掌握这些Python的高级用法，让代码更可读、运行更高效！
掌握这些Python的高级用法，让代码更可读、运行更高效！
👆点击“博文视点Broadview”，获取更多书讯
Python是世界上最流行的编程语言（TIOBE Index for April 2022），它易于上手且多才多艺，除了用于神经网络的构建外, 还能用来创建Web应用、桌面应用、游戏和运维脚本等多种多样的程序。
Python语言语法简洁，易于上手, 但当你深入研究时, 会发现Python有很多高级用法，这些高级用法可以大幅度提高代码的可读性和运行效率。
此外, Python包含了海量的高质量第三方库, 许多重要的库已经成为Python开发不可或缺的内容。
《高阶Python：代码精进之路》一书可以帮你掌握Python语言的高级特性，以及Python科学计算基石——numpy的使用方法（numpy的API设计非常优秀，深度学习框架TensorFlow、PyTorch都使用了numpy相似的API，并且可以和numpy混用）。
下面介绍几个Python的高级用法。
01
索引和切片
Python列表的索引和切片是非常强大的功能, 它们可以让你在Python中获取列表中的任意元素。除了支持常见的正索引外, Python还支持负索引和切片。
正索引
a_list = [100, 200, 300, 400, 500, 600] print(a_list[0]) # 输出 100. print(a_list[1]) # 输出 200. print(a_list[2]) # 输出 300.负索引
a_list = [100, 200, 300, 400, 500, 600] print(a_list[-1]) # 输出 600. print(a_list[-3]) # 输出 400.切片
以下是列表切片的一些示例：
a_list = [1, 2, 5, 10, 20, 30]
b_list = a_list[1:3] # 生成 [2, 5] c_list = a_list[4:] # 生成 [20, 30] d_list = a_list[-4:-1] # 生成 [5, 10, 20] e_list = a_list[-1:] # 生成 [30]02
字符串对齐
字符串格式化在命令行工具开发中非常重要, str类包含基础的，用于文本对齐的方法：左对齐，右对齐或居中对齐。
str.ljust(width [, fillchar]) # 左对齐str.rjust(width [, fillchar]) # 右对齐 str.center(width [, fillchar]) # 中间对齐 digit_str.zfill(width) # 用“0”填充下面是一些例子：
new_str = 'Help!'.center(10, '#') print(new_str)该例的输出为：
##Help!###new_str = '750'.rjust(6, '0') print(new_str)此例的输出为：
000750上例只是一个简单的字符串格式化样例，《高阶Python：代码精进之路》一书中还介绍了许多更复杂的格式化方法。
03
列表推导式&字典推导式
Python 2.0版本引入的最重要的功能之一就是列表推导式。它提供了一种从列表中生成一系列值的紧凑语法。它也可以应用于字典，集合（set）和其他类型的集合。
假设你要创建一个包含a_list中每个元素的平方的新列表，一种可能的实现方式如下：
b_list = [ ] for i in a_list: b_list.append(i * i)如果a_list包含元素[1，2，3]，则这些语句的结果是创建一个包含[1，4，9]的新列表，并将此列表分配给变量b_list。在这种情况下，相应的列表推导式如下所示：
b_list = [i * i for i in a_list]假设想讲一个元组列表转换为字典,元组列表如下:
vals_list = [ ('pi', 3.14), ('phi', 1.618) ]字典可以用下面的代码生成：
my_dict = { i[0]: i[1] for i in vals_list }注意在键值表达式（i[0]：i[1]）中冒号(:)的使用。
04
可变长参数列表
Python最通用的功能之一就是能够访问可变长度参数的列表。借助此功能，你的函数可以处理任意数量的参数，就像内置的print函数一样。可变长参数的特性也可以扩展到命名参数。
