5 个越早知道越好的 Python 特性

Kirill Sharkovski 发布在 Unsplash 杂志上的照片

本文转自雷锋网，如需转载请至雷锋网官网申请授权。

Python 是近十年来兴起的编程语言，并且被证明是一种非常强大的语言。我用 Python 构建了很多应用程序，从交互式地图到区块链。Python 有很多特性，初学者很难一开始就掌握所有的特性。

即使你是一个从其他语言（如 C 或 MATLAB）转换过来的程序员，用更高抽象级别的 Python 编写代码绝对是另一种体验。回顾起来，有很多 Python 特性如果我能早点知道，肯定能少走不少弯路。现在我想要重点介绍其中五个最重要的特性。

1.理解 List——压缩代码

很多人会将 lambda、map 和 filter 作为 Python 的「技巧」，每个初学者都应该学习这些技巧。虽然我相信它们是我们应该掌握的特性，但我发现由于缺乏灵活性，它们在大多数时候并不特别有用。

Lambda 是一种在一行中组合函数以供一次性使用的方法。如果函数被多次调用，性能将受到影响。另一方面，map 将函数应用于列表中的所有元素，而 filter 将获取满足用户定义条件的集合中元素的子集。

add_func = lambda z: z ** 2      is_odd = lambda z: z%2 == 1      multiply = lambda x,y: x*y      aList = list(range(10))      print(aList)      # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]     

 Anastase Maragos 发表在 Unsplash 杂志上的照片

列表理解是一种简洁而灵活的方法，可以使用灵活的表达式和条件从其他列表创建列表。它是由方括号构造的，它有一个表达式或一个函数，只有当元素满足某个条件时，该表达式或函数才应用于列表中的每个元素。它还可以嵌套来处理嵌套列表，并且比使用 map 和 filter 灵活得多。

# Syntax of list comprehension [ expression(x) for x in aList if optional_condition(x) ]  print(list(map(add_func, aList)))      print([x ** 2 for x in aList])      # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]      # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]      print(list(filter(is_odd, aList)))      print([x for x in aList if x%2 == 1])      # [1, 3, 5, 7, 9]      # [1, 3, 5, 7, 9]     

2.列表循环

Python 允许使用负索引，其中 Altruts [-1]＝= Altrue[LeN（Listor）-1 ]。因此，我们可以通过调用 a list[-2] 等获得列表中的倒数第二个元素。

我们还可以使用语法 aList[start:end:step] 对列表进行切片，其中包含起始元素，但不包含结束元素。因此，aList[2:5] 的结果是 [2，3，4]。我们也可以通过调用 a list[：：-1] 来反转列表，我发现这种技术非常优雅。

Martin Shreder 发表在 Unsplash 杂志上的照片

列表也可以分解成单独的元素，或者使用星号将元素和子列表混合。

a, b, c, d = aList[0:4]      print(f'a = {a}, b = {b}, c = {c}, d = {d}')      # a = 0, b = 1, c = 2, d = 3      a, *b, c, d = aList      print(f'a = {a}, b = {b}, c = {c}, d = {d}')      # a = 0, b = [1, 2, 3, 4, 5, 6, 7], c = 8, d = 9     

3.压缩和枚举：for 循环

Zip 函数创建一个迭代器，该迭代器聚合来自多个列表的元素。它允许在 for 循环中并行遍历列表并并行排序。它可以用星号来解压缩。

numList = [0, 1, 2]      engList = ['zero', 'one', 'two']      espList = ['cero', 'uno', 'dos']      print(list(zip(numList, engList, espList)))      # [(0, 'zero', 'cero'), (1, 'one', 'uno'), (2, 'two', 'dos')]      for num, eng, esp in zip(numList, engList, espList):      print(f'{num} is {eng} in English and {esp} in Spanish.')      # 0 is zero in English and cero in Spanish.      # 1 is one in English and uno in Spanish.      # 2 is two in English and dos in Spanish.      Eng = list(zip(engList, espList, numList))      Eng.sort() # sort by engList      a, b, c = zip(*Eng)      print(a)      print(b)      print(c)      # ('one', 'two', 'zero')      # ('uno', 'dos', 'cero')      # (1, 2, 0)     

Erol Ahmed 发表在 Unsplash 杂志上的照片

枚举一开始可能看起来有点吓人，但在许多情况下它是非常方便的。它是一个经常在 for 循环中使用的自动计数器，不需要在 for 循环中创建和初始化计数器变量 by counter=0 和 counter+=1。枚举和 zip 是构造 for 循环时最强大的两个工具。

upperCase = ['A', 'B', 'C', 'D', 'E', 'F']      lowerCase = ['a', 'b', 'c', 'd', 'e', 'f']      for i, (upper, lower) in enumerate(zip(upperCase, lowerCase), 1):              print(f'{i}: {upper} and {lower}.')      # 1: A and a.      # 2: B and b.      # 3: C and c.      # 4: D and d.      # 5: E and e.      # 6: F and f.  

4.生成器：内存效率

当我们打算对大量数据进行计算，但希望避免同时分配所有结果所需的内存时，会使用生成器。换句话说，它们会动态生成值，而不会将以前的值存储在内存中，因此我们只能对它们进行一次迭代。

它们通常用于读取大文件或使用关键字 yield 生成无限序列。我经常发现它在我的大多数数据科学项目中很有用。

def gen(n):    # an infinite sequence generator that generates integers >= n              while True:                    yield n                    n += 1      G = gen(3)     # starts at 3      print(next(G)) # 3      print(next(G)) # 4      print(next(G)) # 5      print(next(G)) # 6     

5.虚拟环境：isolation

如果你读完本文中只记得其中一条，那么应该是虚拟环境的使用。

Matthew Kwong 发布在 Unsplash 上的照片

Python 应用程序通常使用很多不同的包，这些包来不同的开发人员，具有复杂的依赖关系。不同的应用程序是使用特定的库设置开发的，其中的结果不能使用其他库版本复制。不存在一次安装就满足所有应用要求的情况。

conda create -n venv pip python=3.7  # select python version source activate venv ... source deactivate 

因此，为每个应用程序创建独立的独立虚拟环境 venv 是非常重要的，这可以使用 pip 或 conda 来完成。