Python 進階語法範例

  Python 進階語法範例

 

1️⃣ 列表推導式 (List Comprehension)

prices = [100, 105, 102, 110]
returns = [(prices[i+1] - prices[i]) / prices[i] * 100 for i in range(len(prices)-1)]
print(returns)  # [5.0, -2.86, 7.84]

解釋：

• prices 是每日收盤價清單。

• range(len(prices)-1) 產生 index [0,1,2]，用來抓前一天和下一天的價格差。

• (prices[i+1] - prices[i]) / prices[i] * 100 計算每日報酬率（百分比）。

• [...] for i in range(...) → 列表推導式，把每個計算結果生成新的清單 returns。

---

2️⃣ 字典推導式 (Dict Comprehension)

fields = ["open", "high", "low", "close"]
index_map = {field: i for i, field in enumerate(fields)}
print(index_map)  # {'open': 0, 'high': 1, 'low': 2, 'close': 3}

解釋：

• enumerate(fields) → 同時拿到索引 i 和對應元素 field。

• {field: i for ...} → 字典推導式，把元素作為 key，索引作為 value。

• index_map 會把欄位名稱對應到位置，方便後續抓資料。

---

3️⃣ Lambda + Reduce

from functools import reduce
daily_returns = [0.01, -0.02, 0.03, 0.01]
cumulative = reduce(lambda x, y: x * (1 + y), daily_returns, 1) - 1
print(round(cumulative, 4))  # 0.0297

解釋：

• reduce(func, iterable, start) → 把 iterable 依序套用 func，從 start 開始。

• lambda x, y: x * (1 + y) → 匿名函數，把累積報酬與每日報酬結合。

• 1 → 初始值 (本金)。

• -1 → 最後減去本金，得到純報酬率。

---

4️⃣ Enumerate

prices = [100, 102, 101, 104]
for i, price in enumerate(prices):
    print(f"Day {i}: Price={price}")

解釋：

• enumerate(prices) → 同時拿到 index 和價格。

• f"Day {i}: Price={price}" → f-string 格式化，顯示哪一天價格。

---

5️⃣ Zip

dates = ["2025-09-08", "2025-09-09", "2025-09-10"]
prices = [100, 102, 101]
for d, p in zip(dates, prices):
    print(f"{d}: {p}")

解釋：

• zip(dates, prices) → 將兩個序列配對，迭代時同時取得日期和價格。

• 適合把多個清單「同步」處理。

---

6️⃣ 裝飾器 (Decorator)

import time

def timer(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        print(f"執行時間: {time.time() - start:.4f} 秒")
        return result
    return wrapper

@timer
def simulate_trade():
    return sum([i**2 for i in range(10**6)])

simulate_trade()

解釋：

• @timer → 把 simulate_trade 包裝在 timer 裡。

• wrapper(*args, **kwargs) → 可接受任何參數的中介函數。

• time.time() → 計算程式執行時間。

• sum([i**2 for i in range(10**6)]) → 模擬計算大量交易策略。

• 執行時會印出耗時，方便優化程式效率。

---

7️⃣ 生成器 (Generator, yield)

def price_stream(prices):
    for p in prices:
        yield p

prices = [100, 102, 104, 103]
for p in price_stream(prices):
    print("Next price:", p)

解釋：

• yield → 生成器，每次迭代只產生一個值，不會把全部資料載入記憶體。

• 適合大數據或串流資料。

• for p in price_stream(prices) → 每次取一個價格，用完再取下一個。

---

8️⃣ 型別註解 (Type Hint)

def moving_average(prices: list[float], window: int) -> list[float]:
    return [sum(prices[i:i+window]) / window for i in range(len(prices)-window+1)]

print(moving_average([100, 101, 102, 103, 104], 3))  # [101.0, 102.0, 103.0]

解釋：

• prices: list[float] → 說明 prices 是浮點數清單。

• window: int → 視窗大小是整數。

• -> list[float] → 回傳結果是浮點數清單。

• [sum(prices[i:i+window]) / window ...] → 計算移動平均。