def func_name([ordinary_args,] *args): statements这里的中括号表示*args前面可以有任意数量的普通参数，在此表示为ordinary_args。此类参数是可选的。下面是示例代码：
def my_var_func(*args): print('The number of args is', len(args)) for item in args: print(items)此函数my_var_func可接受任意长度的参数列表。
>>> my_var_func(10, 20, 30, 40) The number of args is 4 10 20 30 40可变长参数列表还支持关键字参数,如下所示：
def pr_named_vals(**kwargs): for k in kwargs: print(k, ':', kwargs[k])上面的函数遍历了kwargs表示的字典参数，打印出传入参数的键（对应于参数名称）和对应的值。
For example: >>> pr_named_vals(a=10, b=20, c=30) a : 10 b : 20 c : 30args 和 kwargs可以组合使用,下面是一个例子。
def pr_vals_2(*args, **kwargs): for i in args: print(i) for k in kwargs: print(k, ':', kwargs[k])
pr_vals_2(1, 2, 3, -4, a=100, b=200)运行时，此程序将打印以下内容：
1 2 3 -4 a : 100 b : 20005
使用numpy进行线性代数运算
线性代数运算在深度学习中非常重要，numpy库为Python提供了高效的线性代数运算模块。
numpy的线性代数模块非常完备，以计算点积为例进行介绍。
使用numpy时，可以使用点积函数dot计算点积。
numpy.dot(A, B, out=None)A和B是要进行点积运算的两个数组；out参数（如果已指定）是用于存储结果的正确形状的数组，“正确形状”取决于A和B的形状。
两个一维数组的点积很简单。数组的长度必须相同。点积计算是将A中的每个元素与其B中的对应元素相乘，然后对这些乘积求和，得出一个标量值。
D. P. = A[0]*B[0] + A[1]*B[1] + ... + A[N-1] * B[N-1]例子：
import numpy as np A = np.ones(5) B = np.arange(5) print(A, B) [1. 1. 1. 1. 1.] [0 1 2 3 4] np.dot(A, A) 5.0 np.dot(A, B) 10.0 np.dot(B, B) 30二维矩阵之间的点积比较复杂。与数组之间的普通乘法一样，两个数组的形状必须兼容，但这只需要在其中一个维度上相等即可。 下面是描述点积应用到二维数组通用模式：
(A, B) * (B, C) => (A, C)思考下面的2×3数组，再结合一个3×2数组，其点积是2×2数组。
A = np.arange(6).reshape(2,3) B = np.arange(6).reshape(3,2) C = np.dot(A, B) print(A, B, sep='\n\n') print('\nDot product:\n', C)[[0 1 2] [3 4 5]]
[[0 1] [2 3] [4 5]]
Dot product: [[10 13] [28 40]]以上内容节选自《高阶Python：代码精进之路》一书，欢迎阅读本书学习更多Python的高级技巧。
▊《高阶Python：代码精进之路》
[美] Brian，Overland（布赖恩・欧弗兰），John，Bennett（约翰・班纳特） 著
李辉 译
- 本书开发了一个“RPN脚本解释器”项目，该项目贯穿本书的各个章节，通过对该项目的学习，你也可以开发出自己的“语言”
本书详细地介绍了Python语言的一些高级功能以及常见数据类型的高级用法，非常适合有一定基础的读者深入学习Python编程。本书的主要内容包括常见内置类型（数值、字符串和集合等）的高级用法和潜在的陷阱，用于文本处理的格式化方法和正则表达式，用于数值计算和大规模数据处理的math包和numpy包等。此外，文件存储、随机数生成和图表绘制也是本书的重要内容。
（扫码查看本书详情！）
如果喜欢本文欢迎 在看丨留言丨分享至朋友圈 三连
热文推荐
书单 | 这几本技术类新书，看完要登峰造极了！
沪指失守3000点，我劝你要戒掉恐惧
助力提升研发效能的“黄金三角”
一文掌握 Docker 技术体系
▼点击阅读原文，了解本书详情~