NOTE:文章中的代碼縮進不知道怎么搞，直接粘貼使用會報錯
Python高級特征
- 切片
Slice
- 作用對象：list、truple
>>> L[0:3] #0為底，左閉右開，第一個索引是0時可以省略，等同于L[:3]
>>> L[-5:] #倒數切片，最后一個元素索引是-1
>>> L[::n] #每n個取一個，默認n為1
>>> L[:] #復制一個list
>>> (0, 1, 2, 3, 4, 5)[:3]
(0,1,2) #tuple切片的結果仍然是tuple
>>> 'ABCDEFG'[:3]
'ABC' #字符串可以看成是list，但是切片結果仍然是字符串
- 迭代
Iteration
遍歷可迭代對象就是迭代。是否是可迭代對象通過一下來判斷：
>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整數是否可迭代
False
迭代通過for ... in來實現
- 列表生成式(List Comprehensions)
常用的幾張列表生成式如下
>>> list(range(1, 11))
>>> [x * x for x in range(1, 11)] # 可以計算
>>> [x * x for x in range(1, 11) if x % 2 == 0] #可以有if條件判斷
>>> [m + n for m in 'ABC' for n in 'XYZ'] # 可以使用兩層循環，生成全排列
>>> [s.lower() for s in L] #可以使用函數
對于dict類型，可以同時使用兩個變量（也支持多個變量）
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
- 生成器(generator)
一邊循環一邊計算的機制，就是生成器(generator),生成器是可迭代對象，所以通常用for來調用generator
創建方法：
- 將列表生成器的
[]換為()即可
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
- 函數定義中包含
yield關鍵字，這個函數就不是普通函數，而是一個generator
函數返回的是直接結果，generator返回的是generator對象
其他具體的暫略
- 迭代器
- 凡是可作用于
for循環的對象都是Iterable類型- 凡是可作用于
next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列- 集合數據類型如
list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。- Python的
for循環本質上就是通過不斷調用next()函數實現的
函數式編程
- 函數是Python內建支持的一種封裝，我們通過把大段代碼拆成函數，通過一層一層的函數調用，就可以把復雜任務分解成簡單的任務，這種分解可以稱之為面向過程的程序設計。函數就是面向過程的程序設計的基本單元。
- 函數式編程的一個特點就是，允許把函數本身作為參數傳入另一個函數，還允許返回一個函數！
- Python對函數式編程提供部分支持。由于Python允許使用變量，因此，Python不是純函數式編程語言。
高階函數
一個函數就可以接收另一個函數作為參數，這種函數就稱之為 高階函數
- 變量可以指向函數
- 函數名也是變量
- 傳入函數
編寫高階函數，就是讓函數的參數能夠接收別的函數。
- map/reduce
map()
map()函數接收兩個參數，一個是函數，一個是Iterable，map將傳入的函數依次作用到序列的每個元素，并把結果作為新的Iterator返回。
reduce()
reduce把一個函數作用在一個序列[x1, x2, x3, ...]上，這個函數必須接收兩個參數，reduce把結果繼續和序列的下一個元素做累積計算
reduce()通常與map()配合使用，單獨使用不多
- filter
- 和
map()類似，filter()也接收一個函數和一個序列。- 和
map()不同的是，filter()把傳入的函數依次作用于每個元素，然后根據返回值是True還是False決定保留還是丟棄該元素。filter()函數返回的是一個Iterator，也就是一個惰性序列，所以要強迫filter()完成計算結果，需要用list()函數獲得所有結果并返回list。
3.sorted
- 普通排序
>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]
- 使用
key函數實現自定義排序
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
- 字符串排序
默認情況下，是按照ASCII的大小比較的 - 反向排序
只需傳入第三個參數reverse=True即可
返回函數
- 一個函數可以返回一個計算結果，也可以返回一個函數。
- 返回一個函數時，牢記該函數并未執行，返回函數中不要引用任何可能會變化的變量。
先就這些，其他不懂的回頭用到再 回頭看
匿名函數
關鍵字
lambda表示匿名函數，
如：匿名函數lambda x: x * x中冒號前面的x表示函數參數，冒號后面的x*x是函數表達式
- 匿名函數有個限制，就是只能有一個表達式，不用寫
return，返回值就是該表達式的結果。- 把匿名函數賦值給一個變量，再利用變量來調用該函數
f = lambda x: x * x- 也可以把匿名函數作為返回值返回
def build(x, y):
return lambda: x * x + y * y
- Python對匿名函數的支持有限，只有一些簡單的情況下可以使用匿名函數。
裝飾器(Decorator)
- 在代碼運行期間動態增加功能的方式，稱之為“裝飾器”(Decorator)
- 本質上,decorator就是一個返回函數的高階函數
這一節好難啊，看不懂，回頭再搞
其他的參考學習地址:
one
two
偏函數(Partial function)
Python的
functools模塊提供了很多有用的功能，其中一個就是偏函數(Partial function)
使用場景：
當函數的參數個數太多，需要簡化時，使用
functools.partial可以創建一個新的函數，這個新函數可以固定住原函數的部分參數，從而在調用時更簡單。
模塊(Module)
在Python中，一個.py文件就稱之為一個模塊（Module）
使用模塊的好處是：
- 提高了代碼的可維護性
- 編寫代碼不必從零開始
- 可以避免函數名和變量名沖突
- 為了避免不同人編寫的模塊名沖突，引入了按目錄來組織模塊的方法，成為包(Package)
- 每個包目錄下必須有一個
__init__.py文件，否則Python會當成普通目錄，__init__.py可以為空也可以不為空 - 使用模塊是通過
import sys(模塊名)來使用導入模塊 - 作用域
- 正常的函數和變量名是公開的（public）
- 類似
_xxx和__xxx這樣的函數或變量就是非公開的（private）- 外部不需要引用的函數全部定義成private，只有外部需要引用的函數才定義為public
- 安裝第三方模塊
pip install 模塊名
