学会拥抱Python六剑客,提高编程效率!
前言
在Python语言中,有六个强大的工具,它们被称为"Python六剑客"。而Python六剑客指的是Python中常用的六种功能强大且灵活的工具,它们分别是“切片(Slicing),推导列表(List Comprehension),map映射函数,filter过滤器,reduce累积,lambda匿名函数”。
接下来,笔者将详细解释每个工具,并提供相应的代码示例。
正文
1.切片(Slicing)
切片(Slicing):对于序列(如字符串、列表和元组)来说,切片是一种非常方便的操作。通过指定开始位置、结束位置和步长,可以轻松地提取序列中的子序列。例如,s[开始位置:结束位置:步长]。
在Python中,切片(slicing)是一种非常强大的工具,它允许你对序列类型(如列表、元组、字符串等)进行快速、简洁的子集操作。切片操作通过冒号(:)分隔的三个可选参数来指定:起始索引、结束索引和步长。
其基本语法如下所示:
sequence[start:stop:step]
sequence:要进行切片操作的序列,可以是列表、元组或字符串等;
start:切片开始的索引(包含)。如果是负数,则从序列的末尾开始计数。如果省略,则默认为0;
stop:切片结束的索引(不包含)。如果是负数,则从序列的末尾开始计数。如果省略,则默认为序列的长度;
step:切片步长,即每次操作跳过的元素个数。如果省略,则默认为1。如果为负数,则切片操作会从后向前进行。
用法举例如下:
# 字符串切片
s = "Hello, World!" print(s[0:5]) # 输出: "Hello"
print(s[7:]) # 输出: "World!"
print(s[:5]) # 输出: "Hello"
print(s[-1]) # 输出: "!"
print(s[-6:-1]) # 输出: "World"
# 列表切片
lst = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print(lst[2:5]) # 输出: [2, 3, 4]
print(lst[::2]) # 输出: [0, 2, 4, 6, 8]
print(lst[::-1]) # 输出: [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
# 元组切片(与列表相同)
tup = (10, 20, 30, 40, 50)
print(tup[1:4]) # 输出: (20, 30, 40)
# 负数索引和步长
print(lst[-3:-1]) # 输出: [7, 8]
print(lst[::-2]) # 输出: [9, 7, 5, 3, 1]
在切片操作中,如果省略了start,则默认为0;如果省略了stop,则默认为序列的长度;如果省略了step,则默认为1。同时,Python的切片操作是“左闭右开”的,即包含起始索引,不包含结束索引。
切片不仅用于提取子序列,还可以用于修改原序列的部分内容,比如通过切片赋值来替换子序列的元素:
lst = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
lst[2:5] = [20, 30, 40]
print(lst) # 输出: [0, 1, 20, 30, 40, 5, 6, 7, 8, 9]
在上面的例子中,lst中索引2到4(不包含5)的元素被新的列表[20, 30, 40]替换了。
2.推导列表(List Comprehension)
推导列表(List Comprehension):这是一种创建新列表的简洁方法,它通过在一个已有的列表或可迭代对象上进行操作,生成新的列表。例如,[表达式 for 项 in 可迭代对象 if 条件]。
列表推导式(List Comprehension)是Python中一种独特且强大的语法,它允许你以简洁的方式创建列表。列表推导式提供了一种快速构建新列表的方法,通过遍历一个或多个序列,并根据需要应用一些条件或转换。
列表推导式的基本语法如下:
[expression for item in iterable if conditional]
expression:对每个元素执行的表达式(通常是针对单个元素的运算)。
item:在迭代过程中使用的变量名。
iterable:可迭代对象,如列表、元组、字符串或任何实现了迭代协议的对象。
conditional:可选的条件语句,用于过滤元素。如果提供了条件,则只有使条件为真的元素才会被包括在内。
用法举例如下所示:
# 创建一个包含 1 到 10 的平方的列表
squares = [x**2 for x in range(1, 11)]
print(squares) # 输出: [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
# 创建一个包含 0 到 9 的偶数的列表
even_numbers = [x for x in range(10) if x % 2 == 0]
print(even_numbers) # 输出: [0, 2, 4, 6, 8]
# 创建一个包含字符串列表中所有字符串长度的列表
words = ['apple', 'banana', 'cherry']
word_lengths = [len(word) for word in words]
print(word_lengths) # 输出: [5, 6, 6]
# 创建一个包含元组中所有元素平方的列表
tuples = [(1, 2), (3, 4), (5, 6)]
squared = [x**2 + y**2 for x, y in tuples]
print(squared) # 输出: [5, 25, 61]
# 使用嵌套列表推导式创建一个二维列表
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = [element for row in matrix for element in row]
print(flattened) # 输出: [1, 2, 3, 4, 5, 6, 7, 8, 9]
列表推导式不仅简洁,而且执行速度通常比等效的循环和append()方法更快。这是因为列表推导式是在构建列表时就计算出所有元素,而循环和append()方法则需要逐个添加元素到列表中。
列表推导式是Python的一种非常强大的特性,它使得处理列表和其他可迭代对象变得更加容易和高效。
3.map映射函数
map映射函数:map()函数接收两个参数,一个是函数,一个是序列。map将传入的函数依次作用到序列的每个元素,并把结果作为新的列表返回。例如,map(函数, 序列)。
map() 是Python内置的一个高阶函数(higher-order function),它接受一个函数和一个或多个可迭代对象作为参数,并返回一个新的迭代器,该迭代器将函数应用到每个输入可迭代对象的对应元素上。map() 函数在内部迭代可迭代对象,并对每个元素执行提供的函数,然后返回结果的迭代器。
以下是 map() 函数的基本用法:
map(function, iterable, ...)
