for - else

十大装B语法，for-else 绝对算得上囊波湾！不信，请看：

>>> for i in [1,2,3,4]:
    print(i)
else:
    print(i, '我是else')

1
2
3
4
4 我是else

else 的眼里只有 for，只要 for 顺利执行完毕，else 就会屁颠儿屁颠儿地跑一遍：

>>> for i in [1,2,3,4]:
    if i > 2:
        print(i)
else:
    print(i, '我是else')

3
4
4 我是else

只有当 for 循环被 break 语句中断之后，才会跳过 else 语句：

>>> for i in [1,2,3,4]:
    if i>2:
        print(i)
        break
else:
    print(i, '我是else')

3

一颗星(*)和两颗星(**)

>>> def multi_sum(*args):
    s = 0
    for item in args:
        s += item
    return s

>>> multi_sum(3,4,5)
12

Python 函数允许同时全部或部分使用固定参数、默认参数、单值（一颗星）可变参数、键值对（两颗星）可变参数，使用时必须按照前述顺序书写。

>>> def do_something(name, age, gender='男', *args, **kwds):
    print('姓名：%s，年龄：%d，性别：%s'%(name, age, gender))
    print(args)
    print(kwds)

>>> do_something('xufive', 50, '男', 175, 75, math=99, english=90)
姓名：xufive，年龄：50，性别：男
(175, 75)
{'math': 99, 'english': 90}

三元表达式

>>> y = 5
>>> if y < 0:
    print('y是一个负数')
else:
    print('y是一个非负数')

y是一个非负数

其实，python 是支持三元表达式的，只是稍微怪异了一点，类似于我们山东人讲话。比如，山东人最喜欢用倒装句：打球去吧，要是不下雨的话；下雨，咱就去自习室。翻译成三元表达式就是：
打球去吧 if 不下雨 else 去自习室
来看看三元表达式具体的使用：

>>> y = 5
>>> print('y是一个负数' if y < 0 else 'y是一个非负数')
y是一个非负数
python 的三元表达式也可以用来赋值：
>>> y = 5
>>> x = -1 if y < 0 else 1
>>> x
1

with - as

with 语句适合一些事先需要准备，事后需要处理的任务，比如，文件操作，需要先打开文件，操作完成后需要关闭文件。如果不使用with，文件操作通常得这样：

fp = open(r"D:phygerColumn	empmpmap.py", 'r')
try:
    contents = fp.readlines()
finally:
    fp.close()

如果使用 with - as，那就优雅多了：

>>> with open(r"D:phygerColumn	empmpmap.py", 'r') as fp:
    contents = fp.readlines()

列表推导式

求列表各元素的平方，通常应该这样写（当然也有其他写法，比如使用map函数）：

>>> a = [1, 2, 3, 4, 5]
>>> result = list()
>>> for i in a:
    result.append(i*i)

>>> result
[1, 4, 9, 16, 25]

如果使用列表推导式，看起来就舒服多了：

>>> a = [1, 2, 3, 4, 5]
>>> result = [i*i for i in a]
>>> result
[1, 4, 9, 16, 25]

事实上，推导式不仅支持列表，也支持字典、集合、元组等对象。

列表索引的各种骚操作

>>> 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]

如果说，这些你都很熟悉，也经常用，那么接下来这个用法，你一定会感觉很神奇：

>>> 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函数

下面是一个求和的匿名函数，输入参数有两个，x和y，函数体就是x+y，省略了return关键字。

>>> lambda x,y: x+y
<function <lambda> at 0x000001B2DE5BD598>
>>> (lambda x,y: x+y)(3,4) # 因为匿名函数没有名字，使用的时候要用括号把它包起来

匿名函数一般不会单独使用，而是配合其他方法，为其他方法提供内置的算法或判断条件。比如，使用排序函数sorted对多维数组或者字典排序时，就可以指定排序规则。

>>> 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']) # 按年龄排序
[{'name': 'A', 'age': 30}, {'name': 'C', 'age': 40}, {'name': 'B', 'age': 50}]

再举一个数组元素求平方的例子，这次用map函数：

>>> 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

pyrhon内置了迭代函数 iter，用于生成迭代器，用法如下：

>>> a = [1,2,3]
>>> a_iter = iter(a)
>>> a_iter
<list_iterator object at 0x000001B2DE434BA8>
>>> for i in a_iter:
    print(i, end=', ')

1, 2, 3,

yield 则是用于构造生成器的。比如，我们要写一个函数，返回从0到某正整数的所有整数的平方，传统的代码写法是这样的：

>>> 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]

但是如果计算1亿以内的所有整数的平方，这个函数的内存开销会非常大，这是 yield 就可以大显身手了：

>>> def get_square(n):
    for i in range(n):
        yield(pow(i,2))

>>> a = get_square(5)
>>> a
<generator object get_square at 0x000001B2DE5CACF0>
>>> for i in a:
    print(i, end=', ')

0, 1, 4, 9, 16,

如果再次遍历，则不会有输出了。

装饰器

下面的例子，很好地展示了装饰器的优势。

>>> import time
>>> def timer(func):
    def wrapper(*args,**kwds):
        t0 = time.time()
        func(*args,**kwds)
        t1 = time.time()
        print('耗时%0.3f'%(t1-t0,))
    return wrapper

>>> @timer
def do_something(delay):
    print('函数do_something开始')
    time.sleep(delay)
    print('函数do_something结束')


>>> do_something(3)
函数do_something开始
函数do_something结束
耗时3.077

timer() 是我们定义的装饰器函数，使用@把它附加在任何一个函数（比如do_something）定义之前，就等于把新定义的函数，当成了装饰器函数的输入参数。运行 do_something() 函数，可以理解为执行了timer(do_something) 。

巧用断言assert

所谓断言，就是声明表达式的布尔值必须为真的判定，否则将触发 AssertionError 异常。

>>> def i_want_to_sleep(delay):
    assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
    print('开始睡觉')
    time.sleep(delay)
    print('睡醒了')


>>> i_want_to_sleep(1.1)
开始睡觉
睡醒了
>>> i_want_to_sleep(2)
开始睡觉
睡醒了
>>> i_want_to_sleep('2')
Traceback (most recent call last):
  File "<pyshell#247>", line 1, in <module>
    i_want_to_sleep('2')
  File "<pyshell#244>", line 2, in i_want_to_sleep
    assert(isinstance(delay, (int,float))), '函数参数必须为整数或浮点数'
AssertionError: 函数参数必须为整数或浮点数