Python中五种略高级特征的使用方法
python 多好用不用多说，大家看看自己用的语言就知道了。但是 python 隐藏的高级功能你都 get 了吗？本文中，作者列举了 python 中五种略高级的特征以及它们的使用方法，快来一探究竟吧！
python 是一种美丽的语言，它简单易用却非常强大。但你真的会用 python 的所有功能吗？
任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目，并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案，它使用了你从不知道的 python 功能！
这种学习方式太有趣了：通过探索，偶然发现什么。
下面是 python 的 5 种高级特征，以及它们的用法。
lambda 函数
lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。
python 函数通常使用 def a_function_name() 样式来定义，但对于 lambda 函数，我们根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。
lambda 函数可以使用任意数量的参数，但表达式只能有一个。
x=lambdaa,b:a*bprint(x(5,6))#prints'30'x=lambdaa:a*3+3print(x(3))#prints'12'
看它多么简单！我们执行了一些简单的数学运算，而无需定义整个函数。这是 python 的众多特征之一，这些特征使它成为一种干净、简单的编程语言。
map 函数
map() 是一种内置的 python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。
defsquare_it_func(a):returna*ax=map(square_it_func,[1,4,7])print(x)#prints'[1,16,47]'defmultiplier_func(a,b):returna*bx=map(multiplier_func,[1,4,7],[2,5,8])print(x)#prints'[2,20,56]'看看上面的示例！我们可以将函数应用于单个或多个列表。实际上，你可以使用任何 python 函数作为 map 函数的输入，只要它与你正在操作的序列元素是兼容的。
filter 函数
filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构（列表、元组、字典）。二者的关键区别在于 filter() 将只返回应用函数返回 true 的元素。
详情请看如下示例：
#ournumbersnumbers=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]#functionthatfiltersoutallnumberswhichareodddeffilter_odd_numbers(num):ifnum%2==0:
returntrue
else:
returnfalsefiltered_numbers=filter(filter_odd_numbers,numbers)print(filtered_numbers)#filtered_numbers=[2,4,6,8,10,12,14]
我们不仅评估了每个列表元素的 true 或 false，filter() 函数还确保只返回匹配为 true 的元素。非常便于处理检查表达式和构建返回列表这两步。
itertools 模块
python 的 itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句（包括列表、元组和字典）中使用的数据类型。
使用 itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。关于 itertools 的神奇之处，请看以下示例：
fromitertoolsimport*#easyjoiningoftwolistsintoalistoftuplesforiinizip([1,2,3],['a','b','c']):printi#('a',1)#('b',2)#('c',3)#thecount()functionreturnsaninteratorthat#producesconsecutiveintegers,forever.this#oneisgreatforaddingindicesnexttoyourlist#elementsforreadabilityandconvenienceforiinizip(count(1),['bob','emily','joe']):printi#(1,'bob')#(2,'emily')#(3,'joe')#thedropwhile()functionreturnsaniteratorthatreturns#alltheelementsoftheinputwhichcomeafteracertain#conditionbecomesfalseforthefirsttime.defcheck_for_drop(x):print'checking:',xreturn(x>5)foriindropwhile(should_drop,[2,4,6,8,10,12]):print'result:',i#checking:2#checking:4#result:6#result:8#result:10#result:12#thegroupby()functionisgreatforretrievingbunches#ofiteratorelementswhicharethesameorhavesimilar#propertiesa=sorted([1,2,1,3,2,1,2,3,4,5])forkey,valueingroupby(a):print(key,value),end='')#(1,[1,1,1])#(2,[2,2,2])#(3,[3,3])#(4,[4])#(5,[5])
generator 函数