function:应用于每个元素的函数。
iterable:一个或多个可迭代对象,其中的元素将被作为 function 的参数。
下面是一些使用 map() 函数的例子:
# 定义一个函数,将列表中的每个元素平方
def square(x):
return x ** 2
# 使用 map() 函数将 square 应用到列表的每个元素上
numbers = [1, 2, 3, 4, 5]
squared_numbers = map(square, numbers)
# 注意:map() 返回一个迭代器,如果要打印结果,需要转换为列表或其他可迭代对象
print(list(squared_numbers)) # 输出: [1, 4, 9, 16, 25]
# map() 也可以接受多个可迭代对象,并将函数应用于它们的对应元素
def add(x, y):
return x + y
# 使用 map() 将 add 应用到两个列表的对应元素上
a = [1, 2, 3]
b = [4, 5, 6]
sums = map(add, a, b)
print(list(sums)) # 输出: [5, 7, 9]
在上面的例子中,map() 函数将 square 函数应用到 numbers 列表的每个元素上,并返回一个新的迭代器 squared_numbers。当我们需要看到结果时,将迭代器转换为列表。同样,map() 也可以将 add 函数应用到两个列表 a 和 b 的对应元素上。
需要注意的是,map() 返回的是一个迭代器,如果你需要多次访问结果或者在一个不支持迭代器的上下文中使用结果(例如,在 print() 函数中直接打印),你需要将迭代器转换为列表或其他可迭代对象。这可以通过使用 list()、tuple() 或其他类似函数来实现。
4.filter过滤器
filter过滤器:filter()函数也接收一个函数和一个序列。和map()不同的是,filter()把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素。例如,filter(函数, 序列)。
filter() 是Python的一个内置函数,用于过滤序列,过滤掉不符合条件的元素,返回由符合条件元素组成的新列表。filter() 函数接受两个参数,一个是函数,一个是序列。序列的每个元素作为参数传递给函数进行判定,然后返回 True 或 False,最后将返回 True 的元素放到新列表中。
其基本用法如下所示:
filter(function, iterable)
function:用于测试每个元素是否满足条件的函数。
iterable:可迭代对象,如列表、元组或字符串。
下面是一些使用 filter() 函数的例子:
# 定义一个函数,判断一个数是否为偶数
def is_even(n):
return n % 2 == 0
# 使用 filter() 函数过滤出列表中的偶数
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
even_numbers = filter(is_even, numbers)
# 将 filter 对象转换为列表以打印结果
print(list(even_numbers)) # 输出: [2, 4, 6, 8, 10]
# filter() 也可以用于字符串,过滤出所有大写字母
def is_uppercase(c):
return c.isupper()
# 使用 filter() 函数过滤出字符串中的大写字母
text = "Hello, World!"
