Python的高級特效是什麽？有什麽用呢？史上最全的教程！
本篇文章重點介紹以下內容
Python語言的一些高階用法主要有以下幾個特性：
- generators生成器用法
- collections包常見用法
- itertools包常見用法
- packing/unpacking封包/解包特性
- Decorators裝飾器
- Context Managers上下文管理期
輸出結果
0
1
1
2
3
5
8
13
21
34
55
89
144
233
377
610
987
在Python中可以使用生成器表達式去叠代一個對象，生成器表達式和列表最大的差別就在於是否一次性將結果計算完成，舉例如下：
collections包是標準庫的一個模塊，主要目的是用來擴展容器相關的數據類型，
我們通過dir查看collections包有哪些模塊：
>>> import collections >>> dir(collections) [‘Callable‘, ‘Container‘, ‘Counter‘, ‘Hashable‘, ‘ItemsView‘, ‘Iterable‘, ‘Iterator‘, ‘KeysView‘, ‘Mapping‘, ‘MappingView‘, ‘MutableMapping‘, ‘MutableSequence‘, ‘MutableSet‘, ‘OrderedDict‘, ‘Sequence‘, ‘Set‘, ‘Sized‘, ‘ValuesView‘, ‘__all__‘, ‘__builtins__‘, ‘__doc__‘, ‘__file__‘, ‘__name__‘, ‘__package__‘, ‘_abcoll‘, ‘_chain‘, ‘_class_template‘, ‘_eq‘, ‘_field_template‘, ‘_get_ident‘, ‘_heapq‘, ‘_imap‘, ‘_iskeyword‘, ‘_itemgetter‘, ‘_repeat‘, ‘_repr_template‘, ‘_starmap‘, ‘_sys‘, ‘defaultdict‘, ‘deque‘, ‘namedtuple‘]
我們以Counter為例：
from collections import Counter
a = Counter(‘blue‘)
b = Counter(‘yellow‘)
print(a)
print(b)
print((a + b).most_common(3))
輸出結果如下：
Counter({‘u‘: 1, ‘e‘: 1, ‘l‘: 1, ‘b‘: 1})
Counter({‘l‘: 2, ‘y‘: 1, ‘e‘: 1, ‘o‘: 1, ‘w‘: 1})
[(‘l‘, 3), (‘e‘, 2), (‘y‘, 1)]
另外defaultdict也是我常用的一個模塊，defaultdict是dict的子類，允許我們通過工廠方法來動態創建不存在的屬性，舉例如下：
from collections import defaultdict
my_dict = defaultdict(lambda: ‘Default Value‘)
my_dict[‘a‘] = 42
print(my_dict[‘a‘])
print(my_dict[‘b‘])
運行結果如下：
42
Default Value
在工作中我經常用defaultdict來構造一顆樹形數據結構來滿足我的常規需求，實例如下：
from collections import defaultdict
import json
def tree():
"""
Factory that creates a defaultdict that also uses this factory
"""
return defaultdict(tree)
root = tree()
root[‘Page‘][‘Python‘][‘defaultdict‘][‘Title‘] = ‘Using defaultdict‘
root[‘Page‘][‘Python‘][‘defaultdict‘][‘Subtitle‘] = ‘Create a tree‘
root[‘Page‘][‘Java‘] = None
print(json.dumps(root, indent=4))
運行結果如下：
{
"Page": {
"Python": {
"defaultdict": {
"Subtitle": "Create a tree",
"Title": "Using defaultdict"
}
},
"Java": null
}
}
輸出結果：
(1, 2)
(1, 3)
(1, 4)
(2, 3)
(2, 4)
(3, 4)
另外chain模塊也是常用模塊之一
chain使用示例：
from itertools import chain
for c in chain(range(3), range(12, 15)):
print(c)
輸出結果如下：
0
1
2
12
13
14
另外itertools工具包裏還有很多常見的用法，這裏不再一一舉例，大家可以自行嘗試。
packing/unpacking特性
運行結果如下：
Call function repeat using a list of arguments:
cats
cats
cats
cats
Call function repeat using a dictionary of keyword arguments:
cats
cats
cats
cats
最後我們再回歸到函數參數的例子上：
def f(*args, **kwargs):
print("Arguments: ", args)
print("Keyword arguments: ", kwargs)
f(3, 4, 9, foo=42, bar=7)
以上代碼輸出：
Arguments: (3, 4, 9)
Keyword arguments: {‘bar‘: 7, ‘foo‘: 42}
Decorators裝飾器
裝飾器這個語法糖相信使用flask或者bottle的同學應該都不陌生，使用django的也應該經常會遇到，但是大家有沒有去想過這個語法糖的應用場景呢？我簡單整理了下，大概有以下幾種裝飾器：
- 緩存裝飾器
- 權限驗證裝飾器
