AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

Python_编程特色

2016-05-19 1315
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：

前言

Python有着许多非常有意思的有别于别的高级语言的语法和处理方式，这些特别的变成技巧能够实现更少的代码量，更清晰的语法结构和更高的效率。

软件环境

  • 系统 
    • UbuntuKylin 14.04
  • 软件 
    • Python 2.7.3
    • IPython 4.0.0

列表推导式

列表推导式是一种轻量级的循环，是一种利用列表爱创建新的列表的方法。 
基本语法格式：

[expr for variable in listName]
  • 1
  • 1

Example:

In [18]: [x**2 for x in range(10)]
Out[18]: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
  • 1
  • 2
  • 1
  • 2

上面例子中使用 List[0,1,2,..,9]和列表推导式生成了一个新的List[0,1,4,..,81]，这还只是一个最基本的用法。 
获取被一个数整除的数：

In [20]: [x for x in range(100) if x %5 == 0]
Out[20]: [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
  • 1
  • 2
  • 1
  • 2

在推导式中可以使用if判断语句，相当于下面的语句块：

In [21]: newList = []

In [22]: for x in range(100):
   ....:     if x % 5 == 0:
   ....:         newList.append(x)
   ....:         

In [23]: newList
Out[23]: [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

相比较，列表推导式能够更加简洁的实现同一样的功能。 
求素数： 
素数：即质数，简单来说就是不能被(2～N-1)之中任何一个整数整除的数N。其实N只需不被(2～N/2)之间的任何一个整数整除即可为素数，甚至可以将范围缩小到(2~sqrt(N))，以此来提高效率，当然处理的方法会需要改变。 
下面是一个使用列表扩展式实现的例子：

[x for x in range(2,100) if not [y for y in range(2,int(x/2+1)) if x % y == 0]]
  • 1
  • 1

等效于：

primes = []
for x in range(2,100):          #1不是素数
    li = []                     #临时的List对象，只在for语句块中有效
    for y in range(2,x/2+1):    #因为在range()中，所以要+1补足
        if x % y == 0:
            li.append(x)
    if not li:                  #如果临时的li中为空，表示N为素数
        primes.append(x)
print primes
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

当li=[]时，表示N在(2～x/2+1)范围内没有被任何一个数整除，即N为素数，append到primes中。 
再介绍一种写法：

noprimes = []
for i in range(2,8):
    for j in range(i*2,100,i):
        noprimes.append(j)
set(noprimes)
primes = []
for x in range(2,100):
    if x not in noprimes:
        primes.append(x)
print primes
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

这种方法利用了反推的思路，先通过[2~7]的倍数来找出noprimes，在判断N是否在noprimes中。若不在即N为素数。 
扩展式的写法：

noprimes = set(j for i in range(2,8) for j in range(i*2, 100,i))
primes = [x for x in range(2,100) if x not in noprimes]
  • 1
  • 2
  • 1
  • 2

可以看出扩展式并不仅是List的专属，序列类型(Tuple、dictionary)和set集合类型都可以使用扩展式。而且如上面的例子，因为我们要频繁的去确定一个值是否存在，且元素是唯一的，所以可以选择set扩展式(set集合能更快的查找属性参数)，来提高运行速度。所以，根据具体条件，充分的利用数据结构的特性来选择一个合适的扩展式类型可以有效的提高程序执行效率。 
嵌套列表降维：

In [143]: nestLi = [[1,2,3],[4,5,6],[7,8,9]]

In [144]: newLi = [x for para in nestLi for x in para]

In [145]: newLi
Out[145]: [1, 2, 3, 4, 5, 6, 7, 8, 9]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

等效于

newLi = []
nestLi = [[1,2,3],[4,5,6],[7,8,9]]
for para in nestLi:
    for x in para:
        newLi.append(x)

print newLi
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

字典的默认值

使用D.get()函数实现。 
D.get(k[,d]) -> D[k] if k in D, else d. d defaults to None.

In [153]: dic = {'name':'JMilk','age':23}

In [154]: dic['city'] = dic.get('city','BJ')

In [155]: dic
Out[155]: {'age': 23, 'city': 'BJ', 'name': 'JMilk'}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

当一个key(city) not in dict(dic)时，D.get()函数会加入’city’并且使用默认值’BJ’。反之，就不会改变key映射的value。

for…else语句

In [173]: pycat test.py
for x in xrange(5):
    if x == 5:
        print 'I can find 5!'
else:
    print 'I cannot find 5!'

