目录
一、推导式：
Python 推导式是一种非常强大且简洁的构建数据结构的方法，它允许你使用一行代码来创建列表、字典、集合和生成器。推导式不仅代码量少，而且执行效率高，是 Python 编程中常用的特性之一。
（1）列表推导式
列表推导式用于创建列表，格式为：
[expression for item in iterable if condition]expression是对每个元素进行的操作。item是从iterable中依次取出的元素。iterable是一个序列。condition是一个可选的条件表达式。
示例代码：
# 创建一个包含0到9的列表，每个元素加3
numbers = [x + 3 for x in range(10)]
print(numbers) # 输出: [3, 4, 5, 6, 7, 8, 9, 10, 11, 12]（2）字典推导式：
字典推导式用于创建字典，格式为：
{key_expression: value_expression for item in iterable if condition}key_expression和value_expression分别是字典的键和值。item是从iterable中依次取出的元素。
示例代码：
# 创建一个字典，键是数字，值是数字的平方
squares = {x: x**2 for x in range(6)}
print(squares) # 输出: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25}（3）集合推导式：
集合推导式用于创建集合，格式为：
{expression for item in iterable if condition}expression是对每个元素进行的操作。item是从iterable中依次取出的元素。
示例代码：
# 创建一个集合，包含0到9的数字
numbers_set = {x for x in range(10)}
print(numbers_set) # 输出: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}（4）生成器表达式：
生成器表达式用于创建生成器，格式为：
(expression for item in iterable if condition)expression是对每个元素进行的操作。item是从iterable中依次取出的元素。
示例代码：
# 创建一个生成器，生成0到9的数字
numbers_gen = (x for x in range(10))
print(list(numbers_gen)) # 输出: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]（5）总结：
推导式是 Python 中一种非常有用的语法结构，它允许以一种简洁和高效的方式创建和操作数据结构。列表、字典、集合和生成器推导式各有其用途，可以根据需要选择使用。使用推导式时，应注意保持代码的可读性，避免过度复杂的表达式。
二、 迭代器和生成器：
Python 中的迭代器和生成器是处理数据集合的强大工具，它们提供了一种高效的方式来访问和生成数据序列。
（1）迭代器（Iterator）：
- 迭代器是一个实现了迭代器协议的对象，即含有
__iter__()和__next__()方法的对象。迭代器从集合的第一个元素开始访问，直到所有元素被访问完毕。迭代器只能向前移动，不能后退。
（2）迭代器的创建：
- 通过内置的
iter()函数，可以将列表、元组、字典等可迭代对象转换成迭代器。 - 自定义类实现
__iter__()和__next__()方法，使其成为迭代器。
（3）示例代码：
class MyIterator:
def __init__(self, data):
self.data = data
self.index = 0
def __iter__(self):
return self
def __next__(self):
if self.index < len(self.data):
value = self.data[self.index]
self.index += 1
return value
else:
raise StopIteration
# 使用自定义迭代器
my_data = [1, 2, 3, 4, 5]
my_iter = MyIterator(my_data)
for value in my_iter:
print(value)（4）生成器（Generator）：
- 生成器是一种特殊的迭代器，它通过使用
yield语句来产生值。生成器允许你定义一个函数，该函数的行为类似于迭代器，但更加简洁和高效。
（5）生成器的优势：
- 节省内存：生成器在每次迭代时只产生一个值，而不是一次性生成整个数据集合。
- 易于编写：使用
yield语句可以轻松创建生成器。
（6）示例代码：
def my_generator():
for i in range(5):
yield i
# 使用生成器
gen = my_generator()
for value in gen:
print(value)（7）生成器表达式：
- 生成器表达式是列表推导式的一个变体，它使用圆括号而不是方括号，并返回一个生成器。
（8）示例代码：
# 生成器表达式
gen_expr = (x * 2 for x in range(5))
for value in gen_expr:
print(value)（9）总结：
- 迭代器和生成器是 Python 中处理序列数据的强大工具。迭代器提供了一种标准的方式来访问集合中的元素，而生成器则允许你以一种高效和内存友好的方式产生数据序列。生成器表达式进一步简化了生成器的创建过程，使得生成数据序列更加简洁。
三、 函数：
在Python中，函数是执行特定任务的代码块。你可以定义自己的函数，也可以使用Python提供的内建函数。下面将详细介绍Python函数的各个方面。
（1）定义函数：
- 在Python中，定义函数使用
def关键字，后跟函数名、括号（可能包含参数）和冒号。函数体必须缩进。
（2）基本语法：
def 函数名（参数列表）:
函数体
return [表达式]（3）示例代码：
def greet(name):
return f"Hello, {name}!"
print(greet("Alice")) # 输出: Hello, Alice!（4）参数：
函数参数允许你向函数传递数据。
- 必需参数：调用函数时必须提供的参数。
- 关键字参数：调用时可以按任意顺序提供，只要指定了参数名。
- 默认参数：在定义函数时指定默认值，如果调用时未提供，则使用默认值。
- 不定长参数：允许你传递任意数量的参数。
（5）示例代码：
def power(base, exponent=2):
return base ** exponent
print(power(3, 3)) # 输出: 27
print(power(3)) # 输出: 9，使用默认指数2（6）不定长参数：
使用星号(*)定义不定长参数。
*args：接收多个位置参数，作为元组。**kwargs：接收多个关键字参数，作为字典。
（7）示例代码：
def make_points(x, y, **kwargs):
print("x =", x)
print("y =", y)
for key, value in kwargs.items():
print(f"{key} = {value}")
make_points(1, 7, shape='circle', size=5)（8）匿名函数（Lambda函数）：
使用lambda关键字创建匿名函数，通常用于短暂的、不需要复用的小函数。
语法：
lambda 参数列表: 表达式参数：可以是一个或多个，多个参数间用逗号分隔。表达式：必须是一个表达式，不能包含语句。
特点：
- 匿名性：
lambda函数没有名称。 - 简洁性：适用于简单的函数定义，通常只有一行。
- 使用场景：常用于函数参数传递，如
map()、filter()、reduce()等。
示例代码：
sum = lambda x, y: x + y
print(sum(5, 3)) # 输出: 8返回值：
- 使用
return语句从函数返回一个值。如果没有return语句，函数默认返回None。
示例代码：
def add(a, b):
return a + b
result = add(5, 8)
print(result) # 输出: 13（9）参数传递
Python函数参数传递方式：
- 不可变类型（如整数、字符串、元组）：按值传递。函数内修改参数不会影响原始数据。
- 可变类型（如列表、字典）：按引用传递。函数内修改参数会影响原始数据。
示例代码：
def modify_list(input_list):
input_list.append(3)
my_list = [1, 2]
modify_list(my_list)
print(my_list) # 输出: [1, 2, 3]
最低0.47元/天 解锁文章
扫一扫
1185
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
