前言： 接觸python有一段時間了，從開始的看菜鳥的python教程，看了一些視頻，一些書。很多人感覺python很簡單，確實相比其他語言，python可能稍微簡單一點，但是不能說只學了python基礎語法就說自己python水平可以了。最近在閱讀YOLOv3的pytorch版本源碼，就遇到很多瓶頸，很多是與python相關的。所以這篇進行總結一下，收集一下所有的問題，更深入理解python高階用法，並且盡量每個都附上例子，做一個認真的coder,bloger。
1. lambda匿名函數
lambda匿名函數在一些工程項目中經常出現，理解該用法是讀懂項目的前提。如：
lf = lambda x: 1 - 10 ** (hyp['lrf'] * (1 - x / epochs))
匿名函數就是沒有定義函數的名稱，用來實現簡單的功能。
語法結構：lambda param_list: expression
param_list 就是參數列表，相當於函數的參數
expression 就是表達式，相當於函數體，用一行進行表示
舉個簡單的例子：
>>> func=lambda x, y: x+y
>>> func(3,4)
7
應用場景：
1.1 函數式編程
python提供了很多函數式編程特性，如map, reduce, filter, sorted等內置函數，都支持函數作為參數。
-
map會根據提供的函數對指定序列做映射。
-
map(function, iterable, ...)
-
>>> func2=lambda x: x**x >>> L=[1,2,3] >>> map(func2, L) <map object at 0x00000218C07F0080> >>> list(map(func2, L)) # 注意要顯示內容需要轉為list類型，因為py3中返回的是迭代器對象 [1, 4, 27] >>> -
其中function可以使lambda函數對象，也可以是str等類型
-
>>> L=[1,2,3,4] >>> list(map(str, L)) ['1', '2', '3', '4'] >>> list(map(float, L)) [1.0, 2.0, 3.0, 4.0]
-
-
reduce 函數會對參數序列中元素進行累積。
-
語法：
reduce(function, iterable[, initializer]) -
>>> reduce(lambda x, y: x+y, [1,2,3,4,5]) # 使用 lambda 匿名函數 15 -
注意python3使用前要加上：from functools import reduce , reduce函數在python3中被移除，放入了functools模塊。
-
-
filter內置函數用於過濾序列，過濾掉不符合條件的元素，返回由符合條件元素組成的新列表。
-
filter(function, iterable) -
>>> filter(lambda x: x % 2 == 0, [1,2,3,4,5,6,7,8,9,10]) <filter object at 0x00000218C07F0080> >>> list(filter(lambda x: x % 2 == 0, [1,2,3,4,5,6,7,8,9,10])) [2, 4, 6, 8, 10] >>> -
這里function智能返回true or false, 將滿足true的放入最終列表。
-
-
sorted函數對所有可迭代的對象進行排序操作。
-
sorted(iterable, key=None, reverse=False) -
>>> sorted([[3,4],[2,1],[5,3],[7,4],[9,0]], key=lambda x:x[0]) [[2, 1], [3, 4], [5, 3], [7, 4], [9, 0]]
-
1.2 應用在閉包
def get_y(a,b):
return lambda x:ax+b
y1 = get_y(1,1)
y1(1) # 結果為2
用常規函數實現閉包，如下：
def get_y(a,b):
def func(x):
return ax+b
return func
y1 = get_y(1,1)
y1(1) # 結果為2
2. 列表解析式
列表解析式是Python內置的非常簡單卻強大的可以用來創建list的生成式。在深度學習項目中也可以經常看到這種用法。
(1) 語法1：[表達式 for 變量 in 列表]，表示把得到的每一個變量值都放到 for 前面的表達式中計算 ，然后生成一個列表
(2) 語法2：[表達式 for 變量 in 列表 if 條件]，如果加上 if 判斷，則表示把每一個變量值進行判斷，如果判斷正確再交給表達式進行計算，然后生成一個列表
舉例：
>>> items=[1,2,3,4,5,6,7]
>>> [item*2 for item in items]
[2, 4, 6, 8, 10, 12, 14]
>>> [item*2 for item in items if item % 2 == 0]
[4, 8, 12]
使用列表解析式的寫法更加簡短，除此之外，因為是Python內置的用法，底層使用C語言實現，相較於編寫Python代碼而言，運行速度更快。
3. enumerate內建函數
對於一個列表，既要遍歷索引又要遍歷元素。
>>> days=['mon','tus','wed','ths','fri','sat','sun']
>>> for i,day in enumerate(days):
... print(i,day)
...
