Python 你可能從未聽(tīng)說(shuō)過(guò)的5種隱藏技巧
↑?關(guān)注 + 星標(biāo)?，每天學(xué)Python新技能
后臺(tái)回復(fù)【大禮包】送你Python自學(xué)大禮包
1. ... 對(duì)象
沒(méi)錯(cuò)，你沒(méi)看錯(cuò)，就是 "..."
在Python中?...?代表著一個(gè)名為?Ellipsis?的對(duì)象。根據(jù)官方說(shuō)明，它是一個(gè)特殊值，通?？梢宰鳛?strong>空函數(shù)的占位符，或是用于Numpy中的切片操作。
如：
def?my_awesome_function():
????...等同于：
def?my_awesome_function():
????Ellipsis當(dāng)然，你也可以使用pass或者字符串作為占位符：
def?my_awesome_function():
????passdef?my_awesome_function():
????"An empty, but also awesome function"他們最終的效果都是相同的。
接下來(lái)講講...對(duì)象是如何在Numpy中體現(xiàn)出作用的，創(chuàng)建一個(gè) 3x3x3 的矩陣數(shù)組，然后獲取所有最內(nèi)層矩陣的第二列：
>>> import?numpy as?np
>>> array = np.arange(27).reshape(3, 3, 3)
>>> array
array([[[ 0, 1, 2],
????????[ 3, 4, 5],
????????[ 6, 7, 8]],
???????[[ 9, 10, 11],
????????[12, 13, 14],
????????[15, 16, 17]],
???????[[18, 19, 20],
????????[21, 22, 23],
????????[24, 25, 26]]])為了獲取最層矩陣的第二列，傳統(tǒng)方法可能是這樣的：
>>> array[:, :, 1]
array([[ 1, 4, 7],
???????[10, 13, 16],
???????[19, 22, 25]])如果你會(huì)用...對(duì)象，則是這樣的：
>>> array[..., 1]
array([[ 1, 4, 7],
???????[10, 13, 16],
???????[19, 22, 25]])不過(guò)請(qǐng)注意， ... 對(duì)象僅可用于Numpy，不適用于Python內(nèi)置數(shù)組。
2.解壓迭代對(duì)象
解壓迭代對(duì)象是一個(gè)非常方便的特性：
>>> a, *b, c = range(1, 11)
>>> a
1
>>> c
10
>>> b
[2, 3, 4, 5, 6, 7, 8, 9]或者是：
>>> a, b, c = range(3)
>>> a
0
>>> b
1
>>> c
2同理，與其寫(xiě)這樣的代碼：
>>> lst = [1]
>>> a = lst[0]
>>> a
1
>>> (a, ) = lst
>>> a
1你不如跟解壓迭代對(duì)象一樣，進(jìn)行更優(yōu)雅的賦值操作：
>>> lst = [1]
>>> [a] = lst
>>> a
1
雖然這看起來(lái)有點(diǎn)蠢，但就我個(gè)人來(lái)看，比前一種寫(xiě)法更優(yōu)雅一些。
3.展開(kāi)的藝術(shù)
數(shù)組展開(kāi)有各種千奇百怪的姿勢(shì)，比如說(shuō)：
>>> l = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
>>> flattened = [elem for?sublist in?l for?elem in?sublist]
>>> flattened
[1, 2, 3, 4, 5, 6, 7, 8, 9]如果你對(duì)reduce和lambda有一定了解，建議使用更優(yōu)雅的方式：
>>> from?functools import?reduce
>>> reduce(lambda?x,y: x+y, l)
[1, 2, 3, 4, 5, 6, 7, 8, 9]reduce和lambda組合起來(lái)，就能針對(duì) l 數(shù)組內(nèi)的每個(gè)子數(shù)組做拼接操作。
當(dāng)然，還有更神奇的方式：
>>> sum(l, [])
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> # 其實(shí)相當(dāng)于 [] + [1, 2, 3] + [4, 5, 6] + [7, 8, 9]沒(méi)錯(cuò)，這樣對(duì)二維數(shù)組做sum操作，就能使二維數(shù)組內(nèi)的每個(gè)元素做“加”法拼接起來(lái)。
同樣的道理，如果你對(duì)三位數(shù)組做sum操作，就能使其變?yōu)槎S數(shù)組，此時(shí)再對(duì)二維數(shù)組做sum操作，就能展開(kāi)為一維數(shù)組。
雖然這個(gè)技巧很出色，但我并不推薦使用，因?yàn)榭勺x性太差了。
4.下劃線(xiàn)?_?變量
每當(dāng)你在Python解釋器，IPython或Django Console中運(yùn)行表達(dá)式時(shí)，Python都會(huì)將輸出的值綁定到 _ 變量中：
>>> nums = [1, 3, 7]
>>> sum(nums)
11
>>> _
11
>>>由于它是一個(gè)變量，你可以隨時(shí)覆蓋它，或像普通變量一樣操作它：
>>> 9?+ _
20
>>> a = _
>>> a
205.多種用途的else
很多人都不知道，else 可以被用于許多地方，除了典型的 if else, 我們還可以在循環(huán)和異常處理里用到它。
循環(huán)
如果需要判斷循環(huán)里是否處理了某個(gè)邏輯，通常情況下會(huì)這么做：
found = False
a = 0
while?a < 10:
????if?a == 12:
????????found = True
????a += 1
if?not?found:
????print("a was never found")如果引入else，我們可以少用一個(gè)變量：
a = 0
while?a < 10:
????if?a == 12:
????????break
????a += 1
else:
????print("a was never found")異常處理
我們可以在 try ... except ... 中使用 else 編寫(xiě)未捕獲到異常時(shí)的邏輯：
In [13]: try:
????...: {}['lala']
????...: except?KeyError:
????...: print("Key is missing")
????...: else:
????...: print("Else here")
????...:
Key is?missing這樣，如果程序沒(méi)有異常，則會(huì)走else分支：
In [14]: try:
????...: {'lala': 'bla'}['lala']
????...: except?KeyError:
????...: print("Key is missing")
????...: else:
????...: print("Else here")
????...:
Else here如果你經(jīng)常做異常處理，你就會(huì)知道這個(gè)技巧相當(dāng)方便。