In [174]: run test.py
I cannot find 5!
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

在Python不仅是if语句可以配合使用else语句，for、while语句也可以使用。else语句用来处理跳出上个语句块后的情况，有了else，我们可以不用繁复的去设置状态变量来检查是否程序流是否有重上一个语句块跳出，简单方便。这是Python重视使用真值表应用的一个体现。

交换两个变量的值

In [1]: value1 = 1

In [2]: value2 = 2

In [3]: value1,value2 = value2,value1

In [4]: value1,value2
Out[4]: (2, 1)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

别的语言就会需要一个设置中间变量来完成变量值的交换。

链式比较

In [30]: value1 < value2 < 3
Out[30]: True
  • 1
  • 2
  • 1
  • 2

可以使用任意的算术比较运算符

真值测试

Python真值表在运算符详解篇已经有过了介绍，传送门：http://blog.csdn.net/jmilk/article/details/48666475

In [36]: name = 'Jmilk'

In [37]: dic = {'age': 23, 'name': 'Jmilk'}

In [38]: li = ['Hi','Jmilk']

In [39]: if name and dic and li:
   ....:     print 'All True!'
   ....:     
All True!
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

在if语句中，能够写入任意对象，且会直接根据真值表(非0，非空容器类型对象的值为True)来判断其真假，而不一定需要写入判断的条件。

序列类型元素反转

In [51]: str
Out[51]: 'Hello JMilk!'

In [52]: li
Out[52]: ['Hi', 'Jmilk']

In [53]: tup = ('hello','world!')

In [54]: str[::-1]
Out[54]: '!kliMJ olleH'

In [55]: li[::-1]
Out[55]: ['Jmilk', 'Hi']

In [56]: tup[::-1]
Out[56]: ('world!', 'hello')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

这样做的效率会更高，且进行回文检时，只需要inport == inport[::-1]就可以完成。 
回文：正读和反读都相同的字符序列

连接字符串和列表

在Python只需要使用String.join()方法就可以实现将字符串插入到列表的每个元素之间，再返回一个新的字符串。

In [70]: str = ' '

In [71]: li
Out[71]: ['Hi', 'Jmilk']

In [72]: str.join(li)
Out[72]: 'Hi Jmilk'
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

Python一切皆对象的思想，造就了非常多的针对数据类型的内建函数。

内置算术函数

Python除了有大量的模块之外，还有着丰富的内置函数。 
求和：

In [1]: num = [1,2,3]

In [2]: sum(num)
Out[2]: 6
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

最大值：

In [3]: max(num)
Out[3]: 3
  • 1
  • 2
  • 1
  • 2

最小值：

In [4]: min(num)
Out[4]: 1
  • 1
  • 2
  • 1
  • 2

乘积：

In [84]: from operator import mul

In [85]: reduce(mul,range(1,5),1)
Out[85]: 24
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

短短的一条语句就能实现1*2*3*4，而且这些简短的语句拥有着更高的执行效率。 
求绝对值：

In [1]: a = -100

In [2]: abs(a)
Out[2]: 100
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

求商、余数：

In [6]: divmod(10,3)
Out[6]: (3, 1)   #商==3;余数==1
  • 1
  • 2
  • 1
  • 2

求平方：

In [11]: pow(2,4)
Out[11]: 16        #相当于 2**4

In [12]: pow(2,4,5)
Out[12]: 1         #相当于 2**4%5
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

求浮点数：

In [14]: round(1)
Out[14]: 1.0
  • 1
  • 2
  • 1
  • 2

利用zip()来创建键值对

zip(seq1 [, seq2 […]]) -> [(seq1[0], seq2[0] …), (…)] 
将两个序列参数，转换成Tuple和List的组合。

In [175]: keys = ['Name', 'Sex', 'Age']

In [176]: values = ['Tim', 'Male', 23]

In [177]: zip(keys, values)
Out[177]: [('Name', 'Tim'), ('Sex', 'Male'), ('Age', 23)]

In [178]: dict(zip(keys,values))
Out[178]: {'Age': 23, 'Name': 'Tim', 'Sex': 'Male'}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

