任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目，并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案，它使用了你从不知道的 Python 功能！
这种学习方式太有趣了：通过探索，偶然发现什么。
下面是 Python 的 5 种高级特征，以及它们的用法。
01
Lambda函数
Lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。
Python 函数通常使用 def a_function_name() 样式来定义，但对于 lambda 函数，我们根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。
lambda 函数可以使用任意数量的参数，但表达式只能有一个。
x=lambdaa,b:a*bprint(x(5,6))#prints 30x=lambdaa:a*3 3print(x(3))#prints 12
看它多么简单！我们执行了一些简单的数学运算，而无需定义整个函数。这是 Python 的众多特征之一，这些特征使它成为一种干净、简单的编程语言。
02
Map函数
Map() 是一种内置的 Python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。
defsquare_it_func(a):returna*ax=map(square_it_func,[1,4,7])print(x)#prints [1,16,47]defmultiplier_func(a,b):returna*bx=map(multiplier_func,[1,4,7],[2,5,8])print(x)#prints [2,20,56] 看看上面的示例！我们可以将函数应用于单个或多个列表。实际上，你可以使用任何 Python 函数作为 map 函数的输入，只要它与你正在操作的序列元素是兼容的。
03
Filter函数
filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构（列表、元组、字典）。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。
详情请看如下示例：
#Ournumbersnumbers=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]#Functionthatfiltersoutallnumberswhichareodddeffilter_odd_numbers(num):ifnum%2==0:returnTrueelse:returnFalsefiltered_numbers=filter(filter_odd_numbers,numbers)print(filtered_numbers)#filtered_numbers=[2,4,6,8,10,12,14]
我们不仅评估了每个列表元素的 True 或 False，filter() 函数还确保只返回匹配为 True 的元素。非常便于处理检查表达式和构建返回列表这两步。
04
Itertools模块
Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句（包括列表、元组和字典）中使用的数据类型。
使用 Itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。关于 Itertools 的神奇之处，请看以下示例：
fromitertoolsimport*#Easyjoiningoftwolistsintoalistoftuplesforiinizip([1,2,3],[ a , b , c ]):printi#( a ,1)#( b ,2)#( c ,3)#Thecount()functionreturnsaninteratorthat#producesconsecutiveintegers,forever.This#oneisgreatforaddingindicesnexttoyourlist#elementsforreadabilityandconvenienceforiinizip(count(1),[ Bob , Emily , Joe ]):printi#(1, Bob )#(2, Emily )#(3, Joe )#Thedropwhile()functionreturnsaniteratorthatreturns#alltheelementsoftheinputwhichcomeafteracertain#conditionbecomesfalseforthefirsttime.defcheck_for_drop(x):print Checking: ,xreturn(x>5)foriindropwhile(should_drop,[2,4,6,8,10,12]):print Result: ,i#Checking:2#Checking:4#Result:6#Result:8#Result:10#Result:12#Thegroupby()functionisgreatforretrievingbunches#ofiteratorelementswhicharethesameorhavesimilar#propertiesa=sorted([1,2,1,3,2,1,2,3,4,5])forkey,valueingroupby(a):print(key,value),end= )#(1,[1,1,1])#(2,[2,2,2])#(3,[3,3])#(4,[4])#(5,[5])
05
Generator函数
Generator 函数是一个类似迭代器的函数，即它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。
比如，我们想把 1 到 1000 的所有数字相加，以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。
如果列表很小，比如 1000 行，计算所需的内存还行。但如果列表巨长，比如十亿浮点数，这样做就会出现问题了。使用这种 for 循环，内存中将出现大量列表，但不是每个人都有无限的 RAM 来存储这么多东西的。Python 中的 range() 函数也是这么干的，它在内存中构建列表。
代码中第二部分展示了使用 Python generator 函数对数字列表求和。generator 函数创建元素，并只在必要时将其存储在内存中，即一次一个。这意味着，如果你要创建十亿浮点数，你只能一次一个地把它们存储在内存中！Python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。
上述例子说明：如果你想为一个很大的范围生成列表，那么就需要使用 generator 函数。如果你的内存有限，比如使用移动设备或边缘计算，使用这一方法尤其重要。
也就是说，如果你想对列表进行多次迭代，并且它足够小，可以放进内存，那最好使用 for 循环或 Python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值，而 Python 2.x range 函数是静态的列表，而且整数已经置于内存中，以便快速访问。
#(1)Usingaforloopvnumbers=list()foriinrange(1000):numbers.append(i 1)total=sum(numbers)#(2)Usingageneratordefgenerate_numbers(n):num,numbers=1,[]whilenum<n:numbers.append(num)num =1returnnumberstotal=sum(generate_numbers(1000))#(3)range()vsxrange()total=sum(range(1000 1))total=sum(xrange(1000 1))
