Python 十大装 X 语法（二）

接着上一篇Python 十大装 X 语法（一）

6. 列表索引的各类骚操做

Python 引入负整数做为数组的索引，这绝对是喜大普奔之举。想一想看，在 C/C++ 中，想要数组最后一个元素，得先取得数组长度，减一以后作索引，严重影响了思惟的连贯性。Python 语言之因此得到成功，我我的以为，在诸多因素里面，列表操做的便捷性是不容忽视的一点。请看：

>>> a = [0, 1, 2, 3, 4, 5]
>>> a[2:4]
[2, 3]
>>> a[3:]
[3, 4, 5]
>>> a[1:]
[1, 2, 3, 4, 5]
>>> a[:]
[0, 1, 2, 3, 4, 5]
>>> a[::2]
[0, 2, 4]
>>> a[1::2]
[1, 3, 5]
>>> a[-1]
5
>>> a[-2]
4
>>> a[1:-1]
[1, 2, 3, 4]
>>> a[::-1]
[5, 4, 3, 2, 1, 0]

若是说，这些你都很熟悉，也常常用，那么接下来这个用法，你必定会感受很神奇：

>>> a = [0, 1, 2, 3, 4, 5]
>>> b = ['a', 'b']
>>> a[2:2] = b
>>> a
[0, 1, 'a', 'b', 2, 3, 4, 5]
>>> a[3:6] = b
>>> a
[0, 1, 'a', 'a', 'b', 4, 5]

7. lambda 函数

lambda 听起来很高大上，其实就是匿名函数（了解 js 的同窗必定很熟悉匿名函数）。匿名函数的应用场景是什么呢？就是仅在定义匿名函数的地方使用这个函数，其余地方用不到，因此就不须要给它取个阿猫阿狗之类的名字了。下面是一个求和的匿名函数，输入参数有两个，x 和 y，函数体就是 x+y，省略了 return 关键字。

>>> lambda x,y: x+y
<function <lambda> at 0x000001B2DE5BD598>
>>> (lambda x,y: x+y)(3,4) # 由于匿名函数没有名字，使用的时候要用括号把它包起来

匿名函数通常不会单独使用，而是配合其余方法，为其余方法提供内置的算法或判断条件。好比，使用排序函数 sorted 对多维数组或者字典排序时，就能够指定排序规则。

>>> a = [{'name':'B', 'age':50}, {'name':'A', 'age':30}, {'name':'C', 'age':40}]
>>> sorted(a, key=lambda x:x['name']) # 按姓名排序
[{'name': 'A', 'age': 30}, {'name': 'B', 'age': 50}, {'name': 'C', 'age': 40}]
>>> sorted(a, key=lambda x:x['age']) # 按年龄排序
[{'name': 'A', 'age': 30}, {'name': 'C', 'age': 40}, {'name': 'B', 'age': 50}]

再举一个数组元素求平方的例子，此次用 map 函数：

>>> a = [1,2,3]
>>> for item in map(lambda x:x*x, a):
    print(item, end=', ')

1, 4, 9,

8. yield 以及生成器和迭代器

yield 这词儿，真很差翻译，翻词典也没用。我干脆就读做“一爱得”，算是外来词汇吧。要理解 yield，得先了解 generator（生成器）。要了解 generator，得先知道 iterator（迭代器）。哈哈哈，绕晕了吧？算了，我仍是说白话吧。

话说 py2 时代，range()返回的是 list，但若是 range(10000000) 的话，会消耗大量内存资源，因此，py2 又搞了一个 xrange()来解决这个问题。py3 则只保留了 xrange()，但写做 range()。xrange() 返回的就是一个迭代器，它能够像 list 那样被遍历，但又不占用多少内存。generator（生成器）是一种特殊的迭代器，只能被遍历一次，遍历结束，就自动消失了。总之，不论是迭代器仍是生成器，都是为了不使用 list，从而节省内存。那么，如何获得迭代器和生成器呢？

python 内置了迭代函数 iter，用于生成迭代器，用法以下：

>>> a = [1,2,3]
>>> a_iter = iter(a)
>>> a_iter
<list_iterator object at 0x000001B2DE434BA8>
>>> for i in a_iter:
    print(i, end=', ')

1, 2, 3,

yield 则是用于构造生成器的。好比，咱们要写一个函数，返回从 0 到某正整数的全部整数的平方，传统的代码写法是这样的：

>>> def get_square(n):
    result = list()
    for i in range(n):
        result.append(pow(i,2))
    return result

>>> print(get_square(5))
[0, 1, 4, 9, 16]

可是若是计算 1 亿之内的全部整数的平方，这个函数的内存开销会很是大，这是 yield 就能够大显身手了：

>>> def get_square(n):
    for i in range(n):
        yield(pow(i,2))

>>> a = get_square(5)
>>> a
<generator object get_square at 0x000001B2DE5CACF0>
>>> for i in a:
    print(i, end=', ')

0, 1, 4, 9, 16,

若是再次遍历，则不会有输出了。

9. 装饰器

刚弄明白迭代器和生成器，这又来个装饰器，Python 咋这么多器呢？的确，Python 为咱们提供了不少的武器，装饰器就是最有力的武器之一。装饰器很强大，我在这里尝试从需求的角度，用一个简单的例子，说明装饰器的使用方法和制造工艺。

假如咱们须要定义不少个函数，在每一个函数运行的时候要显示这个函数的运行时长，解决方案有不少。好比，能够在调用每一个函数以前读一下时间戳，每一个函数运行结束后再读一下时间戳，求差便可；也能够在每一个函数体内的开始和结束位置上读时间戳，最后求差。不过，这两个方法，都没有使用装饰器那么简单、优雅。下面的例子，很好地展现了这一点。

>>> import time
>>> def timer(func):
    def wrapper(*args,**kwds):
        t0 = time.time()
        func(*args,**kwds)
        t1 = time.time()
        print('耗时%0.3f'%(t1-t0,))
    return wrapper

>>> @timer
def do_something(delay):
    print('函数do_something开始')
    time.sleep(delay)
    print('函数do_something结束')

    
>>> do_something(3)
函数do_something开始
函数do_something结束
耗时3.077

timer()是咱们定义的装饰器函数，使用 @把它附加在任何一个函数（好比 do_something）定义以前，就等于把新定义的函数，当成了装饰器函数的输入参数。运行 do_something() 函数，能够理解为执行了 timer(do_something) 。细节虽然复杂，不过这么理解不会误差太大，且更易于把握装饰器的制造和使用。

10. 巧用断言 assert

所谓断言，就是声明表达式的布尔值必须为真的断定，不然将触发 AssertionError 异常。严格来说，assert 是调试手段，不宜使用在生产环境中，但这不影响咱们用断言来实现一些特定功能，好比，输入参数的格式、类型验证等。

>>> def i_want_to_sleep(delay):
    assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
    print('开始睡觉')
    time.sleep(delay)
    print('睡醒了')

    
>>> i_want_to_sleep(1.1)
开始睡觉
睡醒了
>>> i_want_to_sleep(2)
开始睡觉
睡醒了
>>> i_want_to_sleep('2')
Traceback (most recent call last):
  File "<pyshell#247>", line 1, in <module>
    i_want_to_sleep('2')
  File "<pyshell#244>", line 2, in i_want_to_sleep
    assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
AssertionError: 函数参数必须为整数或浮点数

更多RPA知识请访问艺赛旗社区：https://support.i-search.com.cn/