generator 函数是一个类似迭代器的函数，即它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。
比如，我们想把 1 到 1000 的所有数字相加，以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。
如果列表很小，比如 1000 行，计算所需的内存还行。但如果列表巨长，比如十亿浮点数，这样做就会出现问题了。使用这种 for 循环，内存中将出现大量列表，但不是每个人都有无限的 ram 来存储这么多东西的。python 中的 range() 函数也是这么干的，它在内存中构建列表。
代码中第二部分展示了使用 python generator 函数对数字列表求和。generator 函数创建元素，并只在必要时将其存储在内存中，即一次一个。这意味着，如果你要创建十亿浮点数，你只能一次一个地把它们存储在内存中！python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。
上述例子说明：如果你想为一个很大的范围生成列表，那么就需要使用 generator 函数。如果你的内存有限，比如使用移动设备或边缘计算，使用这一方法尤其重要。
也就是说，如果你想对列表进行多次迭代，并且它足够小，可以放进内存，那最好使用 for 循环或 python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值，而 python 2.x range 函数是静态的列表，而且整数已经置于内存中，以便快速访问。
#(1)usingaforloopvnumbers=list()foriinrange(1000):numbers.append(i+1)total=sum(numbers)#(2)usingageneratordefgenerate_numbers(n):
num,numbers=1,[]whilenum
numbers.append(num)
num+=1
returnnumberstotal=sum(generate_numbers(1000))#(3)range()vsxrange()total=sum(range(1000+1))total=sum(xrange(1000+1))
作者：george seif
一个顶俩？南孚推出新一代无线充电宝
激光打印机的原理
车规级TIM导热新材料---无硅Silicone-free高导热凝胶
压电极化效应
美国国会经济报告首次对加密货币和区块链展开分析
Python中五种略高级特征的使用方法
HCNR201的正负电压测量
红米K30将搭载骁龙7250，采用双挖孔屏+双模5G
从微控制器向上保护物联网设备
工业CT扫描设备注塑工艺无损检测缺陷分析
在《比特与瓦特》的交点，藏着未来能源的一些真相
汽车主控芯片国产自主化什么时候实现？蚕食周边器件是起点？
关于高效湿处理磷光有机发光二极管的研究报告
NI联盟商Bloomy开发BMS测试解决方案
又一家无人售货机获得融资6000万
1 ppm精度电压源电路的设计与实现
设计一个正激式开关电源
手机里各种各样的传感器及其功能
用于汽车外部照明的DLP动态地面投影技术
西门子助力NASA火星探测开创太空探测新纪元
python 是一种美丽的语言，它简单易用却非常强大。但你真的会用 python 的所有功能吗？
任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目，并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案，它使用了你从不知道的 python 功能！
这种学习方式太有趣了：通过探索，偶然发现什么。
下面是 python 的 5 种高级特征，以及它们的用法。
lambda 函数
lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。
python 函数通常使用 def a_function_name() 样式来定义，但对于 lambda 函数，我们根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。
lambda 函数可以使用任意数量的参数，但表达式只能有一个。
x=lambdaa,b:a*bprint(x(5,6))#prints'30'x=lambdaa:a*3+3print(x(3))#prints'12'
看它多么简单！我们执行了一些简单的数学运算，而无需定义整个函数。这是 python 的众多特征之一，这些特征使它成为一种干净、简单的编程语言。
map 函数
map() 是一种内置的 python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。
defsquare_it_func(a):returna*ax=map(square_it_func,[1,4,7])print(x)#prints'[1,16,47]'defmultiplier_func(a,b):returna*bx=map(multiplier_func,[1,4,7],[2,5,8])print(x)#prints'[2,20,56]'看看上面的示例！我们可以将函数应用于单个或多个列表。实际上，你可以使用任何 python 函数作为 map 函数的输入，只要它与你正在操作的序列元素是兼容的。
filter 函数
filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构（列表、元组、字典）。二者的关键区别在于 filter() 将只返回应用函数返回 true 的元素。
详情请看如下示例：
#ournumbersnumbers=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]#functionthatfiltersoutallnumberswhichareodddeffilter_odd_numbers(num):ifnum%2==0:
returntrue
else:
