Python 是一種美麗的語言，它簡單易用卻很是強大。但你真的會用 Python 的全部功能嗎？web
下面是 Python 的 5 種高級特徵，以及它們的用法。編程
Lambda 函數微信
Lambda 函數是一種比較小的匿名函數——匿名是指它實際上沒有函數名。數據結構
Python 函數一般使用 def a_function_name() 樣式來定義，但對於 lambda 函數，咱們根本沒爲它命名。這是由於 lambda 函數的功能是執行某種簡單的表達式或運算，而無需徹底定義函數。app
lambda 函數可使用任意數量的參數，但表達式只能有一個。編程語言
x = lambda a, b : a * b
print(x(5, 6)) # prints '30'
x = lambda a : a*3 + 3
print(x(3)) # prints '12'
看它多麼簡單！咱們執行了一些簡單的數學運算，而無需定義整個函數。這是 Python 的衆多特徵之一，這些特徵使它成爲一種乾淨、簡單的編程語言。編輯器
Map 函數函數
Map() 是一種內置的 Python 函數，它能夠將函數應用於各類數據結構中的元素，如列表或字典。對於這種運算來講，這是一種很是乾淨並且可讀的執行方式。工具
def square_it_func(a):
return a * a
x = map(square_it_func, [1, 4, 7])
print(x) # prints '[1, 16, 47]'
def multiplier_func(a, b):
return a * b
x = map(multiplier_func, [1, 4, 7], [2, 5, 8])
print(x) # prints '[2, 20, 56]'看看上面的示例！咱們能夠將函數應用於單個或多個列表。實際上，你可使用任何 Python 函數做爲 map 函數的輸入，只要它與你正在操做的序列元素是兼容的。
Filter 函數oop
filter 內置函數與 map 函數很是類似，它也將函數應用於序列結構（列表、元組、字典）。兩者的關鍵區別在於 filter() 將只返回應用函數返回 True 的元素。
詳情請看以下示例：
# Our numbers
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
# Function that filters out all numbers which are odd
def filter_odd_numbers(num):
if num % 2 == 0:
return True
else:
return False
filtered_numbers = filter(filter_odd_numbers, numbers)
print(filtered_numbers)
# filtered_numbers = [2, 4, 6, 8, 10, 12, 14]
咱們不只評估了每一個列表元素的 True 或 False，filter() 函數還確保只返回匹配爲 True 的元素。很是便於處理檢查表達式和構建返回列表這兩步。
Itertools 模塊
Python 的 Itertools 模塊是處理迭代器的工具集合。迭代器是一種能夠在 for 循環語句（包括列表、元組和字典）中使用的數據類型。
使用 Itertools 模塊中的函數讓你能夠執行不少迭代器操做，這些操做一般須要多行函數和複雜的列表理解。關於 Itertools 的神奇之處，請看如下示例：
from itertools import *
# Easy joining of two lists into a list of tuples
for i in izip([1, 2, 3], ['a', 'b', 'c']):
print i
# ('a', 1)
# ('b', 2)
# ('c', 3)
# The count() function returns an interator that
# produces consecutive integers, forever. This
# one is great for adding indices next to your list
# elements for readability and convenience
for i in izip(count(1), ['Bob', 'Emily', 'Joe']):
print i
# (1, 'Bob')
# (2, 'Emily')
# (3, 'Joe')
# The dropwhile() function returns an iterator that returns
# all the elements of the input which come after a certain
# condition becomes false for the first time.
def check_for_drop(x):
print 'Checking: ', x
return (x > 5)
for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]):
print 'Result: ', i
# Checking: 2
# Checking: 4
# Result: 6
# Result: 8
# Result: 10
# Result: 12
# The groupby() function is great for retrieving bunches
# of iterator elements which are the same or have similar
# properties
a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5])
for key, value in groupby(a):
print(key, value), end=' ')
# (1, [1, 1, 1])
# (2, [2, 2, 2])
# (3, [3, 3])
# (4, [4])
# (5, [5])
Generator 函數
Generator 函數是一個相似迭代器的函數，即它也能夠用在 for 循環語句中。這大大簡化了你的代碼，並且相比簡單的 for 循環，它節省了不少內存。
好比，咱們想把 1 到 1000 的全部數字相加，如下代碼塊的第一部分向你展現瞭如何使用 for 循環來進行這一計算。
若是列表很小，好比 1000 行，計算所需的內存還行。但若是列表巨長，好比十億浮點數，這樣作就會出現問題了。使用這種 for 循環，內存中將出現大量列表，但不是每一個人都有無限的 RAM 來存儲這麼多東西的。Python 中的 range() 函數也是這麼幹的，它在內存中構建列表。
代碼中第二部分展現了使用 Python generator 函數對數字列表求和。generator 函數建立元素，並只在必要時將其存儲在內存中，即一次一個。這意味着，若是你要建立十億浮點數，你只能一次一個地把它們存儲在內存中！Python 2.x 中的 xrange() 函數就是使用 generator 來構建列表。
上述例子說明：若是你想爲一個很大的範圍生成列表，那麼就須要使用 generator 函數。若是你的內存有限，好比使用移動設備或邊緣計算，使用這一方法尤爲重要。
也就是說，若是你想對列表進行屢次迭代，而且它足夠小，能夠放進內存，那最好使用 for 循環或 Python 2.x 中的 range 函數。由於 generator 函數和 xrange 函數將會在你每次訪問它們時生成新的列表值，而 Python 2.x range 函數是靜態的列表，並且整數已經置於內存中，以便快速訪問。
# (1) Using a for loopv
numbers = list()
for i in range(1000):
numbers.append(i+1)
total = sum(numbers)
# (2) Using a generator
def generate_numbers(n):
num, numbers = 1, []
while num < n:
numbers.append(num)
num += 1
return numbers
total = sum(generate_numbers(1000))
# (3) range() vs xrange()
total = sum(range(1000 + 1))
total = sum(xrange(1000 + 1))
掃描下方二維碼
加入優質社羣一塊兒交流吧！
如若二維碼過時
請添加小編微信,回覆關鍵詞：[進羣/加羣],
-今日互動-
你GET到了嗎？歡迎文章下方留言互動
若是對你有幫助的話
❤️來個「轉發朋友圈」和「在看」，是最大的支持❤️
本文分享自微信公衆號 - DataScience（DataScienceTeam）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。