Python的五大特性，提高你的工作效率

关注

原创 2024-01-06 21:47:14 482 阅读 AI 写同款· GEO 优化 ›

当KCF遇见卡尔曼滤波：视觉跟随算法的动态优化实战本文探讨了KCF算法与卡尔曼滤波在视觉跟随算法中的动态优化实践，通过深度融合策略提升目标跟踪的鲁棒性和实时性。特别针对机器人应用场景，详细解析了在Jetson等嵌入式平台上的优化技巧，包括计算图优化、内存访问优化和多线程流水线设计，实现了30FPS@1080p的稳定跟踪性能。阅读详情

Python作为近些年来新崛起的编程语言黑马，发展可以说是势如破竹，风头强劲。而随着Python一起升温的，还有全民学习Python的热度。虽说Python是新手友好的语言，但对于零基础的初学者而言，学习一门编程语言的难度并不低。为了帮助大家更好的掌握Python，本文将为大家总结归纳可以提高工作效率的Python五大特性，分别是列表操作、压缩和枚举、列表推导式、虚拟环境的使用和生成器。
在这里插入图片描述

1、列表操作

Python允许使用反向索引，其中aList[-1] == aList[len(aList)-1] 。所以，我们可以通过调用aList[-2] 来获取列表的倒数第二个元素。我们还能使用 aList[start🔚step] 语法来对列表进行切片，其中起始元素包含在内，终止元素不包含在内（即 [start,end) 步长为 step 的前闭后开区间）。因此，调用 aList[2:5] 会得到 [2, 3, 4]。我们也能通过调用 aList[::-1] 来反转列表，这种技术非常优雅。此外，也可以将列表拆分成单独的元素，或者使用星号将列表拆分成单个元素和子列表的混合形式。

a, b, c, d = aList[0:4]
print(f'a = {a}, b = {b}, c = {c}, d = {d}')
# a = 0, b = 1, c = 2, d = 3
a, *b, c, d = aList
print(f'a = {a}, b = {b}, c = {c}, d = {d}')
# a = 0, b = [1, 2, 3, 4, 5, 6, 7], c = 8, d = 9

2、压缩和枚举

Zip 函数会创建一个迭代器，且该迭代器可以对来自多个列表的元素进行聚合。用它可以在 for 循环中对列表进行并行遍历和排序。用星号对其进行解压。

numList = [0, 1, 2]
engList = ['zero', 'one', 'two']
espList = ['cero', 'uno', 'dos']
print(list(zip(numList, engList, espList)))
# [(0, 'zero', 'cero'), (1, 'one', 'uno'), (2, 'two', 'dos')]
for num, eng, esp in zip(numList, engList, espList):
print(f'{num} is {eng} in English and {esp} in Spanish.')
# 0 is zero in English and cero in Spanish.
# 1 is one in English and uno in Spanish.
# 2 is two in English and dos in Spanish.

3、列表推导式

很多人认为，lambda、map和filter是初学者应该最先掌握的 Python“技巧”。虽然我也认为应关注这些功能，但由于它们缺乏灵活性。实际上，它们在大多数情况下并不是非常有用！Lambda是一种在1行中编写一个一次性使用的函数的方法。一旦函数被多次调用，性能将受到影响。另一方面，map 可以将一个函数应用于列表中的所有元素，而 filter 能获取集合中满足用户自定义条件的元素子集。

add_func = lambda z: z ** 2
is_odd = lambda z: z%2 == 1
multiply = lambda x,y: x*y
aList = list(range(10))
print(aList)
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

列表推导式是一个简洁而灵活的方法，它使用灵活的表达式和条件通过其他列表来创建新列表。它用方括号来构造，带有一个表达式或函数，只有当列表中的元素满足某个条件时，该表达式或函数才作用于列表中的每个元素。并且，它还能用嵌套来处理嵌套列表，并且这会比使用map和filter更灵活。

# Syntax of list comprehension
[ expression(x) for x in aList if optional_condition(x) ]
print(list(map(add_func, aList)))
print([x ** 2 for x in aList])
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
print(list(filter(is_odd, aList)))
print([x for x in aList if x%2 == 1])
# [1, 3, 5, 7, 9]
# [1, 3, 5, 7, 9]

4、虚拟环境的使用

如果在本文介绍的5个特性中只选一个，那么就是虚拟环境的使用，它。Python 应用程序通常会用各种不同的包，这些包可能是由具有复杂依赖关系的不同开发人员开发的。每个应用程序都会用特定的库设置，使用其他库的版本无法实现对某个应用程序安装包的复制。所以，不存在满足所有应用要求的单个安装包。

conda create -n venv pip python=3.7 # select python version
source activate venv
...
source deactivate

5、生成器

当我们想要对一个大的结果集进行计算，但又不想为所有结果数据同时分配内存时，我们就可以使用生成器了。换句话说，它会动态地生成值，并且不会将先前的值存储在内存中，因此我们只能对它们进行一次迭代操作。当读取大文件或使用关键字 yield 生成无穷数列时，通常会用它，这样一来就能极大提高工作效率。

def gen(n): # an infinite sequence generator that generates integers >= n
while True:
yield n
n += 1
G = gen(3) # starts at 3
print(next(G)) # 3
print(next(G)) # 4
print(next(G)) # 5
print(next(G)) # 6