0 mon
1 tus
2 wed
3 ths
4 fri
5 sat
6 sun
>>> for i,day in enumerate(days, start=1):
... print(i,day)
...
1 mon
2 tus
3 wed
4 ths
5 fri
6 sat
7 sun
>>>
4. 迭代器與生成器
有時候項目會使用到這種語法，如果不了解這兩種用法，可能很難讀懂代碼，可能會直接懵B o((⊙﹏⊙))o。下面分別看看這兩個的用法：
4.1 迭代器
迭代器指的是可以使用next()方法來回調的對象，可以對可迭代對象使用iter()方法，將其轉換為迭代器。
>>> L=[1,2,3,4,5]
>>> lst = iter(L)
>>> type(lst)
<class 'list_iterator'>
>>> L1=(1,2,3,4,5)
>>> lst1 = iter(L1)
>>> type(lst1)
<class 'tuple_iterator'>
>>> next(lst)
1
>>> next(lst1)
1
>>>
迭代器優勢： 所有的元素不是一次性加載的，在調用next方法才會返回，不需要考慮內存問題。next()只能往后進行訪問。
迭代器應用場景：
- list規模過大，出於對內存的考慮使用迭代器。
- 有規律，但是不能使用列表推導式描述
迭代器的創建：
- __iter__() 方法返回一個特殊的迭代器對象， 這個迭代器對象實現了 next() 方法並通過 StopIteration 異常標識迭代的完成。
- __next__() 方法（Python 2 里是 next()）會返回下一個迭代器對象。
class MyNumbers:
def __iter__(self):
self.a = 1
return self
def __next__(self):
x = self.a
self.a += 1
return x
myclass = MyNumbers()
myiter = iter(myclass)
print(next(myiter))
print(next(myiter))
例子來自菜鳥教程：https://www.runoob.com/python3/python3-iterator-generator.html
4.3 生成器
生成器是一個返回迭代器的函數，只能用於迭代操作，更簡單點理解生成器就是一個迭代器。
使用了yield的函數被稱為生成器。
在調用生成器運行的過程中，每次遇到 yield 時函數會暫停並保存當前所有的運行信息，返回 yield 的值, 並在下一次執行 next() 方法時從當前位置繼續運行。（之前也遇見過yolo的代碼中使用了這種用法，需要仔細理解並掌握）
#!/usr/bin/python3
import sys
def fibonacci(n): # 生成器函數 - 斐波那契
a, b, counter = 0, 1, 0
while True:
if (counter > n):
return
yield a
a, b = b, a + b
counter += 1
f = fibonacci(10) # f 是一個迭代器，由生成器返回生成
while True:
try:
print (next(f), end=" ")
except StopIteration:
sys.exit()
例子來自菜鳥教程：https://www.runoob.com/python3/python3-iterator-generator.html
生成器的優點是延遲計算，一次返回一個結果，這樣非常適用於大數據量的計算。但是，使用生成器必須要注意的一點是：生成器只能遍歷一次。
5. 裝飾器
裝飾器本質是一個python函數，如果學過flask就知道，里邊裝飾器是必須的，經常用到。
裝飾器的作用：抽離大量和函數功能本身無關的代碼進行重用
一個簡單的裝飾器，用於計數，由於對不同的函數運行時間進行計數的需要，所以要對時間計數這部分進行處理。
def get_time(func):
def wrapper():
startTime = time.time()
func()
endTime = time.time()
print("spend %f" % (endTime-startTime))
return wrapper
myFunction = get_time(myFunction)
精簡一下，使用@語法來進行精簡：
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)
@get_time
def myfunc():
print("start")
time.sleep(0.8)
print("end")
if __name__ == "__main__":
myfunc
output：
start
end
The function timing is 800.058126 ms
理解為：get_time(myfun()) ,將myfunc()函數包裹
裝飾器可以疊加使用，若多個裝飾器同時裝飾一個函數，那么裝飾器的調用順序和@語法糖的聲明順序相反，也就是：
@decorator1
@decorator2
def func():
pass
等效於：
func = decorator1(decorator2(func()))
內置裝飾器
Python中，常見的類裝飾器包括：@staticmathod、@classmethod和@property
- @staticmethod：類的靜態方法，跟成員方法的區別是沒有self參數，並且可以在類不進行實例化的情況下調用。
- @classmethod：跟成員方法的區別是接收的第一個參數不是self，而是cls（當前類的具體類型）
- @property：表示可以直接通過類實例直接訪問的信息。