Python高级特性

推导式

什么是推导式
- 是一种独特的数据处理方式，从一个数据序列构建另一个新的数据序列的结构体。
- 是一种强大且简洁的语法，适用于生成列表、字典、集合和生成器。
- 使用推导式时，需要注意可读性，尽量保持表达式简洁，以免影响代码的可读性和可维护性。
- Python 支持多种推导式
  - 列表 (list) 推导式
  - 字典 (dict) 推导式
  - 集合 (set) 推导式
  - 元组 (tuple) 推导式
列表推导式（List Comprehensions）
- 核心作用
  - 快速创建列表，替代传统 for 循环，具有简洁高效的特点。
  - 用于从一个现有的列表创建一个新列表，使用一行代码即可实现循环或条件逻辑，生成新的 List 列表。
- 基础语法： $expression for item in iterable$
  - 例：生成 1 - 10 的平方列表
    python 复制代码
```
squares = [x**2 for x in range(1, 11)]
print(squares)  # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
```
- 条件过滤语法：new_list = $expression for item in iterable if condition$
  - 等价于
    python 复制代码
```
new_list = []
for item in iterable:
    if condition:
        new_list.append(expression)
```
- 参数说明
  - iterable 参数：一个现有的列表，可以迭代的对象，比如列表、元组、字符串等。
  - condition 参数
    - 可选条件表达式，用于过滤 iterable 中的元素。
    - iterable 列表中只有满足该条件的元素，才会被作为 item 参与 expression 表达式计算。
  - item 参数
    - 如果没有 condition 参数，那 item 就是 iterable 列表中的每一个元素。
    - 如果有 condition 参数，那么 item 就是 iterable 列表中符合 condition 条件的元素。
  - expression 参数：item 参与计算的表达式，其中有 item 变量。
- 例：筛选偶数
  scss 复制代码
```
```python
  evens = [x for x in range(10) if x % 2 == 0]
  print(evens)  # [0, 2, 4, 5, 6, 7, 8]
```
```
  这里range(20) 生成一个包含 0 到 19 的可迭代对象，if x % 2 == 0 作为条件，筛选出其中能被 2 整除（即偶数）的元素x ，并将这些元素组成新列表evens
- 例：数值转换
  python 复制代码
```
nums = [1, -2, 3, 0]
abs_nums = [x if x >= 0 else -x for x in nums]
print(abs_nums)  # [1, 2, 3, 0]
```
  对于列表nums 中的每个元素x ，判断其是否大于等于 0。若x >= 0 ，则新列表abs_nums 中对应元素就是x 本身；若x < 0 ，则新列表中对应元素为-x （即x 的绝对值），最终得到包含原列表元素绝对值的新列表abs_nums

字典推导式

语法结构详解：{ 键表达式：值表达式 for 循环变量 in 可迭代对象 $if 条件$ }
注意
- 键必须唯一且不可变
- 值可以是任意类型

例：

键值转换

python 复制代码

original = {'a': 1, 'b': 2, 'c': 3}
reversed_dict = {v: k for k, v in original.items()}
print(reversed_dict)  # {1: 'a', 2: 'b', 3: 'c'}

复杂数据重组

python 复制代码

students = [
    {'name': 'Steven Wong','math': 80},
    {'name': 'Coco','math': 90},
    {'name': 'John','math': 100}
]
# 创建学科分数字典
math_scores = {stu['name']: stu['math'] for stu in students}
print(math_scores)  # {'Steven Wong':80, 'Coco':90, 'John':100}

集合推导式
- 语法结构详解：{表达式 for 循环变量 in 可迭代对象 $if 条件$ }
- 注意
  - 自动去重
  - 元素无序
  - 元素必须可哈希
- 案例：
  python 复制代码
```
nums = [1, 2, 2, 3, 3, 3]
squared_set = {num ** 2 for num in nums}
print(squared_set)  # {1, 4, 9}
```

