Python 是一种代表简单思想的语言，其语法相对简单，很容易上手。
不过，如果就此小视 Python 语法的精妙和深邃，那就大错特错了。本文精心筛选了最能展现 Python 语法之精妙的十个知识点，并附上详细的实例代码。
如能在实战中融会贯通、灵活使用，必将使代码更为精炼、高效，同时也会极大提升代码B格，使之看上去更老练，读起来更优雅。
1. for - else
什么？不是 if 和 else 才是原配吗？No，你可能不知道，else 是个脚踩两只船的家伙，for 和 else 也是一对，而且是合法的。
十大装B语法，for-else 绝对算得上南无湾！不信，请看：
<code>>>> for i in [1,2,3,4]:\tprint(i)else:
1
2
3
4print(i, '我是else')/<code>
如果在 for 和 else 之间（循环体内）有第三者 if 插足，也不会影响 for 和 else 的关系。
因为 for 的级别比 if 高，else 又是一个攀附权贵的家伙，根本不在乎是否有 if，以及是否执行了满足 if 条件的语句。
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：
<code>>>> for i in [1,2,3,4]:\tif i >
2:\t\tprint(i)
else:\tprint(i, '我是else')
344 我是else/<code>
那么，如何拆散 for 和 else 这对冤家呢？只有当 for 循环被 break 语句中断之后，才会跳过 else 语句：
<code>>>> for i in [1,2,3,4]:\t
if i>2:\t\tprint(i)\t\t
breakelse:\t
print(i, '我是else')/<code>
2. 一颗星(*)和两颗星(**)
有没有发现，星(*)真是一个神奇的符号！想一想，没有它，C语言还有啥好玩的？
同样，因为有它，Python 才会如此的仪态万方、风姿绰约、楚楚动人！
Python 函数支持默认参数和可变参数，一颗星表示不限数量的单值参数，两颗星表示不限数量的键值对参数。
我们还是举例说明吧：设计一个函数，返回多个输入数值的和。
我们固然可以把这些输入数值做成一个list传给函数，但这个方法，远没有使用一颗星的可变参数来得优雅：
<code>>>> def multi_sum(*args):\t
s = 0\tfor item in args:\t
s += item\treturn
s>>> multi_sum(3,4,5)/<code>
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。
<code>>>> def do_something(name, age,
gender='男', *args, **kwds):\t
print('姓名：%s，年龄：%d，性别：%s'%(name, age, gender))\t
print(args)\tprint(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}/<code>
此外，一颗星和两颗星还可用于列表、元组、字典的解包，看起来更像C语言：
<code>>>> a = (1,2,3)>>>
print(a)(1, 2, 3)>>>
print(*a)1 2 3>>> b = [1,2,3]>>>
print(b)[1, 2, 3]>>>
print(*b)1 2 3>>> c = {'name':'xufive', 'age':51}>>>
print(c){'name': 'xufive', 'age': 51}>>>
print(*c)name age>>>
print('name:{name},
age:{age}'.format(**c))name:xufive, age:51/<code>
3. 三元表达式
熟悉 C/C++ 的程序员，初上手 python 时，一定会怀念经典的三元操作符，因为想表达同样的思想，用python 写起来似乎更麻烦。比如：
<code>>>> y = 5>>> if y < 0:
print('y是一个负数')else:\t
print('y是一个非负数')y是一个非负数/<code>
其实，python 是支持三元表达式的，只是稍微怪异了一点，类似于我们讲话。
比如，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：
<code>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/<code>
python 的三元表达式也可以用来赋值：
<code>>>> y = 5>>> x = -1 if y < 0 else 1>>> x/<code>
4. with - as
with 这个词儿，英文里面不难翻译，但在 Python 语法中怎么翻译，我还真想不出来，大致上是一种上下文管理协议。
作为初学者，不用关注 with 的各种方法以及机制如何，只需要了解它的应用场景就可以了。
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：
<code>fp = open(r"D:\\CSDN\\Column\\temp\\mpmap.py", 'r')try: contents = fp.readlines()finally: fp.close()/<code>
如果使用 with - as，那就优雅多了：
<code>>>> with open(r"D:\\CSDN\\Column\\temp\\mpmap.py", 'r') as fp:\tcontents = fp.readlines()/<code>
5. 列表推导式
在各种稀奇古怪的语法中，列表推导式的使用频率应该时最高的，对于代码的简化效果也非常明显。
比如，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）：
<code>>>> a = [1, 2, 3, 4, 5]>>> result = list()>>> for i in a:\tresult.append(i*i)>>> result[1, 4, 9, 16, 25]/<code>
如果使用列表推导式，看起来就舒服多了：
<code>>>> a = [1, 2, 3, 4, 5]>>> result = [i*i for i in a]>>> result[1, 4, 9, 16, 25]/<code>
事实上，推导式不仅支持列表，也支持字典、集合、元组等对象。有兴趣的话，可以自行研究。
6. 列表索引的各种骚操作
Python 引入负整数作为数组的索引，这绝对是喜大普奔之举。想想看，在C/C++中，想要数组最后一个元素，得先取得数组长度，减一之后做索引，严重影响了思维的连贯性。
Python语言之所以获得成功，我个人觉得，在诸多因素里面，列表操作的便捷性是不容忽视的一点。请看：
