本文，我们将分享一些有助于我们掌握 Python 的高级概念。如迭代器、生成器、装饰器等！
异常处理是一个很重要的概念，它可以帮助我们更好地解决程序中的各种问题。
异常是在程序执行过程中发生并中断的情况。它可能由于多种原因而发生。比如：除法运算中分母为0的情况，会抛出：ZeroDivisionError；导入不存在的包时，会抛出：ImportError；列表越界时，会抛出：IndexError。python 中大约有30个内置异常。
我们使用 try 和 except 来处理 Python 中的异常。语法如下：
try: pass # 可能发生异常的代码except ValueError: pass # 发生异常时执行的代码except ZeroDivisionError: pass # 发生异常时执行的代码else: pass # 其他情况时执行的代码finally: pass # 最终执行的执行的代码collections 模块被称为用于存储数据的容器。例如列表、元组、集合、字典。Python 中有许多库是为了提供额外的数据结构而开发的， collections就是其中之一，旨在改进内置容器的功能。该模块中最常用的五种数据结构：
对可迭代对象的计数。
from collections import Counterdata = [1,1,1,2,3,4,3,3,5,6,7,7,1]count = Counter(data)print(count) # Counter({1: 4, 2: 1, 3: 4, 4: 1, 5: 1, 6: 1, 7: 2})## ⚠️ Counter有几个惊艳的方法：# 返回出现次数最多的前3个元素print(count.most_common(3)) # [('1', 4), ('3', 4), ('2', 1)]# 返回生成Counter对象的数据，迭代器格式。for i in count.elements(): print(i) # 1 1 1 2 3 4 3 3 5 6 7 7 1给元组元素命名，并且可以通过名字访问元素。
from collections import namedtupleUser = namedtuple('User', ['name', 'sex', 'age'])user = User(name='Runoob', sex='male', age=12)print(user) # User(name='Runoob', sex='male', age=12)user = User._make(['RunoX', 'Male', 13])print(user) # User(name='RunoX', sex='Male', age=13)print(user.name, user.sex, user.age) # RunoX Male 13user = user._replace(age=22)print(user) # User(name='RunoX', sex='Male', age=22)print(user._asdict()) # {'name': 'RunoX', 'sex': 'Male', 'age': 22}OrderedDict 是一种可以记住它们插入顺序的字典。当然，在最新版本的 Python 中，内置的 dict 也可以记住它。
from collections import OrderedDictdictt = OrderedDict()dictt['a'] = 5dictt['d'] = 2dictt['c'] = 1dictt['b'] = 3print(dictt) # OrderedDict([('a', 5), ('d', 2), ('c', 1), ('b', 3)])defaultdict 将返回字典中不存在的键的默认值，而不是显示键错误。当然新版的dict.get()方法也可以返回默认值。
# 创建一个默认值为0的字典from collections import defaultdictdictt = defaultdict(int)dictt['a'] = 2print(dictt['a']) # 2print(dictt['b']) # 0# 新版本的 `dict.get()` 方法dict = {'a': 1, 'b': 2}print(dict.get('a', 0)) # 1print(dict.get('c', 0)) # 0print(dict.get('c')) # Nonedeque 是一个双端队列，可以从两侧添加和删除元素。
from collections import dequequeue = deque(['a', 'b', 'c'])queue.append('d')print(queue) # deque(['a', 'b', 'c', 'd'])queue.appendleft('e')print(queue) # deque(['e', 'a', 'b', 'c', 'd'])queue.pop()print(queue) # deque(['e', 'a', 'b', 'c'])queue.popleft()print(queue) # deque(['a', 'b', 'c'])Python itertools 模块提供了各种适用于组合计算的函数。
from itertools import product, permutations, combinations, combinations_with_replacement, accumulate, groupbya = [1,2,3]print(list(product(a,a))) # [(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)]print(list(permutations(a))) # [(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1)]print(list(combinations(a,2))) # [(1, 2), (1, 3), (2, 3)]print(list(combinations_with_replacement(a,2))) # [(1, 1), (1, 2), (1, 3), (2, 2), (2, 3), (3, 3)]print(list(accumulate(a))) # [1, 3, 6]print(list(groupby(a))) # [(1, <itertools._grouper object at 0x7f8b8b8b9d10>), (2, <itertools._grouper object at 0x7f8b8b8b9d20>), (3, <itertools._grouper object at 0x7f8b8b8b9d30>)]lambda 函数是一种匿名函数，它的语法只包含一个语句，即：lambda [arg1 [,arg2,.....argn]]:expression。