returnfalsefiltered_numbers=filter(filter_odd_numbers,numbers)print(filtered_numbers)#filtered_numbers=[2,4,6,8,10,12,14]
我们不仅评估了每个列表元素的 true 或 false，filter() 函数还确保只返回匹配为 true 的元素。非常便于处理检查表达式和构建返回列表这两步。
itertools 模块
python 的 itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句（包括列表、元组和字典）中使用的数据类型。
使用 itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。关于 itertools 的神奇之处，请看以下示例：
fromitertoolsimport*#easyjoiningoftwolistsintoalistoftuplesforiinizip([1,2,3],['a','b','c']):printi#('a',1)#('b',2)#('c',3)#thecount()functionreturnsaninteratorthat#producesconsecutiveintegers,forever.this#oneisgreatforaddingindicesnexttoyourlist#elementsforreadabilityandconvenienceforiinizip(count(1),['bob','emily','joe']):printi#(1,'bob')#(2,'emily')#(3,'joe')#thedropwhile()functionreturnsaniteratorthatreturns#alltheelementsoftheinputwhichcomeafteracertain#conditionbecomesfalseforthefirsttime.defcheck_for_drop(x):print'checking:',xreturn(x>5)foriindropwhile(should_drop,[2,4,6,8,10,12]):print'result:',i#checking:2#checking:4#result:6#result:8#result:10#result:12#thegroupby()functionisgreatforretrievingbunches#ofiteratorelementswhicharethesameorhavesimilar#propertiesa=sorted([1,2,1,3,2,1,2,3,4,5])forkey,valueingroupby(a):print(key,value),end='')#(1,[1,1,1])#(2,[2,2,2])#(3,[3,3])#(4,[4])#(5,[5])
generator 函数
generator 函数是一个类似迭代器的函数，即它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。
比如，我们想把 1 到 1000 的所有数字相加，以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。
如果列表很小，比如 1000 行，计算所需的内存还行。但如果列表巨长，比如十亿浮点数，这样做就会出现问题了。使用这种 for 循环，内存中将出现大量列表，但不是每个人都有无限的 ram 来存储这么多东西的。python 中的 range() 函数也是这么干的，它在内存中构建列表。
代码中第二部分展示了使用 python generator 函数对数字列表求和。generator 函数创建元素，并只在必要时将其存储在内存中，即一次一个。这意味着，如果你要创建十亿浮点数，你只能一次一个地把它们存储在内存中！python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。
上述例子说明：如果你想为一个很大的范围生成列表，那么就需要使用 generator 函数。如果你的内存有限，比如使用移动设备或边缘计算，使用这一方法尤其重要。
也就是说，如果你想对列表进行多次迭代，并且它足够小，可以放进内存，那最好使用 for 循环或 python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值，而 python 2.x range 函数是静态的列表，而且整数已经置于内存中，以便快速访问。
#(1)usingaforloopvnumbers=list()foriinrange(1000):numbers.append(i+1)total=sum(numbers)#(2)usingageneratordefgenerate_numbers(n):
num,numbers=1,[]whilenum
num+=1
returnnumberstotal=sum(generate_numbers(1000))#(3)range()vsxrange()total=sum(range(1000+1))total=sum(xrange(1000+1))
作者：george seif
一个顶俩？南孚推出新一代无线充电宝
激光打印机的原理
车规级TIM导热新材料---无硅Silicone-free高导热凝胶
压电极化效应
美国国会经济报告首次对加密货币和区块链展开分析
Python中五种略高级特征的使用方法
HCNR201的正负电压测量
红米K30将搭载骁龙7250，采用双挖孔屏+双模5G
从微控制器向上保护物联网设备
工业CT扫描设备注塑工艺无损检测缺陷分析
在《比特与瓦特》的交点，藏着未来能源的一些真相
汽车主控芯片国产自主化什么时候实现？蚕食周边器件是起点？
关于高效湿处理磷光有机发光二极管的研究报告
NI联盟商Bloomy开发BMS测试解决方案
又一家无人售货机获得融资6000万
1 ppm精度电压源电路的设计与实现
设计一个正激式开关电源
手机里各种各样的传感器及其功能
用于汽车外部照明的DLP动态地面投影技术
西门子助力NASA火星探测开创太空探测新纪元