这 5 个 Python 特性，后悔没早知道

作为近 10 年才崛起的编程语言，Python 已被证明是一种非常强大的语言。从 交互式映射 到 区块链 ，我用 Python 构建过很多应用程序。

对初学者而言，Python 中有很多特性很难一开始就掌握。

即使你是从其他语言转换过来的程序员，用 Python 进行更高级别的抽象编码绝对是另一种体验。有些 Python 特性，我希望自己能早点知道。本文将介绍其 5 个最重要的特性。

1. 列表推导式：代码更紧凑

很多人认为， lambda、map 和 filter 是初学者应该最先掌握的 Python“技巧”。虽然我也认为应关注这些功能，但由于它们缺乏灵活性。

实际上，它们在大多数情况下并不是非常有用！

Lambda 是一种在 1 行中编写一个一次性使用的函数的方法。一旦函数被多次调用，性能将受到影响。

另一方面， map 可以将一个函数应用于列表中的所有元素，而 filter 能获取集合中满足用户自定义条件的元素子集。

 复制代码

add_func = lambda z: z **2
is_odd = lambda z: z%2==1
multiply = lambda x,y: x*y

aList = list(range(10))
print(aList)
# [0,1,2,3,4,5,6,7,8,9]

列表推导式是一个简洁而灵活的方法，它使用灵活的表达式和条件通过其他列表来创建新列表。

它用方括号来构造，带有一个表达式或函数，只有当列表中的元素满足某个条件时，该表达式或函数才作用于列表中的每个元素。

并且，它还能用嵌套来处理嵌套列表，并且这会比使用 map 和 filter 更灵活。

 复制代码

# Syntax oflistcomprehension
[ expression(x) forxinaListifoptional_condition(x) ]

 复制代码

print(list(map(add_func, aList)))
print([x **2for x in aList])
# [0,1,4,9,16,25,36,49,64,81]
# [0,1,4,9,16,25,36,49,64,81]

print(list(filter(is_odd, aList)))
print([x for x in aList if x%2==1])
# [1,3,5,7,9]
# [1,3,5,7,9]

下载地址： python-list-comprehension.py

2、列表操作：实现列表的双向操作

Python 允许使用反向索引，其中 aList[-1] == aList[len(aList)-1] 。所以，我们可以通过调用 aList[-2] 来获取列表的倒数第二个元素。

我们还能使用 aList[start:end:step] 语法来对列表进行切片，其中起始元素包含在内，终止元素不包含在内（即 [start,end) 步长为 step 的前闭后开区间）。

因此，调用 aList[2:5] 会得到 [2, 3, 4] 。我们也能通过调用 aList[::-1] 来反转列表，这种技术非常优雅。

此外，也可以将列表 拆分 成单独的元素，或者使用星号将列表拆分成单个元素和子列表的混合形式。

 复制代码

a, b, c, d = aList[0:4]
print(f'a = {a}, b = {b}, c = {c}, d = {d}')
# a =0, b =1, c =2, d =3

a, *b, c, d = aList
print(f'a = {a}, b = {b}, c = {c}, d = {d}')
# a =0, b = [1,2,3,4,5,6,7], c =8, d =9

下载地址： python-unpacking.py

3、 压缩和枚举：for 循环更方便

Zip 函数会创建一个 迭代器 ，且该迭代器可以对来自多个列表的元素进行聚合。用它可以在 for 循环中对列表进行并行遍历和排序。

用星号对其进行解压。

 复制代码

numList = [0,1,2]
engList = ['zero','one','two']
espList = ['cero','uno','dos']
print(list(zip(numList, engList, espList)))
# [(0,'zero','cero'), (1,'one','uno'), (2,'two','dos')]

for num, eng, esp in zip(numList, engList, espList):
print(f'{num} is {eng} in English and {esp} in Spanish.')
#0is zero inEnglishand cero inSpanish.
#1is one inEnglishand uno inSpanish.
#2is two inEnglishand dos inSpanish.

下载地址： python-zip-1.py

 复制代码

Eng =list(zip(engList, espList,numList))
Eng.sort() #sortbyengList
a, b, c =zip(*Eng)

print(a)
print(b)
print(c)
# ('one', 'two', 'zero')
# ('uno', 'dos', 'cero')
# (1, 2, 0)

下载地址： python-zip-2.py

开始时， Enumerate 看起来有点吓人，但在很多情况下使用它确实能方便很多。

它是一个自动计数器，通常会在 for 循环中使用它，这样就不需要再用 counter = 0 和 counter += 1 来创建和初始化计数器了。枚举和压缩是两个构造 for 循环的最强工具。

 复制代码

upperCase = ['A','B','C','D','E','F']
lowerCase = ['a','b','c','d','e','f']
fori, (upper, lower)inenumerate(zip(upperCase, lowerCase),1):
print(f'{i}:{upper}and{lower}.')
# 1: A and a.
# 2: B and b.
# 3: C and c.
# 4: D and d.
# 5: E and e.
# 6: F and f.

下载地址： python-enumerate.py

4、生成器：内存更高效

当我们想要对一个大的结果集进行计算，但 又不想为所有结果数据同时分配内存时 ，我们就可以使用 生成器（Generator） 了。

换句话说，它会 动态地 生成值，并且不会将先前的值存储在内存中，因此我们只能对它们进行一次迭代操作。

当读取大文件或使用关键字 yield 生成无穷数列时，通常会用它。我发现在我的大多数数据科学项目中，它都能发挥很大作用。

 复制代码

defgen(n):# an infinite sequence generator that generates integers >= n
whileTrue:
yieldn
n +=1

G = gen(3)# starts at 3
print(next(G))# 3
print(next(G))# 4
print(next(G))# 5
print(next(G))# 6

下载地址： python-generator.py

5、虚拟环境：实现隔离

如果在本文介绍的 5 个特性中只选一个，那么就是 虚拟环境 的使用。

Python 应用程序通常会用各种不同的包，这些包可能是由具有复杂依赖关系的不同开发人员开发的。每个应用程序都会用特定的库设置，使用其他库的版本无法实现对某个应用程序安装包的复制。

所以，不存在满足所有应用要求的单个安装包。

 复制代码

conda create -n venv pippython=3.7#selectpythonversion
sourceactivate venv
...
sourcedeactivate

为每个应用程序创建独立的、自洽的虚拟环境 venv 非常重要，这可以通过使用 pip 或 conda 来实现。

原文链接：

https://towardsdatascience.com/5-python-features-i-wish-i-had-known-earlier-bc16e4a13bf4