**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?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():
    pass

def 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 _ 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
20

5.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。