鲜为人知的 Python 语法
编译: Python 开发者 - 伯乐在线读者 ,英文:medium
http://python.jobbole.com/89252/
所有人(好吧,不是所有人)都知道 python 是一门用途广泛、易读、而且容易入门的编程语言。
但同时 python 语法也允许我们做一些很奇怪的事情。
使用 lambda 表达式重写多行函数
众所周知 python 的 lambda 表达式不支持多行代码。但是可以模拟出多行代码的效果。
def f():
x = 'string'
if x.endswith('g'):
x = x[:-1]
r = ''
for i in xrange(len(x)):
if x[i] != 'i':
r += x[i]
return r
f()
-> 'strn'
虽然看起来很奇怪,但是上面的函数可以使用下面的 lambda 表达式函数代替:
(lambda: ([x for x in ['string']], x.endswith('g') and [x for x in [x[:-1]]], [r for r in ['']], [x[i] != 'i' and [r for r in [r+x[i]]] for i in xrange(len(x))], r)[-1])()
-> 'strn'
永远不要在生产环境写这样的代码 :)
三元运算符
现代的 python 提供了更简便的语法:
b if a else c
也可以通过下面的方式重写:
(a and [b] or [c])[0]
(b, c)[not a]
顺便说一下,下面的变体是错误的:
a and b or c
True and [] or [1] -> [1], but: [] if True else [1] -> []
通过列表推导式移除重复的元素
让我们来把字符串 x = 'tteesstt' 转换成 'test' 吧。
1.在原字符串中和上一个字符比较:
''.join(['' if i and j == x[i-1] else j for i,j in enumerate(x)]
2.把前一个字符保存到临时变量中:
''.join([('' if i == a else i, [a for a in [i]])[0] for a in [''] for i in x])
''.join([('' if i == a.pop() else i, a.append(i))[0] for a in [['']] for i in x])
3.在新字符串中和上一个字符比较:
[(not r.endswith(i) and [r for r in [r+i]], r)[-1] for r in [''] for i in x][-1]
4.通过 reduce 函数和 lambda 表达式:
reduce(lambda a, b: a if a.endswith(b) else a + b, x)
通过列表推导式获得斐波拉契数列
1.把中间值保存在列表中
[(lambda: (l[-1], l.append(l[-1] + l[-2]))[0])() for l in [[1, 1]] for x in xrange(19)]
[(l[-1], l.append(l[-1] + l[-2]))[0] for l in [[1, 1]] for x in xrange(19)]
2.把中间值保存到字典中:
[i for x in [(lambda: (l['a'], l.update({'a': l['a'] + l['b']}), l['b'], l.update({'b': l['a'] + l['b']}))[::2])() for l in [{'a': 1, 'b': 1}] for x in xrange(10)] for i in x]
[i for x in [(l['a'], l.update({'a': l['a'] + l['b']}), l['b'], l.update({'b': l['a'] + l['b']}))[::2] for l in [{'a': 1, 'b': 1}] for x in xrange(10)] for i in x]
3.通过 reduce 函数和 lambda 表达式:
reduce(lambda a, b: a + [a[-1] + a[-2]], xrange(10), [1, 1])
reduce(lambda a, b: a.append(a[-1] + a[-2]) or a, xrange(10), [1, 1])
4.速度最快的变体:
[l.append(l[-1] + l[-2]) or l for l in [[1, 1]] for x in xrange(10)][0]
使用列表推导式产生死循环
[a.append(b) for a in [[None]] for b in a]
列表切片技巧
1.复制列表:
l = [1, 2, 3]
m = l[:]
m
-> [1, 2, 3]
2.移除/替换 列表中的任意元素:
l = [1, 2, 3]
l[1:-1] = [4, 5, 6, 7]
l
-> [1, 4, 5, 6, 7, 3]
3.在列表的开头添加元素:
l = [1, 2, 3]
l[:0] = [4, 5, 6]
l
-> [4, 5, 6, 1, 2, 3]
4.在列表的尾部添加元素:
l = [1, 2, 3]
