本文主要介绍“Python语法示例分析”。在日常操作中，相信很多人对Python语法示例分析有所怀疑。边肖查阅了各种资料，整理出简单易用的操作方法，希望能帮你解答“Python语法例题解析”的疑惑！接下来，请和边肖一起学习！
1.列表索引的各种骚操作。
Python引入了负整数作为数组的索引，这绝对是一个可喜的举动。好好想想。在C/C中，如果想要数组的最后一个元素，就要先得到数组的长度，再减去一后再进行索引，严重影响思维的一致性。Python语言的成功，我个人认为，在众多因素中，列表操作的便捷性是不可忽视的。请参见：
a=[0，1，2，3，4，5]
a[2:4]
[2,3]
a[3:]
[3,4,5]
a[1:]
[1,2,3,4,5]
a[:]
[0,1,2,3,4,5]
a[:2]
[0,2,4]
a[1:2]
[1,3,5]
a[-1]
五
a[-2]
四
a[1:-1]
[1,2,3,4]
a[:-1]
[5,4,3,2,1,0]
一个
2
三
四
五
六
七
八
九
10
11
12
13
14
15
16
17
18
19
20
21如果你说你熟悉这些东西并且经常使用它们，那么你会对以下用法感到惊讶：
a=[0，1，2，3，4，5]
b=['a '，' b']
a[2:2]=b
a
[0，1，' a '，' b '，2，3，4，5]
a[3:6]=b
a
[0，1，' a '，' a '，' b '，4，5]
一个
2
三
四
五
六
七
82.函数
Lambda听起来很高，但实际上是一个匿名函数(了解js的同学一定很熟悉匿名函数)。匿名函数的应用场景是什么？这个函数只在定义了匿名函数的地方使用，其他地方不使用，所以没有必要给它起一个像汤姆、迪克、哈利这样的名字。下面是一个匿名求和函数。有两个输入参数，X和y，函数体为x y，省略return关键字。
lambdax，y:x y
函数at0x 000001 B2 de 5 BD 598
(lambdax，y:x y)(3，4)#因为匿名函数没有名字，所以用括号括起来。
一个
2
匿名函数一般不单独使用，而是与其他方法配合使用，为其他方法提供内置算法或判断条件。例如，当使用排序函数对多维数组或字典进行排序时，可以指定排序规则。
a=[{ '姓名' :'B '，'年龄' :50}，{ '姓名' :'A '，'年龄' :30}，{ '姓名' :'C '，'年龄' :40}]
已排序(a，key=lambdax3360x ['name']) #按名称排序
[{ '姓名' :'A '，'年龄' :30 '，{ '姓名' :'B '，'年龄' :5
0}, {'name': 'C', 'age': 40}]
>>> sorted(a, key=lambda x:x['age']) # 按年龄排序
[{'name': 'A', 'age': 30}, {'name': 'C', 'age': 40}, {'name': 'B', 'age': 50}]
1
2
3
4
5
再举一个数组元素求平方的例子，这次用map函数：
>>> a = [1,2,3] >>> for item in map(lambda x:x*x, a): print(item, end=', ') 1, 4, 9, 1 2 3 4 5
3. yield 以及生成器和迭代器
yield 这词儿，真不好翻译，翻词典也没用。我干脆就读作“一爱得”，算是外来词汇吧。要理解 yield，得先了解 generator（生成器）。要了解generator，得先知道 iterator（迭代器）。哈哈哈，绕晕了吧？算了，我还是说白话吧。
话说py2时代，range()返回的是list，但如果range(10000000)的话，会消耗大量内存资源，所以，py2又搞了一个xrange()来解决这个问题。py3则只保留了xrange()，但写作range()。xrange()返回的就是一个迭代器，它可以像list那样被遍历，但又不占用多少内存。generator（生成器）是一种特殊的迭代器，只能被遍历一次，遍历结束，就自动消失了。总之，不管是迭代器还是生成器，都是为了避免使用list，从而节省内存。那么，如何得到迭代器和生成器呢？
python内置了迭代函数 iter，用于生成迭代器，用法如下：
>>> a = [1,2,3] >>> a_iter = iter(a) >>> a_iter <list_iterator object at 0x000001B2DE434BA8> >>> for i in a_iter: print(i, end=', ') 1, 2, 3, 1 2 3 4 5 6 7 8
yield 则是用于构造生成器的。比如，我们要写一个函数，返回从0到某正整数的所有整数的平方，传统的代码写法是这样的：
>>> def get_square(n): result = list() for i in range(n): result.append(pow(i,2)) return result >>> print(get_square(5)) [0, 1, 4, 9, 16] 1 2 3 4 5 6 7 8
但是如果计算1亿以内的所有整数的平方，这个函数的内存开销会非常大，这是 yield 就可以大显身手了：
>>> def get_square(n): for i in range(n): yield(pow(i,2)) >>> a = get_square(5) >>> a <generator object get_square at 0x000001B2DE5CACF0> >>> for i in a: print(i, end=', ') 0, 1, 4, 9, 16, 1 2 3 4 5 6 7 8 9 10 11
如果再次遍历，则不会有输出了。
4. 装饰器
刚弄明白迭代器和生成器，这又来个装饰器，Python 咋这么多器呢？的确，Python 为我们提供了很多的武器，装饰器就是最有力的武器之一。装饰器很强大，我在这里尝试从需求的角度，用一个简单的例子，说明装饰器的使用方法和制造工艺。
假如我们需要定义很多个函数，在每个函数运行的时候要显示这个函数的运行时长，解决方案有很多。比如，可以在调用每个函数之前读一下时间戳，每个函数运行结束后再读一下时间戳，求差即可；也可以在每个函数体内的开始和结束位置上读时间戳，最后求差。不过，这两个方法，都没有使用装饰器那么简单、优雅。下面的例子，很好地展示了这一点。
>>> import time
>>> def timer(func):
def wrapper(*args,**kwds):
t0 = time.time()
func(*args,**kwds)
t1 = time.time()
print('耗时%0.3f'%(t1-t0,))
return wrapper
>>> @timer
def do_something(delay):
print('函数do_something开始')
time.sleep(delay)
print('函数do_something结束')
>>> do_something(3)
函数do_something开始
函数do_something结束
耗时3.077
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
timer() 是我们定义的装饰器函数，使用@把它附加在任何一个函数（比如do_something）定义之前，就等于把新定义的函数，当成了装饰器函数的输入参数。运行 do_something() 函数，可以理解为执行了timer(do_something) 。细节虽然复杂，不过这么理解不会偏差太大，且更易于把握装饰器的制造和使用。
5. 巧用断言assert
所谓断言，就是声明表达式的布尔值必须为真的判定，否则将触发 AssertionError 异常。严格来讲，assert是调试手段，不宜使用在生产环境中，但这不影响我们用断言来实现一些特定功能，比如，输入参数的格式、类型验证等。
>>> def i_want_to_sleep(delay):
assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
print('开始睡觉')
time.sleep(delay)
print('睡醒了')
>>> i_want_to_sleep(1.1)
开始睡觉
睡醒了
>>> i_want_to_sleep(2)
开始睡觉
睡醒了
>>> i_want_to_sleep('2')
Traceback (most recent call last):
File "<pyshell#247>", line 1, in <module>
i_want_to_sleep('2')
File "<pyshell#244>", line 2, in i_want_to_sleep
assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
AssertionError: 函数参数必须为整数或浮点数
到此，关于“Python语法举例分析”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/106528.html