<code>>>> 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]/<code>
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：
<code>>>> 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]/<code>
7. lambda函数
lambda 听起来很高大上，其实就是匿名函数（了解js的同学一定很熟悉匿名函数）。
匿名函数的应用场景是什么呢？
就是仅在定义匿名函数的地方使用这个函数，其他地方用不到，所以就不需要给它取个阿猫阿狗之类的名字了。
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。
<code>>>> lambda x,y: x+y<function>
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/<function>/<code>
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。
<code>>>> 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}]/<code>再举一个数组元素求平方的例子，这次用map函数：
<code>>>> a = [1,2,3]>>> for item in map(lambda x:x*x, a):\tprint(item, end=', ')1, 4, 9, /<code>
8. yield 以及生成器和迭代器
yield 这词儿，真不好翻译，翻词典也没用。我干脆就读作“一爱得”，算是外来词汇吧。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，绕晕了吧？算了，我还是说白话吧。
话说py2时代，range()返回的是list，但如果range(10000000)的话，会消耗大量内存资源，所以，py2又搞了一个xrange()来解决这个问题。
py3则只保留了xrange()，但写作range()。xrange()返回的就是一个迭代器，它可以像list那样被遍历，但又不占用多少内存。
generator（生成器）是一种特殊的迭代器，只能被遍历一次，遍历结束，就自动消失了。总之，不管是迭代器还是生成器，都是为了避免使用list，从而节省内存。
那么，如何得到迭代器和生成器呢？
python内置了迭代函数 iter，用于生成迭代器，用法如下：
<code>>>> a = [1,2,3]>>> a_iter = iter(a)>>>
a_iter<list>>>>
for i in a_iter:\tprint(i, end=', ')1, 2, 3, /<list>/<code>
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：
<code>>>> def get_square(n):\tresult = list()\tfor i in range(n):\t
result.append(pow(i,2))\treturn result>>>
print(get_square(5))[0, 1, 4, 9, 16]/<code>
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：
<code>>>> def get_square(n):\tfor i in range(n):\t
yield(pow(i,2))>>> a = get_square(5)>>>
a<generator>>>>
for i in a:\tprint(i, end=', ')0, 1, 4, 9, 16, /<generator>/<code>
如果再次遍历，则不会有输出了。
9. 装饰器
刚弄明白迭代器和生成器，这又来个装饰器，Python 咋这么多器呢？的确，Python 为我们提供了很多的武器，装饰器就是最有力的武器之一。
装饰器很强大，我在这里尝试从需求的角度，用一个简单的例子，说明装饰器的使用方法和制造工艺。
假如我们需要定义很多个函数，在每个函数运行的时候要显示这个函数的运行时长，解决方案有很多。
比如，可以在调用每个函数之前读一下时间戳，每个函数运行结束后再读一下时间戳，求差即可；也可以在每个函数体内的开始和结束位置上读时间戳，最后求差。
不过，这两个方法，都没有使用装饰器那么简单、优雅。下面的例子，很好地展示了这一点。
<code>>>> import time>>> def timer(func):\tdef wrapper(*args,**kwds):\t
t0 = time.time()\t\tfunc(*args,**kwds)\t\tt1 = time.time()\t\t
print('耗时%0.3f'%(t1-t0,))\treturn wrapper>>>
@timerdef do_something(delay):
print('函数do_something开始')\ttime.sleep(delay)\t
print('函数do_something结束')\t>>> do_something
(3)函数do_something开始函数do_something结束耗时3.077/<code>
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) 。
细节虽然复杂，不过这么理解不会偏差太大，且更易于把握装饰器的制造和使用。
10. 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。
严格来讲，assert是调试手段，不宜使用在生产环境中，但这不影响我们用断言来实现一些特定功能，比如，输入参数的格式、类型验证等。
<code>>>> def i_want_to_sleep(delay):\tassert(isinstance(delay, (int,float))),
'函数参数必须为整数或浮点数'\t
print('开始睡觉')\ttime.sleep(delay)
print('睡醒了')\t>>> 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>", line 1, in <module>
i_want_to_sleep('2') File "<pyshell>",
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/<pyshell>/<module>/<pyshell>/<code>
最后小编帮助大家整理了一套python教程，下面展示了部分，希望也能帮助对编程感兴趣，想做数据分析，人工智能、爬虫或者希望从事编程开发的小伙伴，毕竟python工资也还可以，如果能帮到你请点赞、点赞、点赞。
PS：如果你喜欢python，并觉得这篇文章对你有益的话，麻烦多多点赞关注支持！！！！
閱讀更多 程序猿老旭 的文章
