数、键值对(两颗星)可变参数,使用时必须按照前述顺序书写。

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

do_something('xufive', 50, '男', 175, 75, math=99, english=90)
姓名:xufive,年龄:50,性别:男
(175, 75)
{'math': 99, 'english': 90}
三元表达式
y = 5
if y < 0:
print('y是一个负数')
else:
print('y是一个非负数')

y是一个非负数
其实,python 是支持三元表达式的,只是稍微怪异了一点,类似于我们山东人讲话。比如,山东人最喜欢用倒装句:打球去吧,要是不下雨的话;下雨,咱就去自习室。翻译成三元表达式就是:
打球去吧 if 不下雨 else 去自习室
来看看三元表达式具体的使用:

y = 5
print('y是一个负数' if y < 0 else 'y是一个非负数')
y是一个非负数
python 的三元表达式也可以用来赋值:
y = 5
x = -1 if y < 0 else 1
x
1
with - as
with 语句适合一些事先需要准备,事后需要处理的任务,比如,文件操作,需要先打开文件,操作完成后需要关闭文件。如果不使用with,文件操作通常得这样:

fp = open(r"D:\phyger\Column\temp\mpmap.py", 'r')
try:
contents = fp.readlines()
finally:
fp.close()
如果使用 with - as,那就优雅多了:

with open(r"D:\phyger\Column\temp\mpmap.py", 'r') as fp:
contents = fp.readlines()
列表推导式
求列表各元素的平方,通常应该这样写(当然也有其他写法,比如使用map函数):

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

result
[1, 4, 9, 16, 25]
如果使用列表推导式,看起来就舒服多了:

a = [1, 2, 3, 4, 5]
result = [i*i for i in a]
result
[1, 4, 9, 16, 25]
事实上,推导式不仅支持列表,也支持字典、集合、元组等对象。

列表索引的各种骚操作

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]
如果说,这些你都很熟悉,也经常用,那么接下来这个用法,你一定会感觉很神奇:

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]
lambda函数
下面是一个求和的匿名函数,输入参数有两个,x和y,函数体就是x+y,省略了return关键字。

lambda x,y: x+y

at 0x000001B2DE5BD598>
(lambda x,y: x+y)(3,4) # 因为匿名函数没有名字,使用的时候要用括号把它包起来
匿名函数一般不会单独使用,而是配合其他方法,为其他方法提供内置的算法或判断条件。比如,使用排序函数sorted对多维数组或者字典排序时,就可以指定排序规则。

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']) # 按年龄排序
[{'name': 'A', 'age': 30}, {'name': 'C', 'age': 40}, {'name': 'B', 'age': 50}]
再举一个数组元素求平方的例子,这次用map函数:

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

1, 4, 9,
yield 以及生成器和迭代器
pyrhon内置了迭代函数 iter,用于生成迭代器,用法如下:

a = [1,2,3]
a_iter = iter(a)
a_iter


for i in a_iter:
print(i, end=', ')

1, 2, 3,
yield 则是用于构造生成器的。比如,我们要写一个函数,返回从0到某正整数的所有整数的平方,传统的代码写法是这样的:

def get_square(n):
result = list()
for i in range(n):
result.append(pow(i,2))
return result
//代码效果参考:http://www.ezhiqi.com/zx/art_1392.html

print(get_square(5))
[0, 1, 4, 9, 16]
但是如果计算1亿以内的所有整数的平方,这个函数的内存开销会非常大,这是 yield 就可以大显身手了:

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

a = get_square(5)
a


for i in a:
print(i, end=', ')
//代码效果参考:http://www.ezhiqi.com/bx/art_4281.html

0, 1, 4, 9, 16,
如果再次遍历,则不会有输出了。

装饰器
下面的例子,很好地展示了装饰器的优势。

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

@timer
def do_something(delay):
print('函数do_something开始')
time.sleep(delay)
print('函数do_something结束')

do_something(3)
函数do_something开始
函数do_something结束
耗时3.077
timer() 是我们定义的装饰器函数,使用@把它附加在任何一个函数(比如do_something)定义之前,就等于把新定义的函数,当成了装饰器函数的输入参数。运行 do_something() 函数,可以理解为执行了timer(do_something) 。

