Python编程中被忽视的核心技巧总结

2023-08-13 16:15:47 作者：Python数据开发

这篇文章主要介绍了一些在 Python 编程中可能被忽视的核心功能，包括默认参数、海象运算符、*args 和 **kwargs 的使用等，需要的可参考下

这篇文章主要介绍了一些在 Python 编程中可能被忽视的核心功能，包括默认参数、海象运算符、*args 和 **kwargs 的使用、变量交换、str 与 repr 的区别、可迭代对象的扩展解包、多个上下文管理器的使用、Python 调试器、collections.Counter 的使用、itertools 的使用以及下划线的两种用法等。

因为这门语言非常容易学，许多实践者只是了解了它的基础知识，而忽略了深入探讨这门语言更高级和强大的方面，这也是它真正独特和强大的地方。

所以，让我们简要讨论一下所有你可能还没有听说过的功能，但如果你想成为一名真正经验丰富的 Pythonista，你肯定想了解。

参数默认值

需要重点注意的是，Python 的参数在遇到函数定义时就进行评估。这意味着每次调用 fib_memo 函数（下文会提到）而没有明确提供 memo 参数的值时，它将使用函数定义时创建的相同字典对象。

def fib_memo(n, memo={0:0, 1:1}):  
    """   
    n 是你想要返回的序列中的第 n 个数字   
    """  
    if not n in memo:    
        memo[n] = fib_memo(n-1) + fib_memo(n-2)  
    return memo[n]
# 返回一个介于0和100之间（包括0和100）的数字。 
fib_memo(6)  # 应该返回8

这段代码在 Python 中可以正常运行。这也意味着你可以在一个脚本中多次执行 fib_memo 函数，比如在一个 for 循环中，每次执行都会增加要计算的 fibonacci 数字，而不会达到“超过最大递归深度”的限制，因为 memo 会不断扩展。关于这方面的更多信息可以在我的另一篇文章中找到。

海象操作符

海象操作符 (:= ) 是在 Python 3.8 中引入的，它允许你在表达式中为变量赋值。这样，你可以在一个表达式中为变量赋值并检查其值：

import random
some_value = random.randint(0,100)  # 返回一个介于0和100之间（包括0和100）的数字。
if((below_ten := some_value) < 10):    
    print(f"{below_ten} 小于 10")

显然，它也可以方便地赋值并检查返回的值是否包含真值：

if(result := some_method()):   # 如果结果不为假值（Falsy）  
    print(result)

*args 和 **kwargs

通过星号 (* )，你可以在传递给函数之前解包参数或关键字参数（使用 ** ）。

例如，考虑以下代码：

my_numbers = [1,2]
def sum_numbers(first_number, second_number):    
    return first_number + second_number
# 这将返回一个类型错误。
# 类型错误：sum（） 缺少 1 个必需的位置参数：“second_number” sum_numbers（my_numbers）
#这将返回预期的结果，3。
sum_numbers(*my_numbers)

当我们调用 sum_numbers 函数时，如果不解包 my_numbers，它会引发一个 TypeError ，因为函数期望两个独立的参数。然而，通过使用星号 (*)，我们可以从 my_numbers 中解包值并将它们作为独立的参数传递，从而得到正确的输出。

这种解包技术不仅适用于元组和列表，还适用于字典（尽管它会将键作为参数传递）。那么关键字参数呢？对此，我们可以利用双星号 (**)。以下代码作为例子：

def greet_person(last_name, first_name):  
    print(f"Hello {first_name} {last_name}")
data = {"first_name": "John", "last_name": "Doe"}
greet_person(**data)

除了解包一个序列来将它们作为函数的参数，你也可以用它来创建一个新的序列，例如：

numbers = [1, 2, 3, 4, 5]
new_list_numbers = [*numbers]

原始的 numbers 列表保持不变，而你有一个 new_list_numbers 变量，它包含了相同列表的副本。然而，对于包含对象的链接要小心：

numbers = [[1, 2], [3, 4], [5, 6]]
packed_numbers = [*numbers]
numbers[0].append(10)   # 修改原始列表中的嵌套列表
print(numbers)      # 输出: [[1, 2, 10], [3, 4], [5, 6]]    
print(packed_numbers)   # 输出: [[1, 2, 10], [3, 4], [5, 6]]

any 和 all

any 和 all 是两个内建函数，它们对可迭代对象（如列表、元组或集合）进行操作，并基于可迭代对象中的元素返回一个布尔值。

例如：

some_booleans = [True, False, False, False]
any(some_booleans) # 返回 True
all(some_booleans) # 返回 False

你可以将 all 和 any 函数与列表推导式结合使用，它返回一个可迭代的结果并将其作为参数传递给 all 函数：

numbers = [5, 10, 3, 8, -2]
all_positive = all(num > 0 for num in numbers)

… 或 any 函数：

fruits = ['apple', 'banana', 'cherry', 'durian']
# 检查是否所有水果都以“a”开头
result = all(fruit.startswith('a') for fruit in fruits)
print(result)

