大部分編程語言中交換兩個變量的值時,不得不引入一個臨時變量:python
>>> a = 1
>>> b = 2
>>> tmp = a
>>> a = b
>>> b = tmp
pythonicweb
>>> a, b = b, a
for i in [0, 1, 2, 3, 4, 5]: (print i)
# 或者
for i in range(6): (print i)
pythonic編程
for i in xrange(6): (print i)
xrange 返回的是生成器對象,生成器比列表更加節省內存,不過須要注意的是 xrange 是 python2 中的寫法,python3 只有 range 方法,特色和 xrange 是同樣的。緩存
遍歷集合時若是須要使用到集合的索引位置時,直接對集合迭代是沒有索引信息的,普通的方式使用:數據結構
colors = ['red', 'green', 'blue', 'yellow']
for i in range(len(colors)): print (i, '--->', colors[i])
pythonicapp
for i, color in enumerate(colors): print (i, '--->', color)
字符串鏈接時,普通的方式能夠用 +
操做python2.7
names = ['raymond', 'rachel', 'matthew', 'roger', 'betty', 'melissa', 'judith', 'charlie']
s = names[0]
for name in names[1:]: s += ', ' + name
print (s)
pythonic編程語言
print (', '.join(names))
join 是一種更加高效的字符串鏈接方式,使用 +
操做時,每執行一次+
操做就會致使在內存中生成一個新的字符串對象,遍歷8次有8個字符串生成,形成無謂的內存浪費。而用 join 方法整個過程只會產生一個字符串對象。函數
執行文件操做時,最後必定不能忘記的操做是關閉文件,即便報錯了也要 close。普通的方式是在 finnally 塊中顯示的調用 close 方法。url
f = open('data.txt')
try: data = f.read()
finally: f.close()
pythonic
with open('data.txt') as f: data = f.read()
使用 with 語句,系統會在執行完文件操做後自動關閉文件對象。
可以用一行代碼簡明扼要地解決問題時,毫不要用兩行,好比
result = []
for i in range(10): s = i*2 result.append(s)
pythonic
[i*2 for i in xrange(10)]
與之相似的還有生成器表達式、字典推導式,都是很 pythonic 的寫法。
裝飾器能夠把與業務邏輯無關的代碼抽離出來,讓代碼保持乾淨清爽,並且裝飾器還能被多個地方重複利用。好比一個爬蟲網頁的函數,若是該 URL 曾經被爬過就直接從緩存中獲取,不然爬下來以後加入到緩存,防止後續重複爬取。
def web_lookup(url, saved={}): if url in saved: return saved[url] page = urllib.urlopen(url).read() saved[url] = page return page
pythonic
import urllib #py2#import urllib.request as urllib
# py3
def cache(func): saved = {} def wrapper(url): if url in saved: return saved[url] else: page = func(url) saved[url] = page return page return wrapper
@cache
def web_lookup(url): return urllib.urlopen(url).read()
用裝飾器寫代碼表面上感受代碼量更多,可是它把緩存相關的邏輯抽離出來了,能夠給更多的函數調用,這樣總的代碼量就會少不少,並且業務方法看起來簡潔了。
列表對象(list)是一個查詢效率高於更新操做的數據結構,好比刪除一個元素和插入一個元素時執行效率就很是低,由於還要對剩下的元素進行移動
names = ['raymond', 'rachel', 'matthew', 'roger', 'betty', 'melissa', 'judith', 'charlie']
names.pop(0)
names.insert(0, 'mark')
pythonic
from collections import deque
names = deque(['raymond', 'rachel', 'matthew', 'roger','betty', 'melissa', 'judith', 'charlie'])
names.popleft()
names.appendleft('mark')
deque 是一個雙向隊列的數據結構,刪除元素和插入元素會很快
p = 'vttalk', 'female', 30, 'python@qq.com'
name = p[0]
gender = p[1]
age = p[2]
email = p[3]
pythonic
name, gender, age, email = p
方法一速度沒那麼快,由於每次迭代的時候還要從新進行hash查找 key 對應的 value。
方法二遇到字典很是大的時候,會致使內存的消耗增長一倍以上
# 方法一
for k in d: print (k, '--->', d[k])
# 方法二
for k, v in d.items(): print (k, '--->', v)
pythonic
for k, v in d.iteritems(): print (k, '--->', v)
iteritems 返回迭代器對象,可節省更多的內存,不過在 python3 中沒有該方法了,只有 items 方法,等值於 iteritems。
age = 18if age > 18 and age < 60: print("young man")
pythonic
if 18 < age < 60: print("young man")
理解了鏈式比較操做,那麼你應該知道爲何下面這行代碼輸出的結果是 False。
>>> False == False == True
False
if gender == 'male': text = '男'else: text = '女'
pythonic
text = '男' if gender == 'male' else '女'