even_or_odd = lambda a: a%2==0numbers = [1,2,3,4,5]even = list(map(even_or_odd,numbers))print(even) # [False, True, False, True, False]装饰器是 Python 的一个特性，它可以在不显式修改现有代码的情况下向现有代码添加一些新功能。
有两种类型的装饰器——函数装饰器和类装饰器。装饰器函数在函数名前有一个@。
要理解装饰器的概念，我们首先需要了解一件事——python 中的函数是类对象。与其他对象不同，它们可以在函数内部定义，在其他函数中作为参数传递，甚至作为函数返回。
import functoolsdef decorator(func): @functools.wraps(func) def wrapper(*args, **kwargs): a,b = args print(a*b) result = func(*args,**kwargs) print(a/b) return result return wrapper@decoratordef add(x,y): return x+yresult = add(5,6)print(result) ##让我们理解上面装饰器的例子:
首先，我们有一个函数名 add，它的工作是获取两个变量并返回它们的总和。现在经过一段时间的工作后，我们意识到需要为同一个函数添加乘法和除法功能。现在我们有两个选择，第一个是在同一个 add 函数中添加乘法和除法代码。或者我们可以使用装饰器来添加功能而无需显式更改函数。
为了使用装饰器，我们首先在第 2 行定义了一个装饰器函数。此函数将 func 作为输入。在第二行中，我们有另一个函数，因为我们知道我们可以在函数内部定义函数。它是一个具有 *args、**kwargs 函数参数的包装函数。有了这些，两者都定义为参数，现在我们可以在函数内部传递任意数量的参数。在包装函数的主体中，我们有乘法逻辑，然后仅使用加法逻辑调用实际的加法函数，最后我们有除法逻辑。当我们使用一些参数 add(5,6) 调用 add 函数时，输出将是：
300.833333333333333411因为它首先执行乘法逻辑并打印值，然后加法逻辑并保存值，然后除法逻辑并打印值，最后返回相加的值并打印值。
生成器是一种返回可迭代对象的函数。它至少包含一个 yield 语句。yield 是 Python 中的一个关键字，用于从函数返回值而不破坏其当前状态或对局部变量的引用。带有 yield 关键字的函数称为生成器。相对于 return 你可以把 yield 理解为不中断函数的暂停，并且返回一个值。
生成器仅在需要时生成一次项目。它们的内存效率很高，占用的内存空间更少。
def fibonacci(n): a,b = 0,1 for i in range(n): a,b = b,a+b yield afor i in fibonacci(5): print(i) ## 1 1 2 3 5线程和多处理都用于同时运行多个脚本。进程是程序的一个实例，线程是进程中的一个实体。
线程化是多个线程同时运行以执行不同任务的技术，而多处理是多个进程同时运行在不同CPU上的技术。下图对进程和线程的区别进行了说明，更多的信息请参考：这儿
Dunder 是 Double 和 Under 的缩写，称为双下划线方法，是python中的一种特殊方法。
num =5print(num*6) ## 30print(num.__mul__(6)) ## 30这些方法主要用于重载预定义的运算符。例如，+、-、*、/ 是必须在数字对象周围使用的数字运算符，但 + 也用作两个字符串之间的连接运算符。所以我们可以说 + 运算符被重载来执行多个任务。
a =5b =6print(a+b) ## 11print(a.__add__(b)) ## 11c = 'hello'd = 'world'print(c+d) ## helloworldprint(c.__add__(d)) ## helloworld日志记录是在代码执行时捕获代码流的过程。日志记录有助于轻松调试代码。它通常在文件中完成，以便我们以后可以检索它。在 python 中，我们有一个库日志记录，可以帮助我们将日志写入文件。有五个级别的日志记录：
这儿作者推荐大家一个简单的日志记录工具：loguru。
上下文管理器是 Python 中的一个很好的工具，可以帮助进行资源管理。它们允许您在需要时分配和释放资源。上下文管理器最常用和最受认可的例子是 with 语句。with 主要用于打开和关闭文件。
with open('./test.txt', 'w') as f: f.write('Hello World!')上面分享的10个提供python水平的高级知识点，希望在你工作或面试中有所帮助。
在编程的路上，挑战与精进同在，尝试学习使用装饰器 、yield、itertool 之类的高级功能，可以让你的编程生活变得更加有趣！
本文链接：http://www.28at.com/showinfo-26-52167-0.html十个提高Python水平的高级知识点
声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com
Copyright © 2016-2023 天津谷骐科技有限公司 版权所有 sitemap.xml
违法及侵权请联系：2376512515@qq.com 津ICP备18001702号
津公网安备 12010102000574号