下面的表格显示了根据可迭代对象中的值返回的输出的不同。

变量交换

你可以组合元组打包（在等号 (=) 右边发生）和解包（在等号 (=) 左边发生），并利用这个功能进行变量交换：

a = 10
b = 5
# 通过打包和解包交换 b 和 a 的值
a, b = b, a
print(a)  #5
print(b)  #10

str vs repr

我们习惯于使用 str(some_value) 将某个变量或值转换为字符串，以便于进行调试打印。我想让你了解 repr(some_value)。主要的区别是 repr 尝试返回对象的可打印表示，而 str 只尝试返回一个字符串表示。

下面是一个更好的例子：

import datetime
today = datetime.datetime.now()
print(str(today))print(str(today))   # 输出: 2023-07-20 15:30:00.123456
print(repr(today))  # 输出：datetime.datetime(2023, 7, 20, 15, 30, 0, 123456)

如你所见，str() 简单地将 datetime 作为一个字符串表示返回。如果你想确定变量 today 是否包含一个字符串还是一个 datetime 对象，你无法单独从这个信息中得到答案。另一方面，repr() 提供了有关变量所持有的实际对象的信息。在调试过程中，这个信息会更有价值。

扩展的可迭代对象解包

这个可以简单理解：如果你想通过一个命令获取序列的第一个和最后一个值：

first, *middle, last = [1, 2, 3, 4, 5]
print(first)  # 1
print(middle) # [2, 3, 4]
print(last)   # 5

但这也是可行的

*the_first_three, second_last, last = [1, 2, 3, 4, 5]
print(the_first_three) # [1, 2, 3]
print(second_last)     # 4
print(last)            # 5

或者其他组合。

多个上下文管理器

我们习惯于一次使用一个上下文管理器，比如打开一个文件：

with open('file.txt', 'r') as file:
    # 使用该文件的代码
    # 该文件将在块结束时自动关闭
    # 即使发生异常
    # 示例：从文件中读取行
    for line in file:
        print(line.strip())
with open('file_2.txt', 'r') as other_file:
    # 第二个上下文管理器
    for line in other_file:
        print(line.strip())

但我们可以轻易地在一个语句中打开多个文件。如果你想将一行写入另一个文件，这非常简便：

with open('file1.txt') as file1, open('file2.txt') as file2:
    # 同时使用 file1 和 file2 的代码
    # 文件将在块结束时自动关闭
    # 即使发生异常
    # 示例：从文件 1 读取行并将其写入文件 2
    for line in file1:
        file2.write(line)

Python 调试器

我们可以在我们的文件中打印大量的变量进行调试，或者我们可以简单地使用 Python 调试器 (pdb)，它帮助我们设置断点，使得操作更加简单：

import pdb
# 在你的代码中设置这个断点
pdb.set_trace()

使这个功能更有价值的是，程序会在你设置的断点处停止，你可以打印任何变量来检查其在特定断点处的值或存在情况。试试看！当程序触发一个断点时，你可以使用以下几个命令：

n 或 next：执行下一行。
s 或 step：步入函数调用。
c 或 continue：继续执行直到下一个断点。
l 或 list：显示当前的代码上下文。
p 或 pp ：打印表达式的值。
b 或 break ：在指定的行设置一个新的断点。
h 或 help：获取关于 pdb 的使用帮助。
q 或 quit：退出调试器并终止程序。

collections.Counter

collections 模块中的 Counter 类提供了一种便捷的方式来计算可迭代对象中的元素个数：

Counter``collections

from collections import Counter
my_list = [1, 2, 3, 1, 2, 1, 3, 4, 5]
counts = Counter(my_list)
print(counts)  # 输出: 计数器({1: 3, 2: 2, 3: 2, 4: 1, 5: 1})

使用 Itertools 实现组合

我们可以组合不同的 for 循环来创建排列、组合或笛卡尔积，或者我们可以简单地使用内建的 itertools。

Permutations(排列)

import itertools
# 生成排列
perms = itertools.permutations([1, 2, 3], 2)
print(list(perms))  # 输出: [(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)]

Combinations(组合)

import itertools
# 生成组合
combs = itertools.combinations('ABC', 2)
print(list(combs))  # 输出: [('A', 'B'), ('A', 'C'), ('B', 'C')]

Cartesian product(笛卡尔积)

import itertools
# 生成笛卡尔积
cartesian = itertools.product('AB', [1, 2])
print(list(cartesian))  # 输出: [('A', 1), ('A', 2), ('B', 1), ('B', 2)]

下划线的两种用法

下面是在 Python 中使用下划线的两种方式：作为大数字的分隔符或作为丢弃变量。

丢弃变量

下划线 _ 可以用作丢弃变量，用来丢弃不想要的值：

# 忽略函数的第一个返回值
_, result = some_function()
# 不使用循环变量进行循环
for _ in range(5):
    do_something()
# 你只需要第一个和最后一个
first, *_, last = [1, 2, 3, 4, 5]

大数字的分隔符

在处理大数字值时，你可以使用下划线 (_) 作为视觉分隔符以提高可读性。这个特性在 Python 3.6 中被引入，被称为 “下划线字面量”。

population = 7_900_000_000
revenue = 3_249_576_382.50
print(population)  # 输出: 7900000000
print(revenue)  # 输出: 3249576382.5

到此这篇关于Python编程中被忽视的核心技巧总结的文章就介绍到这了,更多相关Python技巧内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！