[python篇] [伯乐在线][1]永远别写for循环
首先,让我们退一步看看在写一个for循环背后的直觉是什么: 1.遍历一个序列提取出一些信息 2.从当前的序列中生成另外的序列 3.写for循环已经是我的第二天性了,因为我是一个程序员 幸运的是,Python里面已经有很棒的工具帮你达到这些目标!你需要做的只是转变思想,用不同的角度看问题。 不到处写for循环你将会获得什么 1.更少的代码行数 2.更好的代码阅读性 3.只将缩进用于管理代码文本 Let’s see the code skeleton below: 看看下面这段代码的构架: Python # 1 with ...: for ...: if ...: try: except: else: 1 2 3 4 5 6 7 # 1 with ...: for ...: if ...: try: except: else: 这个例子使用了多层嵌套的代码,这是非常难以阅读的。我在这段代码中发现它无差别使用缩进把管理逻辑(with, try-except)和业务逻辑(for, if)混在一起。如果你遵守只对管理逻辑使用缩进的规范,那么核心业务逻辑应该立刻脱离出来。 “扁平结构比嵌套结构更好” – 《Python之禅》 为了避免for循环,你可以使用这些工具 1. 列表解析/生成器表达式 看一个简单的例子,这个例子主要是根据一个已经存在的序列编译一个新序列: Python result = [] for item in item_list: new_item = do_something_with(item) result.append(item) 1 2 3 4 result = [] for item in item_list: new_item = do_something_with(item) result.append(item) 如果你喜欢MapReduce,那你可以使用map,或者Python的列表解析: Python result = [do_something_with(item) for item in item_list] 1 result = [do_something_with(item) for item in item_list] 同样的,如果你只是想要获取一个迭代器,你可以使用语法几乎相通的生成器表达式。(你怎么能不爱上Python的一致性?) Python result = (do_something_with(item) for item in item_list) 1 result = (do_something_with(item) for item in item_list) 2. 函数 站在更高阶、更函数化的变成方式考虑一下,如果你想映射一个序列到另一个序列,直接调用map函数。(也可用列表解析来替代。) Python doubled_list = map(lambda x: x * 2, old_list) 1 doubled_list = map(lambda x: x * 2, old_list) 如果你想使一个序列减少到一个元素,使用reduce Python from functools import reduce summation = reduce(lambda x, y: x + y, numbers) 1 2 from functools import reduce summation = reduce(lambda x, y: x + y, numbers) 另外,Python中大量的内嵌功能可/会(我不知道这是好事还是坏事,你选一个,不加这个句子有点难懂)消耗迭代器: Python >>> a = list(range(10)) >>> a [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> all(a) False >>> any(a) True >>> max(a) 9 >>> min(a) 0 >>> list(filter(bool, a)) [1, 2, 3, 4, 5, 6, 7, 8, 9] >>> set(a) {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} >>> dict(zip(a,a)) {0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9} >>> sorted(a, reverse=True) [9, 8, 7, 6, 5, 4, 3, 2, 1, 0] >>> str(a) '[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]' >>> sum(a) 45 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 >>> a = list(range(10)) >>> a [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> all(a) False >>> any(a) True >>> max(a) 9 >>> min(a) 0 >>> list(filter(bool, a)) [1, 2, 3, 4, 5, 6, 7, 8, 9] >>> set(a) {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} >>> dict(zip(a,a)) {0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9} >>> sorted(a, reverse=True) [9, 8, 7, 6, 5, 4, 3, 2, 1, 0] >>> str(a) '[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]' >>> sum(a) 45 3. 抽取函数或者表达式 上面的两种方法很好地处理了较为简单的逻辑,那更复杂的逻辑怎么办呢?作为一个程序员,我们会把困难的事情抽象成函数,这种方式也可以用在这里。如果你写下了这种代码: Python results = [] for item in item_list: # setups # condition # processing # calculation results.append(result) 1 2 3 4 5 6 7 results = [] for item in item_list: # setups # condition # processing # calculation results.append(result) 显然你赋予了一段代码太多的责任。为了改进,我建议你这样做: Python def process_item(item): # setups # condition # processing # calculation return result results = [process_item(item) for item in item_list] 1 2 3 4 5 6 7 8 def process_item(item): # setups # condition # processing # calculation return result results = [process_item(item) for item in item_list] 嵌套的for循环怎么样? Python results = [] for i in range(10): for j in range(i): results.append((i, j)) 1 2 3 4 results = [] for i in range(10): for j in range(i): results.append((i, j)) 列表解析可以帮助你: Python results = [(i, j) for i in range(10) for j in range(i)] 1 2 3 results = [(i, j) for i in range(10) for j in range(i)] 如果你要保存很多的内部状态怎么办呢? Python # finding the max prior to the current item a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] results = [] current_max = 0 for i in a: current_max = max(i, current_max) results.append(current_max) # results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9] 1 2 3 4 5 6 7 8 9 # finding the max prior to the current item a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] results = [] current_max = 0 for i in a: current_max = max(i, current_max) results.append(current_max) # results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9] 让我们提取一个表达式来实现这些: Python def max_generator(numbers): current_max = 0 for i in numbers: current_max = max(i, current_max) yield current_max a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] results = list(max_generator(a)) 1 2 3 4 5 6 7 8 def max_generator(numbers): current_max = 0 for i in numbers: current_max = max(i, current_max) yield current_max a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] results = list(max_generator(a)) “等等,你刚刚在那个函数的表达式中使用了一个for循环,这是欺骗!” 好吧,自作聪明的家伙,试试下面的这个。 4. 你自己不要写for循环,itertools会为你代劳 这个模块真是妙。我相信这个模块能覆盖80%你想写下for循环的时候。例如,上一个例子可以这样改写: Python from itertools import accumulate a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] resutls = list(accumulate(a, max)) 1 2 3 from itertools import accumulate a = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] resutls = list(accumulate(a, max)) 另外,如果你在迭代组合的序列,还有product(),permutations(),combinations()可以用。 结论 1.大多数情况下是不需要写for循环的。 2.应该避免使用for循环,这样会使得代码有更好的阅读性。 行动
首先,让我们退一步看看在写一个for循环背后的直觉是什么:
1.遍历一个序列提取出一些信息
2.从当前的序列中生成另外的序列
3.写for循环已经是我的第二天性了,因为我是一个程序员
幸运的是,Python里面已经有很棒的工具帮你达到这些目标!你需要做的只是转变思想,用不同的角度看问题。
不到处写for循环你将会获得什么
1.更少的代码行数
2.更好的代码阅读性
3.只将缩进用于管理代码文本
Let’s see the code skeleton below:
看看下面这段代码的构架:
1
2
3
4
5
6
7
|
# 1
with...:
for...:
if...:
try:
except:
else:
|
这个例子使用了多层嵌套的代码,这是非常难以阅读的。我在这段代码中发现它无差别使用缩进把管理逻辑(with, try-except)和业务逻辑(for, if)混在一起。如果你遵守只对管理逻辑使用缩进的规范,那么核心业务逻辑应该立刻脱离出来。
“扁平结构比嵌套结构更好” – 《Python之禅》
为了避免for循环,你可以使用这些工具
1. 列表解析/生成器表达式
看一个简单的例子,这个例子主要是根据一个已经存在的序列编译一个新序列:
1
2
3
4
|
result=[]
foritem initem_list:
new_item=do_something_with(item)
result.append(item)
|
如果你喜欢MapReduce,那你可以使用map,或者Python的列表解析:
1
|
result=[do_something_with(item)foritem initem_list]
|
同样的,如果你只是想要获取一个迭代器,你可以使用语法几乎相通的生成器表达式。(你怎么能不爱上Python的一致性?)
1
|
result=(do_something_with(item)foritem initem_list)
|
2. 函数
站在更高阶、更函数化的变成方式考虑一下,如果你想映射一个序列到另一个序列,直接调用map函数。(也可用列表解析来替代。)
1
|
doubled_list=map(lambdax:x*2,old_list)
|
如果你想使一个序列减少到一个元素,使用reduce
1
2
|
fromfunctoolsimportreduce
summation=reduce(lambdax,y:x+y,numbers)
|
另外,Python中大量的内嵌功能可/会(我不知道这是好事还是坏事,你选一个,不加这个句子有点难懂)消耗迭代器:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
>>>a=list(range(10))
>>>a
[0,1,2,3,4,5,6,7,8,9]
>>>all(a)
False
>>>any(a)
True
>>>max(a)
9
>>>min(a)
0
>>>list(filter(bool,a))
[1,2,3,4,5,6,7,8,9]
>>>set(a)
{0,1,2,3,4,5,6,7,8,9}
>>>dict(zip(a,a))
{0:0,1:1,2:2,3:3,4:4,5:5,6:6,7:7,8:8,9:9}
>>>sorted(a,reverse=True)
[9,8,7,6,5,4,3,2,1,0]
>>>str(a)
'[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]'
>>>sum(a)
45
|
3. 抽取函数或者表达式
上面的两种方法很好地处理了较为简单的逻辑,那更复杂的逻辑怎么办呢?作为一个程序员,我们会把困难的事情抽象成函数,这种方式也可以用在这里。如果你写下了这种代码:
1
2
3
4
5
6
7
|
results=[]
foritem initem_list:
# setups
# condition
# processing
# calculation
results.append(result)
|
显然你赋予了一段代码太多的责任。为了改进,我建议你这样做:
1
2
3
4
5
6
7
8
|
defprocess_item(item):
# setups
# condition
# processing
# calculation
returnresult
results=[process_item(item)foritem initem_list]
|
嵌套的for循环怎么样?
1
2
3
4
|
results=[]
foriinrange(10):
forjinrange(i):
results.append((i,j))
|
列表解析可以帮助你:
1
2
3
|
results=[(i,j)
foriinrange(10)
forjinrange(i)]
|
如果你要保存很多的内部状态怎么办呢?
1
2
3
4
5
6
7
8
9
|
# finding the max prior to the current item
a=[3,4,6,2,1,9,0,7,5,8]
results=[]
current_max=0
foriina:
current_max=max(i,current_max)
results.append(current_max)
# results = [3, 4, 6, 6, 6, 9, 9, 9, 9, 9]
|
让我们提取一个表达式来实现这些:
1
2
3
4
5
6
7
8
|
defmax_generator(numbers):
current_max=0
foriinnumbers:
current_max=max(i,current_max)
yieldcurrent_max
a=[3,4,6,2,1,9,0,7,5,8]
results=list(max_generator(a))
|
“等等,你刚刚在那个函数的表达式中使用了一个for循环,这是欺骗!”
好吧,自作聪明的家伙,试试下面的这个。
4. 你自己不要写for循环,itertools会为你代劳
这个模块真是妙。我相信这个模块能覆盖80%你想写下for循环的时候。例如,上一个例子可以这样改写:
1
2
3
|
fromitertoolsimportaccumulate
a=[3,4,6,2,1,9,0,7,5,8]
resutls=list(accumulate(a,max))
|
另外,如果你在迭代组合的序列,还有product(),permutations(),combinations()可以用。
结论
1.大多数情况下是不需要写for循环的。
2.应该避免使用for循环,这样会使得代码有更好的阅读性。