Python進(jìn)階必讀的書是什么

python cookbook 一書非常經(jīng)典，作者David Beazley，擁有超過(guò)20年的Python使用經(jīng)驗(yàn)，再加上他很強(qiáng)的寫作技能，所以值得一看。

它的翻譯版本也有很多，其中比較優(yōu)秀的版本是yidao620c翻譯的，今天查閱翻譯作者，就職華為。當(dāng)然，最重要的還是書的內(nèi)容好，這種按照一個(gè)小的話題展開(kāi)討論的方式，相信很多Python愛(ài)好者都比較喜歡。

這本書的話題要想理解透，還是需要具備一定的Python基礎(chǔ)，不太適合純Python小白。下面說(shuō)說(shuō)這本書，到底好在哪里，該怎么使用。

這是它的整體大綱目錄，一共包括十五章，分別討論：數(shù)據(jù)結(jié)構(gòu)，字符串，數(shù)字，迭代器和生成器，文件與IO，函數(shù)、類、模塊，網(wǎng)絡(luò)編程，并發(fā)與測(cè)試。這些都屬于Python中最最核心的知識(shí)模塊，原書作者David個(gè)人推薦解決現(xiàn)實(shí)問(wèn)題時(shí)，優(yōu)先考慮Python中內(nèi)置的模塊是否能解決問(wèn)題。

那么這本書到底好在哪里呢？它分話題展開(kāi)討論，每個(gè)話題都足夠精簡(jiǎn)，無(wú)廢話。最大限度的從實(shí)際應(yīng)用總結(jié)每個(gè)知識(shí)點(diǎn)，比如在話題：保留最后N個(gè)元素時(shí)，編寫的代碼就很漂亮：

from collections import deque

def search(lines, pattern, history=5):
    previous_lines = deque(maxlen=history)
    for line in lines:
        if pattern in line:
            yield line, previous_lines
        previous_lines.append(line)

# Example use on a file
if __name__ == '__main__':
    with open(r'../../cookbook/somefile.txt') as f:
        for line, prevlines in search(f, 'python', 5):
            for pline in prevlines:
                print(pline, end='')
            print(line, end='')
            print('-' * 20)

保留有限歷史記錄正是 collections.deque 大顯身手的時(shí)候，難得是作者會(huì)對(duì)上面的代碼做了簡(jiǎn)要的分析：

我們?cè)趯懖樵冊(cè)氐拇a時(shí)，通常會(huì)使用包含 yield 表達(dá)式的生成器函數(shù)，也就是我們上面示例代碼中的那樣。這樣可以將搜索過(guò)程代碼和使用搜索結(jié)果代碼解耦

讓我們真正明白到底好在哪里，以及Python內(nèi)置的模塊真的很強(qiáng)大。

再比如作者在討論查找最大或最小的 N 個(gè)元素這個(gè)話題時(shí)，表面上這是一個(gè)很簡(jiǎn)單的話題，其實(shí)如果要考慮的全面，也是需要留意一些事情的。作者分別討論了：

• 當(dāng)查找元素個(gè)數(shù)N = 1時(shí)，建議直接使用max或min方法

• 當(dāng)查找元素個(gè)數(shù)接近整個(gè)列表長(zhǎng)度時(shí)，建議使用sorted函數(shù)以切片的方式獲取

• 當(dāng)要查找的元素個(gè)數(shù)相對(duì)比較小的時(shí)候，函數(shù) nlargest() 和 nsmallest() 是很合適的

相信大家都對(duì)前兩種情況的解決方法比較熟悉，第三種使用內(nèi)置模塊heapq是算法中的堆結(jié)構(gòu)，常見(jiàn)的大根堆，小根堆，

>>> nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
>>> import heapq
>>> heap = list(nums)
>>> heapq.heapify(heap)
>>> heap
[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
>>>

Python中heapify后，默認(rèn)建立一個(gè)小根堆。它最重要的特征是 heap[0] 永遠(yuǎn)是最小的元素。

比如，如果想要查找最小的 3 個(gè)元素，你可以這樣做，首先執(zhí)行一次heappop后，次小元素變?yōu)樽钚?，如下圖所示：

>>> heapq.heappop(heap)
-4

再次執(zhí)行兩次后，就能得到列表的前三個(gè)最小的元素為[-4,1,2]，此時(shí)的小根堆為如下圖所示：

>>> heapq.heappop(heap)
1
>>> heapq.heappop(heap)
2