l[-1:] = [l[-1], 4, 5, 6]
l
-> [1, 2, 3, 4, 5, 6]
5.反转列表:
l = [1, 2, 3]
l[:] = l[::-1]
替换方法字节码
Python 阻止替换类实例中的方法,因为 python 给类实例中的方法赋予了只读属性:
class A(object):
def x(self):
print "hello"
a = A()
def y(self):
print "world"
a.x.im_func = y
-> TypeError: readonly attribute
但是可以在字节码的层面上进行替换:
a.x.im_func.func_code = y.func_code
a.x()
-> 'world'
注意! 这不仅对当前的实例有影响,而且对整个类都有影响(准确的说是与这个类绑定的函数)(译者注:此处应该是笔误,推测作者原意是:准确的说是与这个函数绑定的所有类),并且所有其他的实例也会受到影响:
new_a = A()
new_a.x()
-> 'world'
让可变元素作为函数参数默认值
把可变对象作为函数参数的默认值是非常危险的一件事,并且在面试中有大量关于这方面棘手的面试问题。但这一点对于缓存机制非常有帮助。
1.阶乘函数:
def f(n, c={}):
if n in c:
return c[n]
if (n < 2):
r = 1
else:
r = n * f(n - 1)
c[n] = r
return r
f(10)
-> 3628800
f.func_defaults
({1: 1,
2: 2,
3: 6,
4: 24,
5: 120,
6: 720,
7: 5040,
8: 40320,
9: 362880,
10: 3628800},)
2.斐波拉契数列:
def fib(n, c={}):
if n in c:
return c[n]
if (n < 2):
r = 1
else:
r = fib(n - 2) + fib(n - 1)
c[n] = r
return r
fib(10)
-> 89
fib.func_defaults[0].values()
-> [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Java计算两个日期相差的月数
/** * 获取两个日期相差的月数 */ public static int getMonthDiff(Date d1, Date d2) { Calendar c1 = Calendar.getInstance(); Calendar c2 = Calendar.getInstance(); c1.setTime(d1); c2.setTime(d2); int year1 = c1.get(Calendar.YEAR); int year2 = c2.get(Calendar.YEAR); int month1 = c1.get(Calendar.MONTH); int month2 = c2.get(Calendar.MONTH); int day1 = c1.get(Calendar.DAY_OF_MONTH); int day2 = c2.get(Calendar.DAY_OF_MONTH); // 获取年的差值 int yearInterval = year1 - year2; // 如果 d1的 月-日 小于 d2的 月-日 那么 yearInterval-- 这样就得到...
- 下一篇
Java并发线程池到底设置多大?
前言 在我们日常业务开发过程中,或多或少都会用到并发的功能。那么在用到并发功能的过程中,就肯定会碰到下面这个问题并发线程池到底设置多大呢? 通常有点年纪的程序员或许都听说这样一个说法 (其中 N 代表 CPU 的个数)CPU 密集型应用,线程池大小设置为 N + 1IO 密集型应用,线程池大小设置为 2N 这个说法到底是不是正确的呢?其实这是极不正确的。那为什么呢?首先我们从反面来看,假设这个说法是成立的,那我们在一台服务器上部署多少个服务都无所谓了。因为线程池的大小只能服务器的核数有关,所以这个说法是不正确的。那具体应该怎么设置大小呢?假设这个应用是两者混合型的,其中任务即有 CPU 密集,也有 IO 密集型的,那么我们改怎么设置呢?是不是只能抛硬盘来决定呢?那么我们到底该怎么设置线程池大小呢?有没有一些具体实践方法来指导大家落地呢?让我们来深入地了解一下。Little's Law(利特尔法则) 一个系统请求数等于请求的到达率与平均每个单独请求花费的时间之乘积假设服务器单核的,对应业务需要保证请求量(QPS):10 ,真正处理一个请求需要 1 秒,那么服务器每个时刻都有 10 个请求...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- SpringBoot2整合Redis,开启缓存,提高访问速度
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS6,CentOS7官方镜像安装Oracle11G
- Linux系统CentOS6、CentOS7手动修改IP地址
- MySQL8.0.19开启GTID主从同步CentOS8
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- CentOS8安装Docker,最新的服务器搭配容器使用