巧用断言assert
所谓断言,就是声明表达式的布尔值必须为真的判定,否则将触发 AssertionError 异常。

def i_want_to_sleep(delay):
assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
print('开始睡觉')
time.sleep(delay)
print('睡醒了')

//代码效果参考:http://www.ezhiqi.com/bx/art_4487.html

i_want_to_sleep(1.1)
开始睡觉
睡醒了
i_want_to_sleep(2)
开始睡觉
睡醒了
i_want_to_sleep('2')
Traceback (most recent call last):
File "", line 1, in
i_want_to_sleep('2')
File "", line 2, in i_want_to_sleep
assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
AssertionError: 函数参数必须为整数或浮点数

相关文章
|
23天前
|
存储 缓存 Java
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
58 5
Python高性能编程:五种核心优化技术的原理与Python代码
|
2月前
|
Python
课程设计项目之基于Python实现围棋游戏代码
游戏进去默认为九路玩法,当然也可以选择十三路或是十九路玩法 使用pycharam打开项目,pip安装模块并引用,然后运行即可, 代码每行都有详细的注释,可以做课程设计或者毕业设计项目参考
78 33
|
2月前
|
JavaScript API C#
【Azure Developer】Python代码调用Graph API将外部用户添加到组,结果无效,也无错误信息
根据Graph API文档,在单个请求中将多个成员添加到组时,Python代码示例中的`members@odata.bind`被错误写为`members@odata_bind`,导致用户未成功添加。
52 10
|
2月前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
105 8
|
2月前
|
Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器就像是给函数穿上了一件神奇的外套,让它们拥有了超能力。本文将通过浅显易懂的语言和生动的比喻,带你了解装饰器的基本概念、使用方法以及它们如何让你的代码变得更加简洁高效。让我们一起揭开装饰器的神秘面纱,看看它是如何在不改变函数核心逻辑的情况下,为函数增添新功能的吧!
|
2月前
|
程序员 测试技术 数据安全/隐私保护
深入理解Python装饰器:提升代码重用与可读性
本文旨在为中高级Python开发者提供一份关于装饰器的深度解析。通过探讨装饰器的基本原理、类型以及在实际项目中的应用案例,帮助读者更好地理解并运用这一强大的语言特性。不同于常规摘要,本文将以一个实际的软件开发场景引入,逐步揭示装饰器如何优化代码结构,提高开发效率和代码质量。
74 6
|
2月前
|
开发框架 数据建模 中间件
Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器是那些静悄悄的幕后英雄。它们不张扬,却能默默地为函数或类增添强大的功能。本文将带你了解装饰器的魅力所在,从基础概念到实际应用,我们一步步揭开装饰器的神秘面纱。准备好了吗?让我们开始这段简洁而富有启发性的旅程吧!
56 6
|
2月前
|
API Python
【Azure Developer】分享一段Python代码调用Graph API创建用户的示例
分享一段Python代码调用Graph API创建用户的示例
68 11
|
2月前
|
测试技术 Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界中,装饰器是那些能够为我们的代码增添魔力的小精灵。它们不仅让代码看起来更加优雅,还能在不改变原有函数定义的情况下,增加额外的功能。本文将通过生动的例子和易于理解的语言,带你领略装饰器的奥秘,从基础概念到实际应用,一起开启Python装饰器的奇妙旅程。
57 11
|
2月前
|
Python
Python编程入门:从零开始的代码旅程
本文是一篇针对Python编程初学者的入门指南,将介绍Python的基本语法、数据类型、控制结构以及函数等概念。文章旨在帮助读者快速掌握Python编程的基础知识,并能够编写简单的Python程序。通过本文的学习,读者将能够理解Python代码的基本结构和逻辑,为进一步深入学习打下坚实的基础。

热门文章

最新文章

推荐镜像

更多