腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

軟件下載

android MAC 驅(qū)動(dòng)下載字體下載 DLL

源碼下載

PHP ASP.NET ASP JSP

軟件編程

C# JAVA C 語(yǔ)言 Delphi Android

網(wǎng)絡(luò)編程

PHP ASP.NET ASP JavaScript

在線工具

CSS格式化 JS格式化 Html轉(zhuǎn)化為Js

數(shù)據(jù)庫(kù)

MYSQL MSSQL oracle DB2 MARIADB

CMS

PHPCMS DEDECMS 帝國(guó)CMS WordPress

常用工具

PHP開(kāi)發(fā)工具 python Photoshop 必備軟件

Python中隱藏的五種實(shí)用技巧分享

更新時(shí)間：2022年05月06日 09:22:26 作者：Ckend

這篇文章主要和大家分享五個(gè)Python中隱藏的實(shí)用技巧，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)Python有一定的幫助，感興趣的小伙伴可以學(xué)習(xí)一下

1. ... 對(duì)象

沒(méi)錯(cuò)，你沒(méi)看錯(cuò)，就是 "..."

在Python中 ... 代表著一個(gè)名為 Ellipsis 的對(duì)象。根據(jù)官方說(shuō)明，它是一個(gè)特殊值，通?？梢宰鳛?strong>空函數(shù)的占位符，或是用于Numpy中的切片操作。

如：

def?my_awesome_function():
????...

等同于：

def?my_awesome_function():
????Ellipsis

當(dāng)然，你也可以使用pass或者字符串作為占位符：

def?my_awesome_function():
????pass

def?my_awesome_function():
????"An empty, but also awesome function"

他們最終的效果都是相同的。

接下來(lái)講講...對(duì)象是如何在Numpy中體現(xiàn)出作用的，創(chuàng)建一個(gè) 3x3x3 的矩陣數(shù)組，然后獲取所有最內(nèi)層矩陣的第二列：

>>>?import?numpy?as?np
>>>?array = np.arange(27).reshape(3,?3,?3)
>>>?array
array([[[?0,?1,?2],
????????[?3,?4,?5],
????????[?6,?7,?8]],

???????[[?9,?10,?11],
????????[12,?13,?14],
????????[15,?16,?17]],

???????[[18,?19,?20],
????????[21,?22,?23],
????????[24,?25,?26]]])

為了獲取最層矩陣的第二列，傳統(tǒng)方法可能是這樣的：

>>>?array[:, :,?1]
array([[?1,?4,?7],
???????[10,?13,?16],
???????[19,?22,?25]])

如果你會(huì)用...對(duì)象，則是這樣的：

>>>?array[...,?1]
array([[?1,?4,?7],
???????[10,?13,?16],
???????[19,?22,?25]])

不過(guò)請(qǐng)注意， ... 對(duì)象僅可用于Numpy，不適用于Python內(nèi)置數(shù)組。

2.解壓迭代對(duì)象

解壓迭代對(duì)象是一個(gè)非常方便的特性：

>>>?a, *b, c = range(1,?11)
>>>?a
1
>>>?c
10
>>>?b
[2,?3,?4,?5,?6,?7,?8,?9]

或者是：

>>>?a, b, c = range(3)
>>>?a
0
>>>?b
1
>>>?c
2

同理，與其寫(xiě)這樣的代碼：

>>>?lst = [1]
>>>?a = lst[0]
>>>?a
1
>>>?(a, ) = lst
>>>?a
1

你不如跟解壓迭代對(duì)象一樣，進(jìn)行更優(yōu)雅的賦值操作：

>>>?lst = [1]
>>>?[a] = lst
>>>?a
1

雖然這看起來(lái)有點(diǎn)蠢，但就我個(gè)人來(lái)看，比前一種寫(xiě)法更優(yōu)雅一些。

3.展開(kāi)的藝術(shù)

數(shù)組展開(kāi)有各種千奇百怪的姿勢(shì)，比如說(shuō)：

>>>?l = [[1,?2,?3], [4,?5,?6], [7,?8,?9]]
>>>?flattened = [elem?for?sublist?in?l?for?elem?in?sublist]
>>>?flattened
[1,?2,?3,?4,?5,?6,?7,?8,?9]

如果你對(duì)reduce和lambda有一定了解，建議使用更優(yōu)雅的方式：

>>>?from?functools?import?reduce
>>>?reduce(lambda?x,y: x+y, l)
[1,?2,?3,?4,?5,?6,?7,?8,?9]

reduce和lambda組合起來(lái)，就能針對(duì) l 數(shù)組內(nèi)的每個(gè)子數(shù)組做拼接操作。

當(dāng)然，還有更神奇的方式：

>>>?sum(l, [])
[1,?2,?3,?4,?5,?6,?7,?8,?9]
>>>?# 其實(shí)相當(dāng)于 [] + [1, 2, 3] + [4, 5, 6] + [7, 8, 9]

沒(méi)錯(cuò)，這樣對(duì)二維數(shù)組做sum操作，就能使二維數(shù)組內(nèi)的每個(gè)元素做“加”法拼接起來(lái)。

同樣的道理，如果你對(duì)三位數(shù)組做sum操作，就能使其變?yōu)槎S數(shù)組，此時(shí)再對(duì)二維數(shù)組做sum操作，就能展開(kāi)為一維數(shù)組。

雖然這個(gè)技巧很出色，但我并不推薦使用，因?yàn)榭勺x性太差了。

4.下劃線 _ 變量

每當(dāng)你在Python解釋器，IPython或Django Console中運(yùn)行表達(dá)式時(shí)，Python都會(huì)將輸出的值綁定到 _ 變量中：

>>>?nums = [1,?3,?7]
>>>?sum(nums)
11
>>>?_
11
>>>

由于它是一個(gè)變量，你可以隨時(shí)覆蓋它，或像普通變量一樣操作它：

>>>?9?+ _
20
>>>?a = _
>>>?a
20

5.多種用途的else

很多人都不知道，else 可以被用于許多地方，除了典型的 if else, 我們還可以在循環(huán)和異常處理里用到它。

循環(huán)

如果需要判斷循環(huán)里是否處理了某個(gè)邏輯，通常情況下會(huì)這么做：

found =?False
a =?0

while?a <?10:
????if?a ==?12:
????????found =?True
????a +=?1
if?not?found:
????print("a was never found")

如果引入else，我們可以少用一個(gè)變量：

a =?0

while?a <?10:
????if?a ==?12:
????????break
????a +=?1
else:
????print("a was never found")

異常處理

我們可以在 try ... except ... 中使用 else 編寫(xiě)未捕獲到異常時(shí)的邏輯：

In [13]:?try:
????...: {}['lala']
????...:?except?KeyError:
????...: print("Key is missing")
????...:?else:
????...: print("Else here")
????...:
Key?is?missing

這樣，如果程序沒(méi)有異常，則會(huì)走else分支：

In [14]:?try:
????...: {'lala':?'bla'}['lala']
????...:?except?KeyError:
????...: print("Key is missing")
????...:?else:
????...: print("Else here")
????...:
Else here

如果你經(jīng)常做異常處理，你就會(huì)知道這個(gè)技巧相當(dāng)方便。

到此這篇關(guān)于Python中隱藏的五種實(shí)用技巧分享的文章就介紹到這了,更多相關(guān)Python實(shí)用技巧內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: