作者|许香武
书篇|郭丽
制作| CSDN博客
python是代表简单思想的语言，其语法相对简单，容易上手。但是，如果贬低Python语法的精密度和深度，就大错特错了。这篇文章仔细筛选了最能说明Python语法的10个知识点，并附上了详细的实例代码。如果能在实战中融合和灵活使用，不仅能使代码更加干练和高效，还能大大提高代码BG，使其更加老练和优雅地阅读。
for-else
什么？If和else不是原配吗？不，你不会知道的。else是脚踏两条船的人。for和else也是一对，合法的。十大B语法，for-else绝对可以说是南蛮！不要相信，看：
For I in [1，2，3，4]:
打印(I)
Else:
打印(I，'我是else ')
1
2
3
4
4我是埃尔西
如果在For和else之间(循环体)插入第三方if，则for和else的关系也不会受到影响。因为For的等级高于if，else又是个有权势的家伙，所以根本不在乎有没有if，满足if条件的语句是否被执行了。Else眼里只有for，for成功执行后，else会放屁跑一趟。
For I in [1，2，3，4]:
If I 2:
打印(I)
Else:
打印(I，'我是else ')
3
4
4我是埃尔西
那么，如何将for和else分开给这位元帅呢？仅当For循环被break语句中断时，才跳过else语句。
For I in [1，2，3，4]:
If i2:
打印(I)
布雷克
Else:
打印(I，'我是else ')
3
一颗星()和两颗星(*)
发现星星(*)真是神奇的象征吗！想想看，没有它，C语言还有什么有趣的？同样，因为有它，python才如此气派，姿态优雅，玲珑，动人！python函数支持基本参数和变量参数。一颗星表示无限多个单值参数，两颗星表示无限多个键值对参数。
让我举个例子。设计返回多个输入值总和的函数。您可以将这些输入值作为list传递给函数，但此方法比使用一颗星的可变参数优雅得多。
Def multi_sum(*args):
S=0
For item in args:
S=item
Return s
Multi_sum(3，4，5)
12
使用python函数，固定参数、默认参数、单值(1颗星)变量参数和键值对(2颗星)变量参数可以同时全部或部分使用，并且必须按以前的顺序编写。
Defdo _ something (name，age，gender='男人'*args，**kwds):
Print('名称：%s，年龄：%d，性别：%s'%(name，age，gender))
打印(args)
打印(kwds)
gt; do_something('xufive', 50, '男', 175, 75, math=99, english=90)姓名：xufive，年龄：50，性别：男
(175, 75)
{'math': 99, 'english': 90}
三元表达式
熟悉 C/C++ 的程序员，初上手 python 时，一定会怀念经典的三元操作符，因为想表达同样的思想，用python 写起来似乎更麻烦。比如：
>>> y = 5
>>> if y < 0:
print('y是一个负数')
else:
print('y是一个非负数')
y是一个非负数
其实，python 是支持三元表达式的，只是稍微怪异了一点，类似于我们山东人讲话。比如，山东人最喜欢用倒装句：打球去吧，要是不下雨的话；下雨，咱就去自习室。翻译成三元表达式就是：
打球去吧 if 不下雨 else 去自习室
来看看三元表达式具体的使用：
>>> y = 5
>>> print('y是一个负数' if y < 0 else 'y是一个非负数')
y是一个非负数
python 的三元表达式也可以用来赋值：
>>> y = 5
>>> x = -1 if y < 0 else 1
>>> x
1
with - as
with 这个词儿，英文里面不难翻译，但在 Python 语法中怎么翻译，我还真想不出来，大致上是一种上下文管理协议。作为初学者，不用关注 with 的各种方法以及机制如何，只需要了解它的应用场景就可以了。with 语句适合一些事先需要准备，事后需要处理的任务，比如，文件操作，需要先打开文件，操作完成后需要关闭文件。如果不使用with，文件操作通常得这样：
fp = open(r"D:\CSDN\Column\temp\m;, 'r')
try:
contents =
finally:
如果使用 with - as，那就优雅多了：
>>> with open(r"D:\CSDN\Column\temp\m;, 'r') as fp:
contents =
列表推导式
在各种稀奇古怪的语法中，列表推导式的使用频率应该时最高的，对于代码的简化效果也非常明显。比如，求列表各元素的平方，通常应该这样写（当然也有其他写法，比如使用map函数）：
>>> a = [1, 2, 3, 4, 5]
>>> result = list
>>> for i in a:
re(i*i)
>>> result
[1, 4, 9, 16, 25]
如果使用列表推导式，看起来就舒服多了：
>>> a = [1, 2, 3, 4, 5]
>>> result = [i*i for i in a]
>>> result
[1, 4, 9, 16, 25]
事实上，推导式不仅支持列表，也支持字典、集合、元组等对象。有兴趣的话，可以自行研究。我有一篇博文《一行 Python 代码能实现什么丧心病狂的功能？》，里面的例子，都是列表推导式实现的。
列表索引的各种骚操作
Python 引入负整数作为数组的索引，这绝对是喜大普奔之举。想想看，在C/C++中，想要数组最后一个元素，得先取得数组长度，减一之后做索引，严重影响了思维的连贯性。Python语言之所以获得成功，我个人觉得，在诸多因素里面，列表操作的便捷性是不容忽视的一点。请看：
>>> a = [0, 1, 2, 3, 4, 5]
>>> a[2:4]
[2, 3]
>>> a[3:]
[3, 4, 5]
>>> a[1:]
[1, 2, 3, 4, 5]
>>> a[:]
[0, 1, 2, 3, 4, 5]
>>> a[::2]
[0, 2, 4]
>>> a[1::2]
[1, 3, 5]
>>> a[-1]
5
>>> a[-2]
4
>>> a[1:-1]
[1, 2, 3, 4]
>>> a[::-1]
[5, 4, 3, 2, 1, 0]
如果说，这些你都很熟悉，也经常用，那么接下来这个用法，你一定会感觉很神奇：
>>> a = [0, 1, 2, 3, 4, 5]
>>> b = ['a', 'b']
>>> a[2:2] = b
>>> a
[0, 1, 'a', 'b', 2, 3, 4, 5]
>>> a[3:6] = b
>>> a
[0, 1, 'a', 'a', 'b', 4, 5]
lambda函数
lambda 听起来很高大上，其实就是匿名函数（了解js的同学一定很熟悉匿名函数）。匿名函数的应用场景是什么呢？就是仅在定义匿名函数的地方使用这个函数，其他地方用不到，所以就不需要给它取个阿猫阿狗之类的名字了。下面是一个求和的匿名函数，输入参数有两个，x和y，函数体就是x+y，省略了return关键字。
>>> lambda x,y: x+y
<function <lambda> at 0x000001B2DE5BD598>
>>> (lambda x,y: x+y)(3,4) # 因为匿名函数没有名字，使用的时候要用括号把它包起来
匿名函数一般不会单独使用，而是配合其他方法，为其他方法提供内置的算法或判断条件。比如，使用排序函数sorted对多维数组或者字典排序时，就可以指定排序规则。
>>> a = [{'name':'B', 'age':50}, {'name':'A', 'age':30}, {'name':'C', 'age':40}]
>>> sorted(a, key=lambda x:x['name']) # 按姓名排序
[{'name': 'A', 'age': 30}, {'name': 'B', 'age': 50}, {'name': 'C', 'age': 40}]
>>> sorted(a, key=lambda x:x['age']) # 按年龄排序
[{'name': 'A', 'age': 30}, {'name': 'C', 'age': 40}, {'name': 'B', 'age': 50}]
再举一个数组元素求平方的例子，这次用map函数：
>>> a = [1,2,3]
>>> for item in map(lambda x:x*x, a):
print(item, end=', ')
1, 4, 9,
yield 以及生成器和迭代器
yield 这词儿，真不好翻译，翻词典也没用。我干脆就读作“一爱得”，算是外来词汇吧。要理解 yield，得先了解 generator（生成器）。要了解generator，得先知道 iterator（迭代器）。哈哈哈，绕晕了吧？算了，我还是说白话吧。
话说py2时代，range返回的是list，但如果range(10000000)的话，会消耗大量内存资源，所以，py2又搞了一个xrange来解决这个问题。py3则只保留了xrange，但写作range。xrange返回的就是一个迭代器，它可以像list那样被遍历，但又不占用多少内存。generator（生成器）是一种特殊的迭代器，只能被遍历一次，遍历结束，就自动消失了。总之，不管是迭代器还是生成器，都是为了避免使用list，从而节省内存。那么，如何得到迭代器和生成器呢？
pyrhon内置了迭代函数 iter，用于生成迭代器，用法如下：
>>> a = [1,2,3]
>>> a_iter = iter(a)
>>> a_iter
<list_iterator object at 0x000001B2DE434BA8>
>>> for i in a_iter:
print(i, end=', ')
1, 2, 3,
yield 则是用于构造生成器的。比如，我们要写一个函数，返回从0到某正整数的所有整数的平方，传统的代码写法是这样的：
>>> def get_square(n):
result = list
for i in range(n):
re(pow(i,2))
return result
>>> print(get_square(5))
[0, 1, 4, 9, 16]
但是如果计算1亿以内的所有整数的平方，这个函数的内存开销会非常大，这是 yield 就可以大显身手了：
>>> def get_square(n):
for i in range(n):
yield(pow(i,2))
>>> a = get_square(5)
>>> a
<generator object get_square at 0x000001B2DE5CACF0>
>>> for i in a:
print(i, end=', ')
0, 1, 4, 9, 16,
如果再次遍历，则不会有输出了。
装饰器
刚弄明白迭代器和生成器，这又来个装饰器，Python 咋这么多器呢？的确，Python 为我们提供了很多的武器，装饰器就是最有力的武器之一。装饰器很强大，我在这里尝试从需求的角度，用一个简单的例子，说明装饰器的使用方法和制造工艺。
假如我们需要定义很多个函数，在每个函数运行的时候要显示这个函数的运行时长，解决方案有很多。比如，可以在调用每个函数之前读一下时间戳，每个函数运行结束后再读一下时间戳，求差即可；也可以在每个函数体内的开始和结束位置上读时间戳，最后求差。不过，这两个方法，都没有使用装饰器那么简单、优雅。下面的例子，很好地展示了这一点。
>>> import time
>>> def timer(func):
def wrapper(*args,**kwds):
t0 =
func(*args,**kwds)
t1 =
print('耗时%0.3f'%(t1-t0,))
return wrapper
>>> @timer
def do_something(delay):
print('函数do_something开始')
(delay)
print('函数do_something结束')
>>> do_something(3)
函数do_something开始
函数do_something结束
耗时3.077
timer 是我们定义的装饰器函数，使用@把它附加在任何一个函数（比如do_something）定义之前，就等于把新定义的函数，当成了装饰器函数的输入参数。运行 do_something 函数，可以理解为执行了timer(do_something) 。细节虽然复杂，不过这么理解不会偏差太大，且更易于把握装饰器的制造和使用。
巧用断言assert
所谓断言，就是声明表达式的布尔值必须为真的判定，否则将触发 AssertionError 异常。严格来讲，assert是调试手段，不宜使用在生产环境中，但这不影响我们用断言来实现一些特定功能，比如，输入参数的格式、类型验证等。
>>> def i_want_to_sleep(delay):
assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
print('开始睡觉')
(delay)
print('睡醒了')
>>> i_want_to_slee)
开始睡觉
睡醒了
>>> i_want_to_sleep(2)
开始睡觉
睡醒了
>>> i_want_to_sleep('2')
Traceback (most recent call last):
File "<pyshell#247>", line 1, in <module>
i_want_to_sleep('2')
File "<pyshell#244>", line 2, in i_want_to_sleep
assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
AssertionError: 函数参数必须为整数或浮点数
作者许向武长期从事数据处理工作，服务于多个科研机构和科研项目。参与过子午工程、气象卫星、空间探测星、嫦娥等多个项目的数据处理。熟悉C，C++，单一使用python语言编程超过10年。他在CSDN的APP创建了一个小组，名为“python作业辅导小组”，面向python初学者，为大家提供咨询服务、辅导python作业。
【End】
2019嵌入式智能国际大会
时间：2019年12月6日-8日
地点：深圳华侨城洲际大酒店
简介：大会以“万物互联·泛在智能”为主题，邀请30+位海内外顶级专家作为分享嘉宾，展示嵌入式AI的未来，涵盖计算机视觉、3D视觉，医疗影像处理、语音识别、NLP、传感器融合、自动驾驶等核心技术和应用。集聚500+位来自主流AIoT领域践行创新的中坚力量，100+位海内外特邀技术领袖。还将有数十家芯片、模组、 工具和应用集成商展示最新产品，是不容错过的行业盛会。