最后

利用本篇介绍的一些Python的特性，能使程序 写法更加简练、高效和更少的代码量。


转载：http://blog.csdn.net/jmilk/article/details/49657569

文章标签：
Python
关键词：
Python编程
Python特色
Python编程特色
shy丶gril
目录
相关文章
yuanzhengme
|
1天前
|
机器学习/深度学习 人工智能 数据可视化
Python比较适合哪些场景的编程？
Python比较适合哪些场景的编程？
yuanzhengme
14 7
mrq4nk6ni2neg
|
2天前
|
存储 数据处理 开发者
深入浅出：Python编程基础与实战技巧
【9月更文挑战第32天】本文将引导读者从零开始，掌握Python编程语言的核心概念，并通过实际代码示例深入理解。我们将逐步探索变量、数据结构、控制流、函数、类和异常处理等基本知识，并结合实用案例，如数据处理、文件操作和网络请求，提升编程技能。无论您是初学者还是有一定经验的开发者，这篇文章都能帮助您巩固基础，拓展视野。
mrq4nk6ni2neg
8 3
beloved000
|
1天前
|
大数据 Python
Python 高级编程：深入探索高级代码实践
本文深入探讨了Python的四大高级特性：装饰器、生成器、上下文管理器及并发与并行编程。通过装饰器，我们能够在不改动原函数的基础上增添功能；生成器允许按需生成值，优化处理大数据；上下文管理器确保资源被妥善管理和释放；多线程等技术则助力高效完成并发任务。本文通过具体代码实例详细解析这些特性的应用方法，帮助读者提升Python编程水平。
beloved000
18 5
我不是游客20240119
|
2天前
|
数据采集 机器学习/深度学习 人工智能
Python编程之旅：从基础到精通
【9月更文挑战第32天】本文将带你进入Python的世界，从基础语法到高级特性，再到实战项目，让你全面掌握Python编程技能。无论你是初学者还是有一定基础的开发者，都能在这篇文章中找到适合自己的学习路径和方法。让我们一起踏上Python编程之旅，开启一段充满挑战和乐趣的学习历程吧！
我不是游客20240119
8 2
历年考试不作弊
|
5天前
|
存储 开发者 Python
探索Python编程的奥秘
【9月更文挑战第29天】本文将带你走进Python的世界，通过深入浅出的方式，解析Python编程的基本概念和核心特性。我们将一起探讨变量、数据类型、控制结构、函数等基础知识，并通过实际代码示例，让你更好地理解和掌握Python编程。无论你是编程新手，还是有一定基础的开发者，都能在这篇文章中找到新的启示和收获。让我们一起探索Python编程的奥秘，开启编程之旅吧！
历年考试不作弊
8 1
y53t27ieobnpw
|
6天前
|
算法 Python
Python编程的函数—内置函数
Python编程的函数—内置函数
y53t27ieobnpw
10 0
y53t27ieobnpw
|
6天前
|
存储 索引 Python
Python编程的常用数据结构—列表
Python编程的常用数据结构—列表
y53t27ieobnpw
7 0
树空#
|
6天前
|
数据挖掘 Python
Python数据挖掘编程基础8
在Python中，默认环境下并不会加载所有功能，需要手动导入库以增强功能。Python内置了诸多强大库，例如`math`库可用于复杂数学运算。导入库不仅限于`import 库名`，还可以通过别名简化调用，如`import math as m`；也可指定导入库中的特定函数，如`from math import exp as e`；甚至直接导入库中所有函数`from math import *`。但需注意，后者可能引发命名冲突。读者可通过`help(&#39;modules&#39;)`查看已安装模块。
树空#
12 0
树空#
|
6天前
|
人工智能 数据挖掘 Serverless
Python数据挖掘编程基础
函数式编程中的`reduce`函数用于对可迭代对象中的元素进行累积计算，不同于逐一遍历的`map`函数。例如，在Python3中，计算n的阶乘可以使用`reduce`（需从`funtools`库导入）实现，也可用循环命令完成。另一方面，`filter`函数则像一个过滤器，用于筛选列表中符合条件的元素，同样地功能也可以通过列表解析来实现。使用这些函数不仅使代码更加简洁，而且由于其内部循环机制，执行效率通常高于普通的`for`或`while`循环。
树空#
11 0
树空#
|
6天前
|
分布式计算 数据挖掘 Serverless
Python数据挖掘编程基础6
函数式编程（Functional Programming）是一种编程范型，它将计算机运算视为数学函数计算，避免程序状态及易变对象的影响。在Python中，函数式编程主要通过`lambda`、`map`、`reduce`、`filter`等函数实现。例如，对于列表`a=[5,6,7]`，可通过列表解析`b=[i+3 for i in a]`或`map`函数`b=map(lambda x:x+3, a)`实现元素加3的操作，两者输出均为`[8,9,10]`。尽管列表解析代码简洁，但其本质仍是for循环，在Python中效率较低；而`map`函数不仅功能相同，且执行效率更高。
树空#
6 0

热门文章

最新文章

  • 1
    5分钟构建API接口服务 | python小知识
  • 2
    《利用Python进行数据分析·第2版》第8章 数据规整：聚合、合并和重塑
  • 3
    python中函数基本运用
  • 4
    Python 类的使用一
  • 5
    linux python eclipse 安装
  • 6
    Python安装setuptools遇到的MARKER_EXPR错误
  • 7
    python实战：分析网站的m3u8文件下载ts文件并解密
  • 8
    python实例[判断操作系统类型]
  • 9
    python rabbitmq send messages
  • 10
    笨办法学 Python · 续 练习 40：SQL 读取
  • 1
    Python进阶语法之推导式
    39
  • 2
    Python基础语法：类笔记
    42
  • 3
    [oeasy]python0015_键盘改造_将esc和capslock对调_hjkl_移动_双手正位
    46
  • 4
    Python中的面向对象
    34
  • 5
    python制作七夕音乐贺卡
    87
  • 6
    Python自动化测试代理程序可用性
    47
  • 7
    使用Python pandas的sort_values()方法可按一个或多个列对DataFrame排序
    206
  • 8
    在Python的Pandas中，可以通过直接赋值或使用apply函数在DataFrame添加新列。
    237
  • 9
    Python小工具包
    95
  • 10
    python图片九宫格图片处理
    76

    • 相关课程

    更多
  • Python Web开发基础
  • Python爬虫实战
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • Python新手入门
  • Python入门
  • Python选择及循环结构
  • Python新手入门（Anolis OS）
  • Python网络通信程序典型应用
  • 云端Python及基本操作

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • GNU
    • 下一篇
    无影云桌面