Python⾼级⽤法总结
Python很棒，它有很多⾼级⽤法值得细细思索，学习使⽤。本⽂将根据⽇常使⽤，总结介绍Python的⼀组⾼级特性，包括：列表推导式、迭代器和⽣成器、装饰器。
列表推导（list comprehensions）
场景1：将⼀个三维列表中所有⼀维数据为a的元素合并，组成新的⼆维列表。
最简单的⽅法：新建列表，遍历原三维列表，判断⼀维数据是否为a，若为a，则将该元素append⾄新列表中。
缺点：代码太繁琐，对于Python⽽⾔，执⾏速度会变慢很多。
针对场景1，我们⾸先应该想到⽤列表解析式来解决处理，⼀⾏代码即可解决：
lista = [item for item in array if item[0] == 'a']
那么，何为列表解析式？
官⽅解释：列表解析式是Python内置的⾮常简单却强⼤的可以⽤来创建list的⽣成式。
强⼤具体如何体现？
可以看到，使⽤列表解析式的写法更加简短，除此之外，因为是Python内置的⽤法，底层使⽤C语⾔实现，相较于编写Python代码⽽⾔，运⾏速度更快。
场景2: 对于⼀个列表，既要遍历索引⼜要遍历元素。
这⾥可以使⽤Python内建函数enumerate，在循环中更好的获取获得索引。
array = ['I', 'love', 'Python']
for i, element in enumerate(array):
array[i] = '%d: %s' % (i, seq[i])
可以使⽤列表推导式对其进⾏重构：
def getitem(index, element):
return '%d: %s' % (index, element)
array = ['I', 'love', 'Python']
arrayIndex = [getitem(index, element) for index, element in enumerate(array)]
据说这种写法更加的Pythonic。
总结：如果要对现有的可迭代对象做⼀些处理，然后⽣成新的列表，使⽤列表推导式将是最便捷的⽅法。
迭代器和⽣成器
迭代器（Iterator）
这⾥的迭代可以指for循环，在Python中，对于像list，dict和⽂件等⽽⾔，都可以使⽤for循环，但是它们并不是迭代器，它们属于可迭代对象。
什么可迭代对象
最简单的解释：可以使⽤in...语句进⾏循环的对象，就是可迭代对象（Iterable），可以使⽤isinstance()⽅法进⾏判断。
from collections import Iterable
type = isinstance('python', Iterable)
print type
什么是迭代器
迭代器指的是可以使⽤next()⽅法来回调的对象，可以对可迭代对象使⽤iter()⽅法，将其转换为迭代器。
temp = iter([1, 2, 3])
print type(temp)python index函数
print next(temp)
此时temp就是⼀个迭代器。所以说，迭代器基于两个⽅法：
next：返回下⼀个项⽬
iter返回迭代器本⾝
可理解为可被next()函数调⽤并不断返回下⼀个值的对象就是迭代器，在定义⼀个装饰器时将需要同时定义这两个⽅法。
迭代器的优势
在构建迭代器时，不是将所有的元素⼀次性的加载，⽽是等调⽤next⽅法时返回元素，所以不需要考虑内存的问题。
迭代器应⽤场景
那么，具体在什么场景下可以使⽤迭代器呢？
数列的数据规模巨⼤
数列有规律，但是不能使⽤列表推导式描述。
⽣成器
⽣成器是⼀种⾼级迭代器，使得需要返回⼀系列元素的函数所需的代码更加的简单和⾼效（不像创建迭代器代码那般冗长）。
⽣成器函数
⽣成器函数基于yield指令，可以暂停⼀个函数并返回中间结果。当需要⼀个将返回⼀个序列或在循环中执⾏的函数时，就可以使⽤⽣成器，因为当这些元素被传递到另⼀个函数中进⾏后续处理时，⼀次返回⼀个元素可以有效的提升整体性能。
常见的应⽤场景是使⽤⽣成器的流数据缓冲区。
⽣成器表达式
⽣成式表达式是⼀种实现⽣成器的便捷⽅式，将列表推导式的中括号替换为圆括号。
和列表推导式的区别：列表⽣成式可以直接创建⼀个表，但是⽣成器表达式是⼀种边循环边计算，使得列表的元素可以在循环过程中⼀个个的推算出来，不需要创建完整的列表，从⽽节省了⼤量的空间。
g = (x * x for x in range(10))
总结：⽣成器是⼀种⾼级迭代器。⽣成器的优点是延迟计算，⼀次返回⼀个结果，这样⾮常适⽤于⼤数据量的计算。但是，使⽤⽣成器必须要注意的⼀点是：⽣成器只能遍历⼀次。
lambda表达式（匿名函数）
lambda表达式纯粹是为了编写简单函数⽽设计，起到了⼀个函数速写的作⽤，使得简单函数可以更加简洁的表⽰。
lambda和def的区别
lambda表达式可以省去定义函数的过程，让代码更加的简洁，适⽤于简单函数，编写处理更⼤业务的函数需要使⽤def定义。
lambda表达式常搭配map(), reduce(), filter()函数使⽤
map(): map函数接受两个参数，⼀个是函数，⼀个是序列，其中，函数可以接收⼀个或者多个参数。map将传⼊的函数依次作⽤于序列中的每个元素，将结果作为新的列表返回。
