Python 你可能从未听说过的五种隐藏技巧

上一篇 / 下一篇  2022-05-10 08:52:14

  1. ... 对象
  没错,你没看错,就是 "..."
  在Python中 ... 代表着一个名为 Ellipsis 的对象。根据官方说明,它是一个特殊值,通常可以作为空函数的占位符,或是用于Numpy中的切片操作。
  如:
  def my_awesome_function():
      ...

  等同于:
  def my_awesome_function():
      Ellipsis

  当然,你也可以使用pass或者字符串作为占位符:
  def my_awesome_function():
      pass

  def my_awesome_function():
      "An empty, but also awesome function"

  他们最终的效果都是相同的。
  接下来讲讲...对象是如何在Numpy中体现出作用的,创建一个 3x3x3 的矩阵数组,然后获取所有最内层矩阵的第二列:
  >>> import numpy as np
  >>> array = np.arange(27).reshape(3, 3, 3)
  >>> array
  array([[[ 0, 1, 2],
          [ 3, 4, 5],
          [ 6, 7, 8]],
         [[ 9, 10, 11],
          [12, 13, 14],
          [15, 16, 17]],
         [[18, 19, 20],
          [21, 22, 23],
          [24, 25, 26]]])

  为了获取最层矩阵的第二列,传统方法可能是这样的:
  >>> array[:, :, 1]
  array([[ 1, 4, 7],
         [10, 13, 16],
         [19, 22, 25]])

  如果你会用...对象,则是这样的:
  >>> array[..., 1]
  array([[ 1, 4, 7],
         [10, 13, 16],
         [19, 22, 25]])

  不过请注意, ... 对象仅可用于Numpy,不适用于Python内置数组。
  2.解压迭代对象
  解压迭代对象是一个非常方便的特性:
  >>> a, *b, c = range(1, 11)
  >>> a
  1
  >>> c
  10
  >>> b
  [2, 3, 4, 5, 6, 7, 8, 9]

  或者是:
  >>> a, b, c = range(3)
  >>> a
  0
  >>> b
  1
  >>> c
  2

  同理,与其写这样的代码:
  >>> lst = [1]
  >>> a = lst[0]
  >>> a
  1
  >>> (a, ) = lst
  >>> a
  1

  你不如跟解压迭代对象一样,进行更优雅的赋值操作:
  >>> lst = [1]
  >>> [a] = lst
  >>> a
  1

  虽然这看起来有点蠢,但就我个人来看,比前一种写法更优雅一些。
  3.展开的艺术
  数组展开有各种千奇百怪的姿势,比如说:
  >>> l = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
  >>> flattened = [elem for sublist in l for elem in sublist]
  >>> flattened
  [1, 2, 3, 4, 5, 6, 7, 8, 9]

  如果你对reduce和lambda有一定了解,建议使用更优雅的方式:
  >>> from functools import reduce
  >>> reduce(lambda x,y: x+y, l)
  [1, 2, 3, 4, 5, 6, 7, 8, 9]

  reduce和lambda组合起来,就能针对 l 数组内的每个子数组做拼接操作。
  当然,还有更神奇的方式:
  >>> sum(l, [])
  [1, 2, 3, 4, 5, 6, 7, 8, 9]
  >>> # 其实相当于 [] + [1, 2, 3] + [4, 5, 6] + [7, 8, 9]

  没错,这样对二维数组做sum操作,就能使二维数组内的每个元素做“加”法拼接起来。
  同样的道理,如果你对三位数组做sum操作,就能使其变为二维数组,此时再对二维数组做sum操作,就能展开为一维数组。
  虽然这个技巧很出色,但我并不推荐使用,因为可读性太差了。
  4.下划线 _ 变量
  每当你在Python解释器,IPython或Django Console中运行表达式时,Python都会将输出的值绑定到 _ 变量中:
  >>> nums = [1, 3, 7]
  >>> sum(nums)
  11
  >>> _
  11
  >>>

  由于它是一个变量,你可以随时覆盖它,或像普通变量一样操作它:
  >>> 9 + _
  20
  >>> a = _
  >>> a
  20

  5.多种用途的else
  很多人都不知道,else 可以被用于许多地方,除了典型的 if else, 我们还可以在循环和异常处理里用到它。
  循环
  如果需要判断循环里是否处理了某个逻辑,通常情况下会这么做:
  found = False
  a = 0
  while a < 10:
      if a == 12:
          found = True
      a += 1
  if not found:
      print("a was never found")

  如果引入else,我们可以少用一个变量:
  a = 0
  while a < 10:
      if a == 12:
          break
      a += 1
  else:
      print("a was never found")

  异常处理
  我们可以在 try ... except ... 中使用 else 编写未捕获到异常时的逻辑:
  In [13]: try:
      ...: {}['lala']
      ...: except KeyError:
      ...: print("Key is missing")
      ...: else:
      ...: print("Else here")
      ...:
  Key is missing

  这样,如果程序没有异常,则会走else分支:
  In [14]: try:
      ...: {'lala': 'bla'}['lala']
      ...: except KeyError:
      ...: print("Key is missing")
      ...: else:
      ...: print("Else here")
      ...:
  Else here

  如果你经常做异常处理,你就会知道这个技巧相当方便。

TAG: 软件开发 Python

 

评分:0

我来说两句

Open Toolbar