uppercase_letters = filter(is_uppercase, text)
# 将 filter 对象转换为列表以打印结果
print(list(uppercase_letters)) # 输出: ['H', 'W']
在上面的例子中,filter() 函数将 is_even 函数应用到 numbers 列表的每个元素上,并返回一个新的迭代器 even_numbers,该迭代器包含所有使 is_even 返回 True 的元素。同样,filter() 也被用于过滤出字符串中的所有大写字母。
需要注意的是,filter() 返回的是一个迭代器,如果你需要多次访问结果或者在一个不支持迭代器的上下文中使用结果(例如,在 print() 函数中直接打印),你需要将迭代器转换为列表或其他可迭代对象。这可以通过使用 list()、Tuple() 或其他类似函数来实现。
5.reduce累积
reduce累积:reduce()函数会对参数序列中元素进行累积。函数将一个数据集合(链表,元组等)中的所有数据进行下列操作:用传给reduce中的函数 func(有两个参数)先对集合中的第 1、2 个元素进行操作,得到的结果再与第三个数据用func函数运算,以此类推,最后得到一个结果。例如,reduce(函数, 序列)。
在Python中,reduce() 函数是 functools 模块的一部分,用于对参数序列中元素进行累积。reduce() 函数会对参数序列中元素进行下列操作:对参数序列中元素进行下列操作:用传给 reduce() 中的函数 func(有两个参数)先对集合中的第 1、2 个元素进行操作,得到的结果再与第三个数据用 func 函数运算,以此类推,最后得到一个结果。
下面是一个使用 reduce() 进行累积操作的例子:
from functools import reduce
# 定义一个函数,用于将两个数相加
def add(x, y):
return x + y
# 定义一个数字列表
numbers = [1, 2, 3, 4, 5]
# 使用 reduce 对列表中的数字进行累积相加
sum_of_numbers = reduce(add, numbers)
print(sum_of_numbers) # 输出: 15
在这个例子中,reduce(add, numbers) 会执行以下操作:
add(1, 2) -> 3
add(3, 3) -> 6
add(6, 4) -> 10
add(10, 5) -> 15
最终,reduce() 函数返回累积相加的结果15。
需要注意的是,在Python3 中,reduce() 不再是内置函数,而是位于 functools 模块中,因此你需要导入这个模块才能使用它。在Python2中,reduce() 是一个内置函数。
6.lambda匿名函数
lambda匿名函数:lambda函数是一种小型匿名函数,可以接受任何数量的参数,但只能有一个表达式。lambda函数的语法是lambda 参数: 表达式。
在Python中,lambda 是一个关键字,用于定义匿名函数(也称为一行函数或内联函数)。匿名函数是指那些没有名字的函数,它们通常用于需要一个函数作为参数传递给另一个函数的情况,或者用于定义一些简单的、一次性的函数。
lambda 表达式可以包含任意数量的参数,但只能有一个表达式。这个表达式就是该匿名函数的返回值。
下面是一个 lambda 函数的基本语法:
lambda arguments: expression
这里 arguments 是函数的参数,用逗号分隔,而 expression 是返回值的表达式。
如下所示,是一些lambda函数的例子:
# 一个简单的加法函数
add = lambda x, y: x + y
print(add(3, 4)) # 输出: 7
# 判断一个数是否为偶数
is_even = lambda x: x % 2 == 0
print(is_even(4)) # 输出: True
print(is_even(5)) # 输出: False
# 过滤列表中的偶数
numbers = [1, 2, 3, 4, 5, 6]
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers) # 输出: [2, 4, 6]
# 排序字符串列表,按字符串长度
words = ['apple', 'banana', 'cherry', 'date']
sorted_words = sorted(words, key=lambda word: len(word))
print(sorted_words) # 输出: ['date', 'apple', 'cherry', 'banana']
lambda函数在Python编程中非常有用,特别是在需要简短函数的地方,如 map(), filter(), 和 sorted() 等函数的参数中。它们提供了一种简洁的方式来定义和传递函数。然而,对于更复杂的功能,通常建议定义一个具名函数,因为它更易于阅读和维护。
总的来说,这六种工具在Python编程中被广泛应用,能够大大提高编程效率和代码质量。
关于Python技能储备!
如果你是准备学习Python或者正在学习(想通过Python兼职),下面这些你应该能用得上:
【点击这里】领取!
包括:激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python!
① Python所有方向的学习路线图
,清楚各个方向要学什么东西
② 100多节Python课程视频
,涵盖必备基础、爬虫和数据分析
③ 100多个Python实战案例
,学习不再是只会理论
④ 华为出品独家Python漫画教程
,手机也能学习
⑤ 历年互联网企业Python面试真题
,复习时非常方便****
以上就是本次分享的全部内容。我们下期见~
End
原文地址:https://blog.csdn.net/2301_78217634/article/details/142984367
免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!