#将⼀个列表中的数字转换为字符串
map(str, [1,2,3,4,5,6])
reduce()：函数接收两个参数，⼀个是函数，另⼀个是序列，但是，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，其效果就是reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)。
filter()：该函数⽤于筛选，将传⼊的函数，依次作⽤于每个元素，然后根据函数的返回值是True还是False，决定是留下还是丢弃该元素。
装饰器
装饰器本质是⼀个Python函数，它可以让其它函数在没有任何代码变动的情况下增加额外功能。有了装饰器，我们可以抽离出⼤量和函数功能本⾝⽆关的雷同代码并继续重⽤。经常⽤于具有切⾯需求的场景：包括插⼊⽇志、性能测试、事务处理、缓存和权限校验等。
那么为什么要引⼊装饰器呢？
场景：计算⼀个函数的执⾏时间。
⼀种⽅法就是定义⼀个函数，⽤来专门计算函数的运⾏时间，然后运⾏时间计算完成之后再处理真正的业务代码，代码如下：
import time
def get_time(func):
startTime = time.time()
func()
endTime = time.time()
processTime = (endTime - startTime) * 1000
print "The function timing is %f ms" %processTime
def myfunc():
print "start func"
time.sleep(0.8)
print "end func"
get_time(myfunc)
myfunc()
但是这段代码的逻辑破坏了原有的代码逻辑，就是对所有func函数的调⽤都需要使⽤get_time(func)来实现。
那么，有没有更好的展⽰⽅式呢？当然有，那就是装饰器。
编写简单装饰器
结合上述实例，编写装饰器：
def get_time(func):
def wrapper():
startTime = time.time()
func()
endTime = time.time()
processTime = (endTime - startTime) * 1000
print "The function timing is %f ms" %processTime
return wrapper
print "myfunc is:", myfunc.__name__
myfunc = get_time(myfunc)
print "myfunc is: ", myfunc.__name__
myfunc()
这样，⼀个简单的完整的装饰器就实现了，可以看到，装饰器并没有影响函数的执⾏逻辑和调⽤。
在Python中，可以使⽤"@"语法糖来精简装饰器的代码，将上例更改为：
@ get_time
def myfunc():
print "start func"
time.sleep(0.8)
print "end func"
print "myfunc is: ", myfunc.__name__
myfunc()
** 装饰器的调⽤顺序**
装饰器可以叠加使⽤，若多个装饰器同时装饰⼀个函数，那么装饰器的调⽤顺序和@语法糖的声明顺序相反，也就是：
@decorator1
@decorator2
def func():
pass
等效于：
func = decorator1(decorator2(func()))
被装饰的函数带参数
上述实例中，myfunc()是没有参数的，那如果添加参数的话，装饰器该如何编写呢？
#被装饰的函数带参数
def get_time3(func):
def wrapper(*args, **kwargs):
startTime = time.time()
func(*args, **kwargs)
endTime = time.time()
processTime = (endTime - startTime) * 1000
print "The function timing is %f ms" %processTime
return wrapper
@ get_time3
def myfunc2(a):
print "start func"
print a
time.sleep(0.8)
print "end func"
a = "test"
myfunc2(a)
带参数的装饰器
装饰器有很⼤的灵活性，它本⾝⽀持参数，例如在上述实例中，@get_time装饰器唯⼀的参数就是执⾏业务的函数，当然也可以在装饰器中添加参数，加以逻辑判断。
内置装饰器
Python中，常见的类装饰器包括：@staticmathod、@classmethod和@property
@staticmethod：类的静态⽅法，跟成员⽅法的区别是没有self参数，并且可以在类不进⾏实例化的情况下调⽤。
@classmethod：跟成员⽅法的区别是接收的第⼀个参数不是self，⽽是cls（当前类的具体类型）
@property：表⽰可以直接通过类实例直接访问的信息。
以上，是本次整理的Python⾼级⽤法，本⽂将持续更新。