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 itertoolsimportchainforcinchain(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：
Callfunctionrepeatusingalistofarguments:catscatscatscatsCallfunctionrepeatusinga dictionaryofkeyword 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)Keywordarguments:{'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：
defcache(function):cached_values = {}# Contains already computed valuesdefwrapping_function(*args):ifargsnotincached_values:# Call the function only if we haven't already done it for those parameterscached_values[args] = function(*args)returncached_values[args]returnwrapping_function@cachedeffibonacci(n):print('calling fibonacci(%d)'% n)ifn <2:returnnreturnfibonacci(n-1) + fibonacci(n-2)print([fibonacci(n)forninrange(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：
fromfunctoolsimportlru_cache@lru_cache(maxsize=None)deffibonacci(n):print('calling fibonacci(%d)'% n)ifn <2:returnnreturnfibonacci(n-1) + fibonacci(n-2)print([fibonacci(n)forninrange(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 timeclassTimer():def__init__(self, message):self.message = messagedef__enter__(self):self.start = time()returnNone# could return anything, to be used like this: with Timer("Message") as value:def__exit__(self, type, value, traceback): elapsed_time = (time() -self.start) *1000print(self.message.format(elapsed_time))with Timer("Elapsed time to compute some prime numbers: {}ms"): primes = []forxinrange(2,500):ifnotany(x % p ==0forpinprimes): 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 timetocompute some primenumbers: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答疑群：125240963
网友评论