迭代器

什么是迭代器
- 访问集合元素的一种方式，可以记住遍历的位置的对象，和 Java 里面的集合的迭代器 Iterator 一样。
- 核心是通过某种方式（通常使用循环）访问集合元素的过程。
- 作用
  - 在处理大数据集时，迭代器可以节省内存。
  - 迭代器提供了一种统一的遍历方式，适用于各种数据结构。
迭代器对象和可迭代对象
- 可迭代对象：实现了__iter__()方法的对象。
- 迭代器对象：实现了__iter__()和__next__()方法的对象称为迭代器对象。
- 通过定义可以知道，迭代器对象一定是可迭代对象。
- 简单解释两个方法
  - __iter__()：要返回一个迭代器对象，可以使用iter()函数触发。
  - __next__()：用于从迭代器中返回下一个值，如果没有可返回值，抛出StopIteration异常，用next()函数来触发它。
- 常见可迭代对象：列表、元组、字符串、字典、集合、文件对象、生成器
- 验证可迭代对象
  python 复制代码
```
# isinstance(object, classinfo) 判断一个对象是否为指定类型或指定类型的子类
# 使用元组传递多个类型，如果对象是其中任意一个类型的实例，则返回 'True'。
from collections.abc import Iterable
print(isinstance("abc", Iterable))  # True
print(isinstance(123, Iterable))  # False
print(isinstance([1,2,3], Iterable))  # True
print(isinstance(123, (int, str)))  # 输出: True
```
迭代器对象遍历（记录当前迭代位置，只能向前不能后退）
- 使用常规 for 语句进行遍历
  python 复制代码
```
list = [1, 2, 3, 4, 5]
it = iter(list)  # 创建迭代器对象
```
生成器
- 使用了yield的函数被称为生成器（generator），是一种特殊的迭代器，使用yield关键字来返回值。
- yield是一个关键字，用于定义生成器函数，是一种特殊的函数，在迭代过程中逐步产生值，而不是一次性返回所有结果。
- 生成器函数在每次调用next()时执行，直到遇到yield语句。

Lambda 函数

什么是 Lambda 函数
- 定义：Lambda 函数是匿名的小型函数，用于简化简单函数的定义。
- 语法：lambda 参数：表达式
- 无名称：无需 def 关键字定义。
- 单行表达式：只能包含一个表达式，不能有代码块或复杂逻辑；可以设置多个参数，参数使用逗号隔开
  python 复制代码
```
# 加法函数
add = lambda a, b: a + b
print(add(1, 2))  # 3

# 平方函数
square = lambda x: x**2
print(square(2))  # 4

# 作为函数参数传递
def operate(func, a, b):
    return func(a, b)

result = operate(lambda x, y: x * y, 2, 3)
print(result)  # 6
```
Lambda 与普通函数的对比

特性	Lambda 函数	普通函数（def）
名称	匿名	需命名
代码量	单行	可多行
适用场景	简单逻辑（如表达式计算）	复杂逻辑（如循环、条件嵌套）
返回值	自动返回表达式结果	需显式 return

Lambda + map/filter 与列表推导式对比

场景	Lambda + map/filter	列表推导式
简单转换 / 过滤	可读性较低	更简洁直观
函数作为参数传递	必须使用 Lambda	无法直接替代
性能	相近（但生成器更节省内存）	相近

例：筛选偶数并平方

ini 复制代码

numbers = [1, 2, 3, 4, 5]

# Lambda + map/filter
result1 = list(map(lambda x: x**2, filter(lambda x: x%2==0, numbers)))

# 列表推导式
result2 = [x**2 for x in numbers if x%2 == 0]

print(result1, result2)  # [4, 16] [4, 16]

#高阶函数

什么是高阶函数
- 满足以下任一条件的函数
  - 接收函数作为参数
  - 返回函数作为结果
- 优势
  - 代码简洁：通过组合函数减少重复代码。
  - 功能灵活：动态指定处理逻辑
- 组合应用
  - lambda 函数通常与内置高阶函数如 map ()、filter () 和 reduce () 一起使用，在集合上执行操作

常用高阶函数详解

map(func, iterable)
- 功能：对可迭代对象的每个元素应用 func，返回迭代器。
- 例：将列表元素平方
  python 复制代码
```
numbers = [1, 2, 3, 4, 5]
squared = map(lambda x: x**2, numbers)
print(list(squared))  # [1, 4, 9, 16, 25]
```
  对比列表推导式
  python 复制代码
```
squared = [x**2 for x in numbers]
```
filter(func, iterable)
- 功能：筛选满足 func 条件为 True 的元素，返回迭代器。
- 示例：过滤偶数
  python 复制代码
```
even = filter(lambda x: x % 2 == 0, numbers)
print(list(even))  # [2, 4]
```
  对比生成器表达式
  python 复制代码
```
even = (x for x in numbers if x % 2 == 0)  # 惰性计算，节省内存
```

字典合并（使用 reduce）

python 复制代码

from functools import reduce

dicts = [{"a": 1}, {"b": 2}, {"a": 3, "c": 4}]
merged = reduce(lambda d1, d2: {**d1, **d2}, dicts)
print(merged)  # {'a':3, 'b':2, 'c':4}