- 計時裝飾器
- 日誌裝飾器
- 路由裝飾器
- 異常處理裝飾器
- 錯誤重試裝飾器
我們拿緩存裝飾器舉例：
def cache(function):
cached_values = {} # Contains already computed values
def wrapping_function(*args):
if args not in cached_values:
# Call the function only if we haven‘t already done it for those parameters
cached_values[args] = function(*args)
return cached_values[args]
return wrapping_function
@cache
def fibonacci(n):
print(‘calling fibonacci(%d)‘ % n)
if n < 2:
return n
return fibonacci(n-1) + fibonacci(n-2)
print([fibonacci(n) for n in range(1, 9)])
以上代碼輸出：
calling fibonacci(1)
calling fibonacci(2)
calling fibonacci(0)
calling fibonacci(3)
calling fibonacci(4)
calling fibonacci(5)
calling fibonacci(6)
calling fibonacci(7)
calling fibonacci(8)
[1, 1, 2, 3, 5, 8, 13, 21]
在Python3中有一個包叫做lrucache，就是用的裝飾器的語法糖進行實現。
lrucache的簡單實用如下：
from functools import lru_cache
@lru_cache(maxsize=None)
def fibonacci(n):
print(‘calling fibonacci(%d)‘ % n)
if n < 2:
return n
return fibonacci(n-1) + fibonacci(n-2)
print([fibonacci(n) for n in range(1, 9)])
運行結果：
calling fibonacci(1)
calling fibonacci(2)
calling fibonacci(0)
calling fibonacci(3)
calling fibonacci(4)
calling fibonacci(5)
calling fibonacci(6)
calling fibonacci(7)
calling fibonacci(8)
[1, 1, 2, 3, 5, 8, 13, 21]
Context Managers上下文管理期
最後我們再看Python中的上下文管理器，這個語法糖在資源管理上有很常見的使用場景，比如上文中我用with open("file") as的用法，使用了with後就不用擔心文件不會關閉了，在處理socket編程的時候也可以用。這個語法糖其實也不難就是兩個魔術方法的實現，enter 和 exit，一個控制入口，一個控制出口。
常規的使用with來統計一段代碼運行時間的例子：
from time import time
class Timer():
def __init__(self, message):
self.message = message
def __enter__(self):
self.start = time()
return None # could return anything, to be used like this: with Timer("Message") as value:
def __exit__(self, type, value, traceback):
elapsed_time = (time() - self.start) * 1000
print(self.message.format(elapsed_time))
with Timer("Elapsed time to compute some prime numbers: {}ms"):
primes = []
for x in range(2, 500):
if not any(x % p == 0 for p in primes):
primes.append(x)
print("Primes: {}".format(primes))
輸出結果：
Primes: [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101, 103, 107, 109, 113, 127, 131, 137, 139, 149, 151, 157, 163, 167, 173, 179, 181, 191, 193, 197, 199, 211, 223, 227, 229, 233, 239, 241, 251, 257, 263, 269, 271, 277, 281, 283, 293, 307, 311, 313, 317, 331, 337, 347, 349, 353, 359, 367, 373, 379, 383, 389, 397, 401, 409, 419, 421, 431, 433, 439, 443, 449, 457, 461, 463, 467, 479, 487, 491, 499]
Elapsed time to compute some prime numbers: 1.055002212524414ms
總結
其實Python是一門特別人性化的語言，但凡在工程中經常遇到的問題，處理起來比較棘手的模式基本都有對應的比較優雅的解決方案。有些寫Java同學寫Python代碼經常看起來像是寫C，沒有一點Python語言的影子，因此簡單整理了下Python進階的一些用法，希望能夠幫助一些同學。
歡迎關註我的博客或者公眾號：https://home.cnblogs.com/u/Python1234/ Python學習交流
歡迎加入我的千人交流學習群：125240963
Python的高級特效是什麽？有什麽用呢？史上最全的教程！