Python 是一種代表簡單思想的語言，其語法相對簡單，很容易上手。不過，如果就此小視 Python 語法的精妙和深邃，那就大錯特錯了。本文精心篩選了最能展現 Python 語法之精妙的十個知識點，並附上詳細的例項程式碼。如能在實戰中融會貫通、靈活使用，必將使程式碼更為精煉、高效，同時也會極大提升程式碼B格，使之看上去更老練，讀起來更優雅。
for - else
什麼？不是 if 和 else 才是原配嗎？No，你可能不知道，else 是個腳踩兩隻船的傢伙，for 和 else 也是一對，而且是合法的。十大裝B語法，for-else 絕對算得上南無灣！不信，請看：>>> for i in ［1，2，3，4］：
print（i）
else：
print（i， ‘我是else’）
1
2
3
4
4 我是else
如果在 for 和 else 之間（迴圈體內）有第三者 if 插足，也不會影響 for 和 else 的關係。因為 for 的級別比 if 高，else 又是一個攀附權貴的傢伙，根本不在乎是否有 if，以及是否執行了滿足 if 條件的語句。else 的眼裡只有 for，只要 for 順利執行完畢，else 就會屁顛兒屁顛兒地跑一遍：>>> for i in ［1，2，3，4］：
if i > 2：
print（i）
else：
print（i， ‘我是else’）
3
4
4 我是else
那麼，如何拆散 for 和 else 這對冤家呢？只有當 for 迴圈被 break 語句中斷之後，才會跳過 else 語句：>>> for i in ［1，2，3，4］：
if i>2：
print（i）
break
else：
print（i， ‘我是else’）
3
一顆星()和兩顆星(*)
有沒有發現，星（*）真是一個神奇的符號！想一想，沒有它，C語言還有啥好玩的？同樣，因為有它，Python 才會如此的儀態萬方、風姿綽約、楚楚動人！Python 函式支援預設引數和可變引數，一顆星表示不限數量的單值引數，兩顆星表示不限數量的鍵值對引數。我們還是舉例說明吧：設計一個函式，返回多個輸入數值的和。我們固然可以把這些輸入數值做成一個list傳給函式，但這個方法，遠沒有使用一顆星的可變引數來得優雅：>>> def multi_sum（*args）：
s = 0
for item in args：
s += item
return s
>>> multi_sum（3，4，5）
12
Python 函式允許同時全部或部分使用固定引數、預設引數、單值（一顆星）可變引數、鍵值對（兩顆星）可變引數，使用時必須按照前述順序書寫。>>> def do_something（name， age， gender=‘男’， *args， **kwds）：
print（‘姓名：%s，年齡：%d，性別：%s’%（name， age， gender））
print（args）
print（kwds）
>>> do_something（‘xufive’， 50， ‘男’， 175， 75， math=99， english=90）
姓名：xufive，年齡：50，性別：男
（175， 75）
{‘math’： 99， ‘english’： 90}
三元表示式
熟悉 C/C++ 的程式設計師，初上手 python 時，一定會懷念經典的三元運算子，因為想表達同樣的思想，用python 寫起來似乎更麻煩。比如：>>> y = 5
>>> if y < 0：
print（‘y是一個負數’）
else：
print（‘y是一個非負數’）
y是一個非負數
其實，python 是支援三元表示式的，只是稍微怪異了一點，類似於我們山東人講話。比如，山東人最喜歡用倒裝句：打球去吧，要是不下雨的話；下雨，咱就去自習室。翻譯成三元表示式就是：打球去吧 if 不下雨 else 去自習室
來看看三元表示式具體的使用：>>> y = 5
>>> print（‘y是一個負數’ if y < 0 else ‘y是一個非負數’）
y是一個非負數
python 的三元表示式也可以用來賦值：>>> y = 5
>>> x = -1 if y < 0 else 1
>>> x
1
with - as
with 這個詞兒，英文裡面不難翻譯，但在 Python 語法中怎麼翻譯，我還真想不出來，大致上是一種上下文管理協議。作為初學者，不用關注 with 的各種方法以及機制如何，只需要瞭解它的應用場景就可以了。with 語句適合一些事先需要準備，事後需要處理的任務，比如，檔案操作，需要先開啟檔案，操作完成後需要關閉檔案。如果不使用with，檔案操作通常得這樣：fp = open（r“D：\CSDN\Column\temp\mpmap。py”， ‘r’）
try：
contents = fp。readlines（）
finally：
fp。close（）
如果使用 with - as，那就優雅多了：>>> with open（r“D：\CSDN\Column\temp\mpmap。py”， ‘r’） as fp：
contents = fp。readlines（）
列表推導式
在各種稀奇古怪的語法中，列表推導式的使用頻率應該時最高的，對於程式碼的簡化效果也非常明顯。比如，求列表各元素的平方，通常應該這樣寫（當然也有其他寫法，比如使用map函式）：>>> a = ［1， 2， 3， 4， 5］
>>> result = list（）
>>> for i in a：
result。append（i*i）
>>> result
［1， 4， 9， 16， 25］
如果使用列表推導式，看起來就舒服多了：>>> a = ［1， 2， 3， 4， 5］
>>> result = ［i*i for i in a］
>>> result
［1， 4， 9， 16， 25］
事實上，推導式不僅支援列表，也支援字典、集合、元組等物件。有興趣的話，可以自行研究。我有一篇博文《一行 Python 程式碼能實現什麼喪心病狂的功能？》，裡面的例子，都是列表推導式實現的。
列表索引的各種騷操作
Python 引入負整數作為陣列的索引，這絕對是喜大普奔之舉。想想看，在C/C++中，想要陣列最後一個元素，得先取得陣列長度，減一之後做索引，嚴重影響了思維的連貫性。Python語言之所以獲得成功，我個人覺得，在諸多因素裡面，列表操作的便捷性是不容忽視的一點。請看：>>> 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］
