Python的高级特效是什么？有什么用呢？史上最全的教程！，,本篇文章重点介绍以下

Python的高级特效是什么？有什么用呢？史上最全的教程！，,本篇文章重点介绍以下

本篇文章重点介绍以下内容

Python语言的一些高阶用法主要有以下几个特性：

generators生成器用法collections包常见用法itertools包常见用法packing/unpacking封包/解包特性Decorators装饰器Context Managers上下文管理期

输出结果

01123581321345589144233377610987

在Python中可以使用生成器表达式去迭代一个对象，生成器表达式和列表最大的差别就在于是否一次性将结果计算完成，举例如下：

collections包是标准库的一个模块，主要目的是用来扩展容器相关的数据类型，

我们通过dir查看collections包有哪些模块：

>>> import collections>>> dir(collections)[‘Callable‘, ‘Container‘, ‘Counter‘, ‘Hashable‘, ‘ItemsView‘, ‘Iterable‘, ‘Iterator‘, ‘KeysView‘, ‘Mapping‘, ‘MappingView‘, ‘MutableMapping‘, ‘MutableSequence‘, ‘MutableSet‘, ‘OrderedDict‘, ‘Sequence‘, ‘Set‘, ‘Sized‘, ‘ValuesView‘, ‘__all__‘, ‘__builtins__‘, ‘__doc__‘, ‘__file__‘, ‘__name__‘, ‘__package__‘, ‘_abcoll‘, ‘_chain‘, ‘_class_template‘, ‘_eq‘, ‘_field_template‘, ‘_get_ident‘, ‘_heapq‘, ‘_imap‘, ‘_iskeyword‘, ‘_itemgetter‘, ‘_repeat‘, ‘_repr_template‘, ‘_starmap‘, ‘_sys‘, ‘defaultdict‘, ‘deque‘, ‘namedtuple‘]

我们以Counter为例：

from collections import Countera = Counter(‘blue‘)b = Counter(‘yellow‘)print(a)print(b)print((a + b).most_common(3))

输出结果如下：

Counter({‘u‘: 1, ‘e‘: 1, ‘l‘: 1, ‘b‘: 1})Counter({‘l‘: 2, ‘y‘: 1, ‘e‘: 1, ‘o‘: 1, ‘w‘: 1})[(‘l‘, 3), (‘e‘, 2), (‘y‘, 1)]

另外defaultdict也是我常用的一个模块，defaultdict是dict的子类，允许我们通过工厂方法来动态创建不存在的属性，举例如下：

from collections import defaultdictmy_dict = defaultdict(lambda: ‘Default Value‘)my_dict[‘a‘] = 42print(my_dict[‘a‘])print(my_dict[‘b‘])

运行结果如下：

42Default Value

在工作中我经常用defaultdict来构造一颗树形数据结构来满足我的常规需求，实例如下：

from collections import defaultdictimport jsondef tree(): """ Factory that creates a defaultdict that also uses this factory """ return defaultdict(tree)root = tree()root[‘Page‘][‘Python‘][‘defaultdict‘][‘Title‘] = ‘Using defaultdict‘root[‘Page‘][‘Python‘][‘defaultdict‘][‘Subtitle‘] = ‘Create a tree‘root[‘Page‘][‘Java‘] = Noneprint(json.dumps(root, indent=4))

运行结果如下：

{ "Page": { "Python": { "defaultdict": { "Subtitle": "Create a tree", "Title": "Using defaultdict" } }, "Java": null }}

输出结果：

(1, 2)(1, 3)(1, 4)(2, 3)(2, 4)(3, 4)

另外chain模块也是常用模块之一

chain使用示例：

from itertools import chainfor c in chain(range(3), range(12, 15)): print(c)

输出结果如下：

012121314

另外itertools工具包里还有很多常见的用法，这里不再一一举例，大家可以自行尝试。

packing/unpacking特性

运行结果如下：

Call function repeat using a list of arguments:catscatscatscatsCall function repeat using a dictionary of keyword arguments:catscatscatscats

最后我们再回归到函数参数的例子上：

def f(*args, **kwargs): print("Arguments: ", args) print("Keyword arguments: ", kwargs)f(3, 4, 9, foo=42, bar=7)

