python语法技巧，,1、三元表达式：va

python语法技巧，,1、三元表达式：va

1、三元表达式：

value= true-expr if condition else false-expr

例如：a=‘positive‘ if 3>0 else ‘negative‘

2、用列表推导式来取代map和filter

a=[1,2,3,4,5]squares=list(map(lambda x:x**2,a))print(squares) #[1, 4, 9, 16, 25]squares=[x**2 for x in a]print(squares) #[1, 4, 9, 16, 25]data=list(map(lambda x:x**2 ,filter(lambda x:x%2==0,a)))print(data)  #[4, 16]data_one=[x**2 for x in a if x%2==0]  等价于data_one=[x**2 for x in a and x%2==0]

print(data_one) #[4, 16] #字典与集合也有类似的推导机制 chile_ranks={‘ghost‘:1,‘habanero‘:2,‘cayenne‘:3} rank_dict={rank:name for name,rank in chile_ranks.items()} chile_len_set={len(name) for name in rank_dict.values()} print(rank_dict) #{1: ‘ghost‘, 2: ‘habanero‘, 3: ‘cayenne‘} print(chile_len_set) #{8, 5, 7}

3、函数式编程

能接收其他函数作为参数的函数，被称为高阶函数(high-order function)

代表性高阶函数：map() filter() 和 reduce()

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，

并把结果作为新的Iterable返回。

lambda_sum=lambda x,y:x+yprint(lambda_sum(3,4))  #7data_list=[1,3,5,6]result=map(lambda x:x+3,data_list)print(list(result))  #[4, 6, 8, 9]def f(x):    return x+3result_one=list(map(f,data_list))print(result_one)   #[4, 6, 8, 9]

reduce():把一个函数作用在一个序列[x1,x2,x3,...]上，这个函数必须接收两个参数，reduce把结果

继续和序列的下一个元素做累积计算。感觉用处不大！自己也能写，会麻烦一些，如果需要，还是可用。

from functools import reducedata_list=[1,3,5]print(reduce(lambda x,y:2*x+y,data_list)) #15def f_reduce(x,y):    return 2*x+yprint(reduce(f_reduce,data_list))  #15new_list=data_list[:1]for i in range(1,len(data_list)):    new_list.append(2*new_list[i-1]+data_list[i])print(new_list)  #[1, 5, 15]print(new_list[-1]) #15def prod(L):    new_list=L[:1]    for i in range(1,len(L)):        new_list.append(new_list[i-1]*L[i])    return new_list[-1]print(prod([3, 5, 7, 9]))  #945def prod(L):    return reduce(lambda x,y:x*y,L)print(prod([3, 5, 7, 9]))  #945

3、filter() ，和map()类似，也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，

然后根据返回值是True还是False决定保留还是丢弃该元素

list(filter(lambda x:x%2==0,[3,4,5]))  #[4]list(filter(lambda x:x%2==1,[3,4,5]))  #[3,5]

lst=[x**2 for x in range(10)]  #[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]x1=[1,3,5]y1=[9,12,13]lst1=[x**2 for (x,y) in zip(x1,y1) if y>10]print(lst1)  #[9, 25]dict={k:v for k,v in enumerate(‘vamei‘) if v not in ‘vi‘}print(dict)  #{1: ‘a‘, 2: ‘m‘, 3: ‘e‘}

4、fluent python 阅读笔记

import os,time,sys,requestsPOP20_CC=(‘CN IN US ID BR PK NG BD RU JP ‘‘MX PH VN ET EG DE IR TR CD FR‘).split()BASE_URL=‘http://flupy.org/data/flags‘DEST_DIR=‘E://‘def save_flag(img,filename):    path=os.path.join(DEST_DIR,filename)    with open(path,‘wb‘) as fp:        fp.write(img)def get_flag(cc):    url=‘{}/{cc}/{cc}.gif‘.format(BASE_URL, cc=cc.lower())    resp=requests.get(url)    return resp.contentdef show(text):    print(text,end=‘ ‘)    sys.stdout.flush()def download_many(cc_list):    for cc in sorted(cc_list):        image=get_flag(cc)        show(cc)        save_flag(image,cc.lower()+‘.gif‘)    return len(cc_list)def main(download_many):    t0=time.time()    count=download_many(POP20_CC)    elapsed=time.time()-t0    msg=‘\n{} flags downloaded in {:.2f}‘    print(msg.format(count,elapsed))if __name__==‘__main__‘:    main(download_many)

简单的一个代码，写的比较好！将一个脚本任务按照实现流程分为几个动作，每个动作写一个函数，有如下优点：

1、代码清晰

思路清晰，而非胡子眉毛一把抓，整体任务分为若干个小动作，一个动作用一个函数来实现。

2、易于扩展

如果代码某一块需要修改，可以仅修改部分函数即可，对其他函数无影响，也可以增加其他功能。

3、写主函数

代码中包含有主函数，从主函数开始，便于程序的阅读，一看到main()，知道从这里开始阅读起。

4、不同函数之间变量名称

写函数的时候可以以变量名称、类型方式写，注意函数内变量一致即可，调用时则使用全局变量中名称，两者要不一样吗？为什么呢？？

比如这样改写download_many函数：

def download_many(POP20_CC):

    for cc in sorted(POP20_CC):        image=get_flag(cc)        show(cc)        save_flag(image,cc.lower()+‘.gif‘)    return len(POP20_CC)

如果我们修改主函数，下载10个国家国旗图片

POP10_CC=(‘CN IN US ID BR PK NG BD RU JP‘).split()

def main(download_many):    t0=time.time()    count=download_many(POP10_CC)    elapsed=time.time()-t0    msg=‘\n{} flags downloaded in {:.2f}‘    print(msg.format(count,elapsed))

结果是主函数的修改对download_many函数还是起作用，因为download_many函数中变量只是相当于x，真正起作用还是调用时主函数中输入的参数值，所以你这样写也没有问题。不过用变量cc_list好，阅读起来不会引起混淆，不管你是下10国国旗还是20国国旗。如果你download_many中是20国国旗作为变量，调用时输入10国国旗为参数，看起来比较别扭。

自己以后写代码要学习这种写法！

python语法技巧