在類C的語言中都支持三目運算 b?x:y,Python之禪有這樣一句話:
「There should be one-- and preferably only one --obvious way to do it. 」。
可以用 if/else 清晰表達邏輯時,就不必再額外新增一種方式來實現。
檢查某個對象是否爲真值時,還顯示地與 True 和 False 作比較就顯得畫蛇添足,不專業
if attr == True: do_something() if len(values) != 0: # 判斷列表是否爲空 do_something()
pythonic
if attr: do_something() if values: do_something()
真假值對照表:
類型 | False | True |
---|---|---|
布爾 | False (與0等價) | True (與1等價) |
字符串 | ""( 空字符串) | 非空字符串,例如 " ", "blog" |
數值 | 0, 0.0 | 非0的數值,例如:1, 0.1, -1, 2 |
容器 | [], (), | 至少有一個元素的容器對象,例如:[0], (None,), [''] |
None | None | 非None對象 |
for else 是 Python 中特有的語法格式,else 中的代碼在 for 循環遍歷完全部元素以後執行。
flagfound = False
for i in mylist: if i == theflag: flagfound = True break process(i)
if not flagfound: raise ValueError("List argument missing terminal flag.")
pythonic
for i in mylist: if i == theflag: break process(i) else: raise ValueError("List argument missing terminal flag.")
s1 = "foofish.net" s2 = "vttalk" s3 = "welcome to %s and following %s" % (s1, s2)
pythonic
s3 = "welcome to {blog} and following {wechat}".format(blog="foofish.net", wechat="vttalk")
很難說用 format 比用 %s 的代碼量少,可是 format 更易於理解。
「Explicit is better than implicit --- Zen of Python」
獲取列表中的部分元素最早想到的就是用 for 循環根據條件提取元素,這也是其它語言中慣用的手段,而在 Python 中還有強大的切片功能。
items = range(10)
# 奇數
odd_items = []
for i in items: if i % 2 != 0: odd_items.append(i)
# 拷貝
copy_items = []
for i in items: copy_items.append(i)
pythonic
# 第1到第4個元素的範圍區間
sub_items = items[1:4]
# 奇數
odd_items = items[1::2]
#拷貝
copy_items = items[::] 或者 items[:]
列表元素的下標不只能夠用正數表示,仍是用負數表示,最後一個元素的位置是 -1,從右往左,依次遞減。
--------------------------
| P | y | t | h | o | n |-------------------------- 0 1 2 3 4 5 -6 -5 -4 -3 -2 -1--------------------------
def fib(n): a, b = 0, 1 result = [] while b < n: result.append(b) a, b = b, a+b return result
pythonic
def fib(n): a, b = 0, 1 while a < n: yield a a, b = b, a + b
上面是用生成器生成費波那契數列。生成器的好處就是無需一次性把全部元素加載到內存,只有迭代獲取元素時才返回該元素,而列表是預先一次性把所有元素加載到了內存。此外用 yield 代碼看起來更清晰。
d = {'name': 'foo'}
if d.has_key('name'): print(d['name'])
else: print('unkonw')
pythonic
d.get("name", "unknow")
經過 key 分組的時候,不得不每次檢查 key 是否已經存在於字典中。
data = [('foo', 10), ('bar', 20), ('foo', 39), ('bar', 49)]
groups = {}
for (key, value) in data: if key in groups: groups[key].append(value) else: groups[key] = [value]
pythonic
# 第一種方式
groups = {}
for (key, value) in data: groups.setdefault(key, []).append(value)
# 第二種方式
from collections import defaultdict
groups = defaultdict(list)
for (key, value) in data: groups[key].append(value)
在python2.7以前,構建字典對象通常使用下面這種方式,可讀性很是差
numbers = [1,2,3]
my_dict = dict([(number,number*2) for number in numbers])
print(my_dict) # {1: 2, 2: 4, 3: 6}
pythonic
numbers = [1, 2, 3] my_dict = {number: number * 2 for number in numbers} print(my_dict) # {1: 2, 2: 4, 3: 6} # 還能夠指定過濾條件 my_dict = {number: number * 2 for number in numbers if number > 1} print(my_dict) # {2: 4, 3: 6}
字典推導式是python2.7新增的特性,可讀性加強了不少,相似的仍是列表推導式和集合推導式。
a = 'I love Python.'reverse_a = a[::-1]