以上代码输出：

Arguments: (3, 4, 9)Keyword arguments: {‘bar‘: 7, ‘foo‘: 42}

Decorators装饰器

装饰器这个语法糖相信使用flask或者bottle的同学应该都不陌生，使用django的也应该经常会遇到，但是大家有没有去想过这个语法糖的应用场景呢？我简单整理了下，大概有以下几种装饰器：

缓存装饰器权限验证装饰器计时装饰器日志装饰器路由装饰器异常处理装饰器错误重试装饰器

我们拿缓存装饰器举例：

def cache(function): cached_values = {} # Contains already computed values def wrapping_function(*args): if args not in cached_values: # Call the function only if we haven‘t already done it for those parameters cached_values[args] = function(*args) return cached_values[args] return wrapping_function@cachedef fibonacci(n): print(‘calling fibonacci(%d)‘ % n) if n < 2: return n return fibonacci(n-1) + fibonacci(n-2)print([fibonacci(n) for n in range(1, 9)])

以上代码输出：

calling fibonacci(1)calling fibonacci(2)calling fibonacci(0)calling fibonacci(3)calling fibonacci(4)calling fibonacci(5)calling fibonacci(6)calling fibonacci(7)calling fibonacci(8)[1, 1, 2, 3, 5, 8, 13, 21]

在Python3中有一个包叫做lrucache，就是用的装饰器的语法糖进行实现。

lrucache的简单实用如下：

from functools import lru_cache@lru_cache(maxsize=None)def fibonacci(n): print(‘calling fibonacci(%d)‘ % n) if n < 2: return n return fibonacci(n-1) + fibonacci(n-2)print([fibonacci(n) for n in range(1, 9)])

运行结果：

calling fibonacci(1)calling fibonacci(2)calling fibonacci(0)calling fibonacci(3)calling fibonacci(4)calling fibonacci(5)calling fibonacci(6)calling fibonacci(7)calling fibonacci(8)[1, 1, 2, 3, 5, 8, 13, 21]

Context Managers上下文管理期

最后我们再看Python中的上下文管理器，这个语法糖在资源管理上有很常见的使用场景，比如上文中我用with open("file") as的用法，使用了with后就不用担心文件不会关闭了，在处理socket编程的时候也可以用。这个语法糖其实也不难就是两个魔术方法的实现，enter和exit，一个控制入口，一个控制出口。

常规的使用with来统计一段代码运行时间的例子：

from time import timeclass Timer(): def __init__(self, message): self.message = message def __enter__(self): self.start = time() return None # could return anything, to be used like this: with Timer("Message") as value: def __exit__(self, type, value, traceback): elapsed_time = (time() - self.start) * 1000 print(self.message.format(elapsed_time))with Timer("Elapsed time to compute some prime numbers: {}ms"): primes = [] for x in range(2, 500): if not any(x % p == 0 for p in primes): primes.append(x) print("Primes: {}".format(primes))

输出结果：

Primes: [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101, 103, 107, 109, 113, 127, 131, 137, 139, 149, 151, 157, 163, 167, 173, 179, 181, 191, 193, 197, 199, 211, 223, 227, 229, 233, 239, 241, 251, 257, 263, 269, 271, 277, 281, 283, 293, 307, 311, 313, 317, 331, 337, 347, 349, 353, 359, 367, 373, 379, 383, 389, 397, 401, 409, 419, 421, 431, 433, 439, 443, 449, 457, 461, 463, 467, 479, 487, 491, 499]Elapsed time to compute some prime numbers: 1.055002212524414ms

总结

其实Python是一门特别人性化的语言，但凡在工程中经常遇到的问题，处理起来比较棘手的模式基本都有对应的比较优雅的解决方案。有些写Java同学写Python代码经常看起来像是写C，没有一点Python语言的影子，因此简单整理了下Python进阶的一些用法，希望能够帮助一些同学。

欢迎关注我的博客或者公众号：https://home.cnblogs.com/u/Python1234/ Python学习交流

欢迎加入我的千人交流学习群：125240963

Python的高级特效是什么？有什么用呢？史上最全的教程！