NOTE:文章中的代码缩进不知道怎么搞，直接粘贴使用会报错
Python高级特征
- 切片
Slice
- 作用对象：list、truple
>>> L[0:3] #0为底，左闭右开，第一个索引是0时可以省略，等同于L[:3]
>>> L[-5:] #倒数切片，最后一个元素索引是-1
>>> L[::n] #每n个取一个，默认n为1
>>> L[:] #复制一个list
>>> (0, 1, 2, 3, 4, 5)[:3]
(0,1,2) #tuple切片的结果仍然是tuple
>>> 'ABCDEFG'[:3]
'ABC' #字符串可以看成是list，但是切片结果仍然是字符串
- 迭代
Iteration
遍历可迭代对象就是迭代。是否是可迭代对象通过一下来判断：
>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False
迭代通过for ... in来实现
- 列表生成式(List Comprehensions)
常用的几张列表生成式如下
>>> list(range(1, 11))
>>> [x * x for x in range(1, 11)] # 可以计算
>>> [x * x for x in range(1, 11) if x % 2 == 0] #可以有if条件判断
>>> [m + n for m in 'ABC' for n in 'XYZ'] # 可以使用两层循环，生成全排列
>>> [s.lower() for s in L] #可以使用函数
对于dict类型，可以同时使用两个变量（也支持多个变量）
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
- 生成器(generator)
一边循环一边计算的机制，就是生成器(generator),生成器是可迭代对象，所以通常用for来调用generator
创建方法：
- 将列表生成器的
[]换为()即可
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
- 函数定义中包含
yield关键字，这个函数就不是普通函数，而是一个generator
函数返回的是直接结果，generator返回的是generator对象
其他具体的暂略
- 迭代器
- 凡是可作用于
for循环的对象都是Iterable类型- 凡是可作用于
next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列- 集合数据类型如
list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。- Python的
for循环本质上就是通过不断调用next()函数实现的
函数式编程
- 函数是Python内建支持的一种封装，我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。
- 函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！
- Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。
高阶函数
一个函数就可以接收另一个函数作为参数，这种函数就称之为 高阶函数
- 变量可以指向函数
- 函数名也是变量
- 传入函数
编写高阶函数，就是让函数的参数能够接收别的函数。
- map/reduce
map()
map()函数接收两个参数，一个是函数，一个是Iterable，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Iterator返回。
reduce()
reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算
reduce()通常与map()配合使用，单独使用不多
- filter
- 和
map()类似，filter()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。filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。
3.sorted
- 普通排序
>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]
- 使用
key函数实现自定义排序
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
- 字符串排序
默认情况下，是按照ASCII的大小比较的 - 反向排序
只需传入第三个参数reverse=True即可
返回函数
- 一个函数可以返回一个计算结果，也可以返回一个函数。
- 返回一个函数时，牢记该函数并未执行，返回函数中不要引用任何可能会变化的变量。
先就这些，其他不懂的回头用到再 回头看
匿名函数
关键字
lambda表示匿名函数，
如：匿名函数lambda x: x * x中冒号前面的x表示函数参数，冒号后面的x*x是函数表达式
- 匿名函数有个限制，就是只能有一个表达式，不用写
return，返回值就是该表达式的结果。- 把匿名函数赋值给一个变量，再利用变量来调用该函数
f = lambda x: x * x- 也可以把匿名函数作为返回值返回
def build(x, y):
return lambda: x * x + y * y
- Python对匿名函数的支持有限，只有一些简单的情况下可以使用匿名函数。
装饰器(Decorator)
- 在代码运行期间动态增加功能的方式，称之为“装饰器”(Decorator)
- 本质上,decorator就是一个返回函数的高阶函数
这一节好难啊，看不懂，回头再搞
其他的参考学习地址:
one
two
偏函数(Partial function)
Python的
functools模块提供了很多有用的功能，其中一个就是偏函数(Partial function)
使用场景：
当函数的参数个数太多，需要简化时，使用
functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。
模块(Module)
在Python中，一个.py文件就称之为一个模块（Module）
使用模块的好处是：
- 提高了代码的可维护性
- 编写代码不必从零开始
- 可以避免函数名和变量名冲突
- 为了避免不同人编写的模块名冲突，引入了按目录来组织模块的方法，成为包(Package)
- 每个包目录下必须有一个
__init__.py文件，否则Python会当成普通目录，__init__.py可以为空也可以不为空 - 使用模块是通过
import sys(模块名)来使用导入模块 - 作用域
- 正常的函数和变量名是公开的（public）
- 类似
_xxx和__xxx这样的函数或变量就是非公开的（private）- 外部不需要引用的函数全部定义成private，只有外部需要引用的函数才定义为public
- 安装第三方模块
pip install 模块名
