原創：機器之心(ID：almosthuman2014)
任何程式設計語言的進階特征通常都是通過大量的使用經驗才發現的。比如你在編寫一個複雜的項目，并在 stackoverflow 上尋找某個問題的答案。然後你突然發現了一個非常優雅的解決方案，它使用了你從不知道的 Python 功能！
這種學習方式太有趣了：通過探索，偶然發現什麼。
下面是 Python 的 5 種進階特征，以及它們的用法。
Lambda 函數
Lambda 函數是一種比較小的匿名函數——匿名是指它實際上沒有函數名。
Python 函數通常使用 def a_function_name() 樣式來定義，但對于 lambda 函數，我們根本沒為它命名。這是因為 lambda 函數的功能是執行某種簡單的表達式或運算，而無需完全定義函數。
lambda 函數可以使用任意數量的參數，但表達式隻能有一個。
x = lambda a, b : a * bprint(x(5, 6)) # prints 30x = lambda a : a*3 + 3print(x(3)) # prints 12
看它多麼簡單！我們執行了一些簡單的數學運算，而無需定義整個函數。這是 Python 的衆多特征之一，這些特征使它成為一種幹淨、簡單的程式設計語言。
Map 函數
Map() 是一種内置的 Python 函數，它可以将函數應用于各種資料結構中的元素，如清單或字典。對于這種運算來說，這是一種非常幹淨而且可讀的執行方式。
def square_it_func(a): return a * ax = map(square_it_func, [1, 4, 7])print(x) # prints [1, 16, 47]def multiplier_func(a, b): return a * bx = map(multiplier_func, [1, 4, 7], [2, 5, 8])print(x) # prints [2, 20, 56] 看看上面的示例！我們可以将函數應用于單個或多個清單。實際上，你可以使用任何 Python 函數作為 map 函數的輸入，隻要它與你正在操作的序列元素是相容的。
Filter 函數
filter 内置函數與 map 函數非常相似，它也将函數應用于序列結構(清單、元組、字典)。二者的關鍵差別在于 filter() 将隻傳回應用函數傳回 True 的元素。
詳情請看如下示例：
# Our numbersnumbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]# Function that filters out all numbers which are odddef filter_odd_numbers(num): if num % 2 == 0: return True else: return Falsefiltered_numbers = filter(filter_odd_numbers, numbers)print(filtered_numbers)# filtered_numbers = [2, 4, 6, 8, 10, 12, 14]
我們不僅評估了每個清單元素的 True 或 False，filter() 函數還確定隻傳回比對為 True 的元素。非常便于處理檢查表達式和建構傳回清單這兩步。
Itertools 子產品
Python 的 Itertools 子產品是處理疊代器的工具集合。疊代器是一種可以在 for 循環語句(包括清單、元組和字典)中使用的資料類型。
使用 Itertools 子產品中的函數讓你可以執行很多疊代器操作，這些操作通常需要多行函數和複雜的清單了解。關于 Itertools 的神奇之處，請看以下示例：
from itertools import *# Easy joining of two lists into a list of tuplesfor i in izip([1, 2, 3], [ a , b , c ]): print i# ( a , 1)# ( b , 2)# ( c , 3)# The count() function returns an interator that # produces consecutive integers, forever. This # one is great for adding indices next to your list # elements for readability and conveniencefor i in izip(count(1), [ Bob , Emily , Joe ]): print i# (1, Bob )# (2, Emily )# (3, Joe ) # The dropwhile() function returns an iterator that returns # all the elements of the input which come after a certain # condition becomes false for the first time. def check_for_drop(x): print Checking: , x return (x > 5)for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]): print Result: , i# Checking: 2# Checking: 4# Result: 6# Result: 8# Result: 10# Result: 12# The groupby() function is great for retrieving bunches# of iterator elements which are the same or have similar # propertiesa = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5])for key, value in groupby(a): print(key, value), end= )# (1, [1, 1, 1])# (2, [2, 2, 2]) # (3, [3, 3]) # (4, [4]) # (5, [5])
Generator 函數
Generator 函數是一個類似疊代器的函數，即它也可以用在 for 循環語句中。這大大簡化了你的代碼，而且相比簡單的 for 循環，它節省了很多記憶體。
比如，我們想把 1 到 1000 的所有數字相加，以下代碼塊的第一部分向你展示了如何使用 for 循環來進行這一計算。
如果清單很小，比如 1000 行，計算所需的記憶體還行。但如果清單巨長，比如十億浮點數，這樣做就會出現問題了。使用這種 for 循環，記憶體中将出現大量清單，但不是每個人都有無限的 RAM 來存儲這麼多東西的。Python 中的 range() 函數也是這麼幹的，它在記憶體中建構清單。
代碼中第二部分展示了使用 Python generator 函數對數字清單求和。generator 函數建立元素，并隻在必要時将其存儲在記憶體中，即一次一個。這意味着，如果你要建立十億浮點數，你隻能一次一個地把它們存儲在記憶體中！Python 2.x 中的 xrange() 函數就是使用 generator 來建構清單。
上述例子說明：如果你想為一個很大的範圍生成清單，那麼就需要使用 generator 函數。如果你的記憶體有限，比如使用移動裝置或邊緣計算，使用這一方法尤其重要。
也就是說，如果你想對清單進行多次疊代，并且它足夠小，可以放進記憶體，那最好使用 for 循環或 Python 2.x 中的 range 函數。因為 generator 函數和 xrange 函數将會在你每次通路它們時生成新的清單值，而 Python 2.x range 函數是靜态的清單，而且整數已經置于記憶體中，以便快速通路。
# (1) Using a for loopvnumbers = list()for i in range(1000): numbers.append(i+1)total = sum(numbers)# (2) Using a generator def generate_numbers(n): num, numbers = 1, [] while num < n: numbers.append(num) num += 1 return numbers total = sum(generate_numbers(1000)) # (3) range() vs xrange() total = sum(range(1000 + 1)) total = sum(xrange(1000 + 1))
原文連結：https://towardsdatascience.com/5-advanced-features-of-python-and-how-to-use-them-73bffa373c84
最後，我自己是一名從事了多年開發的Python老程式員，辭職目前在做自己的Python私人定制課程，今年年初我花了一個月整理了一份最适合2019年學習的Python學習幹貨，可以送給每一位喜歡Python的小夥伴，想要擷取的可以關注我的頭條号并在背景私信我：01，即可免費擷取。