如果說，這些你都很熟悉，也經常用，那麼接下來這個用法，你一定會感覺很神奇：>>> 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函式
lambda 聽起來很高大上，其實就是匿名函式（瞭解js的同學一定很熟悉匿名函式）。匿名函式的應用場景是什麼呢？就是僅在定義匿名函式的地方使用這個函式，其他地方用不到，所以就不需要給它取個阿貓阿狗之類的名字了。下面是一個求和的匿名函式，輸入引數有兩個，x和y，函式體就是x+y，省略了return關鍵字。>>> lambda x，y： x+y
>>> （lambda x，y： x+y）（3，4） # 因為匿名函式沒有名字，使用的時候要用括號把它包起來
匿名函式一般不會單獨使用，而是配合其他方法，為其他方法提供內建的演算法或判斷條件。比如，使用排序函式sorted對多維陣列或者字典排序時，就可以指定排序規則。>>> 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’］） # 按年齡排序
［{‘name’： ‘A’， ‘age’： 30}， {‘name’： ‘C’， ‘age’： 40}， {‘name’： ‘B’， ‘age’： 50}］
再舉一個數組元素求平方的例子，這次用map函式：>>> 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 這詞兒，真不好翻譯，翻詞典也沒用。我乾脆就讀作“一愛得”，算是外來詞彙吧。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，繞暈了吧？算了，我還是說白話吧。話說py2時代，range（）返回的是list，但如果range（10000000）的話，會消耗大量記憶體資源，所以，py2又搞了一個xrange（）來解決這個問題。py3則只保留了xrange（），但寫作range（）。xrange（）返回的就是一個迭代器，它可以像list那樣被遍歷，但又不佔用多少記憶體。generator（生成器）是一種特殊的迭代器，只能被遍歷一次，遍歷結束，就自動消失了。總之，不管是迭代器還是生成器，都是為了避免使用list，從而節省記憶體。那麼，如何得到迭代器和生成器呢？pyrhon內建了迭代函式 iter，用於生成迭代器，用法如下：>>> a = ［1，2，3］
>>> a_iter = iter（a）
>>> a_iter
>>> for i in a_iter：
print（i， end=‘， ’）
1， 2， 3，
yield 則是用於構造生成器的。比如，我們要寫一個函式，返回從0到某正整數的所有整數的平方，傳統的程式碼寫法是這樣的：>>> def get_square（n）：
result = list（）
for i in range（n）：
result。append（pow（i，2））
return result
>>> print（get_square（5））
［0， 1， 4， 9， 16］
但是如果計算1億以內的所有整數的平方，這個函式的記憶體開銷會非常大，這是 yield 就可以大顯身手了：>>> def get_square（n）：
for i in range（n）：
yield（pow（i，2））
>>> a = get_square（5）
>>> a
>>> for i in a：
print（i， end=‘， ’）
0， 1， 4， 9， 16，
如果再次遍歷，則不會有輸出了。
裝飾器
剛弄明白迭代器和生成器，這又來個裝飾器，Python 咋這麼多器呢？的確，Python 為我們提供了很多的武器，裝飾器就是最有力的武器之一。裝飾器很強大，我在這裡嘗試從需求的角度，用一個簡單的例子，說明裝飾器的使用方法和製造工藝。假如我們需要定義很多個函式，在每個函式執行的時候要顯示這個函式的執行時長，解決方案有很多。比如，可以在呼叫每個函式之前讀一下時間戳，每個函式執行結束後再讀一下時間戳，求差即可；也可以在每個函式體內的開始和結束位置上讀時間戳，最後求差。不過，這兩個方法，都沒有使用裝飾器那麼簡單、優雅。下面的例子，很好地展示了這一點。>>> import time
>>> def timer（func）：
def wrapper（*args，**kwds）：
t0 = time。time（）
func（*args，**kwds）
t1 = time。time（）
print（‘耗時%0。3f’%（t1-t0，））
return wrapper
>>> @timer
def do_something（delay）：
print（‘函式do_something開始’）
time。sleep（delay）
print（‘函式do_something結束’）
>>> do_something（3）
函式do_something開始
函式do_something結束
耗時3。077
timer（） 是我們定義的裝飾器函式，使用@把它附加在任何一個函式（比如do_something）定義之前，就等於把新定義的函式，當成了裝飾器函式的輸入引數。執行 do_something（） 函式，可以理解為執行了timer（do_something） 。細節雖然複雜，不過這麼理解不會偏差太大，且更易於把握裝飾器的製造和使用。
巧用斷言assert
所謂斷言，就是宣告表示式的布林值必須為真的判定，否則將觸發 AssertionError 異常。嚴格來講，assert是除錯手段，不宜使用在生產環境中，但這不影響我們用斷言來實現一些特定功能，比如，輸入引數的格式、型別驗證等。>>> def i_want_to_sleep（delay）：
assert（isinstance（delay， （int，float）））， ‘函式引數必須為整數或浮點數’
print（‘開始睡覺’）
time。sleep（delay）
print（‘睡醒了’）
>>> i_want_to_sleep（1。1）
開始睡覺
睡醒了
>>> i_want_to_sleep（2）
開始睡覺
睡醒了
>>> i_want_to_sleep（‘2’）
Traceback （most recent call last）：
File “
i_want_to_sleep（‘2’）
File “
assert（isinstance（delay， （int，float）））， ‘函式引數必須為整數或浮點數’
AssertionError： 函式引數必須為整數或浮點數
