Python基础2 - 函数
函数
作用:
- 减少重复代码
- 方便修改, 更易扩展
- 保持代码一致性
参数
形参变量只有在被调用时才分配内存单元，在调用结束时，即刻释放所分配的内存单元。因此，形参只在函数内部有效。函数调用结束返回主调用函数后则不能再使用该形参变量
实参可以是常量、变量、表达式、函数等，无论实参是何种类型的量，在进行函数调用时，它们都必须有确定的值，以便把这些值传送给形参。因此应预先用赋值，输入等办法使参数获得确定值
位置参数: 按照位置给形参传值
关键字参数: 无需按位置,但关键字实参必须在位置实参后面
默认参数: 形参在定义时就已经为其赋值
非固定参数: 函数在定义时不确定用户想传入多少个参数，就可以使用
def print_info(name, age, sex="male", *args, **kwargs): # 形参 sex="male"为默认参数 *args会把多传入的位置参数变成一个元组形式 **kwargs会把多传入的关键字参数变成一个dict形式
print('Name: %s'%name)
print('Age: %d'%age)
print('Sex: %s'%sex)
print(args)
sum = 0
for i in args:
sum += i
print('Sum: %d'%sum)
print(name,age,sex,args,kwargs)
for i in kwargs:
print('%s: %s'%(i,kwargs[i]))
print_info('charon',22) # 位置参数
print_info(age=21, name='alan') # 关键字参数
print_info('charon',23, "female", 1,2,3,4,5,6,7,8)
print_info('charon',23, "female", 1,2,3,4,5,6,7,8, job="IT", height=180)
return返回值
函数里若没有return, 会默认返回一个None
如果return多个对象, 那么python会帮我把多个对象封装成一个元组
作用:
1.结束函数 2. 返回某个值
函数的作用域
L: local 局部作用域
E: enclosing 嵌套的父级函数的局部的作用域
G: global 全局变量
B: built-in 系统固定模块里面的变量
L>E>G>B 优先顺序
x = int(2.9) #built-int
g_cnt = 0 #global
def outer():
o_cnt = 2 #enclosing
def inner():
i_cnt = 3 #local
global,nonlocal关键字
count = 10
def f():
global count
#若无此句, 下面的操作会出现错误,因为在局部作用域中不能操作全局变量, 若加了此句, 使其能够操作全局变量 同理还有关键词nonlocal用于父级函数中的变量
count += 10
print(count)
传参
def f(*args):
print(args)
f(*[1,2,3])
def f1(**kwargs):
print(kwargs)
f1(**{'name':'alan'})
高阶函数
1.函数名可以被赋给其他变量
def foo():
print('foo')
bar=foo
bar()
foo()
print(id(foo),id(bar)) #4321123592 4321123592
2.函数名可以被定义在另一个函数内作为函数参数, 还可以作为函数返回值
def f2(n):
return n**2
def f3(a,b,func):
return func(a)+func(b)
print(f3(1,2,f2))
def outter():
def inner():
return 8
return inner()
ret = outter
print(ret()) #ret若不加()则返回函数地址
递归函数
- 如果一个函数在内部调用自身本身，这个函数就是递归函数
- 有一个明确的结束条件
- 每次进入更深一层递归时，问题规模相比上次递归都应有所减少
- 但凡是递归可以写的, 循环都可以解决
- 递归效率不高，递归层次过多会导致栈溢出
#阶乘
def fatc(n):
if n == 1:
return 1
return n*fatc(n-1)
print(fatc(5))
#斐波那契数列
def fibo(n):
if n <= 1:
return n
return fibo(n-1)+fibo(n-2)
print(fibo(8))
内置函数
内置函数进行了如下分类： 数学运算(7个) 类型转换(24个) 序列操作(8个) 对象操作(7个) 反射操作(8个) 变量操作(2个) 交互操作(2个) 文件操作(1个) 编译执行(4个) 装饰器(3个) # 数学运算 abs：求数值的绝对值 >>> abs(-2) 2 divmod：返回两个数值的商和余数 >>> divmod(5,2) (2, 1) >> divmod(5.5,2) (2.0, 1.5) max：返回可迭代对象中的元素中的最大值或者所有参数的最大值 复制代码 >>> max(1,2,3) # 传入3个参数 取3个中较大者 3 >>> max('1234') # 传入1个可迭代对象，取其最大元素值 '4' >>> max(-1,0) # 数值默认去数值较大者 0 >>> max(-1,0,key = abs) # 传入了求绝对值函数，则参数都会进行求绝对值后再取较大者 -1 复制代码 min：返回可迭代对象中的元素中的最小值或者所有参数的最小值 复制代码 >>> min(1,2,3) # 传入3个参数 取3个中较小者 1 >>> min('1234') # 传入1个可迭代对象，取其最小元素值 '1' >>> min(-1,-2) # 数值默认去数值较小者 -2 >>> min(-1,-2,key = abs) # 传入了求绝对值函数，则参数都会进行求绝对值后再取较小者 -1 复制代码 pow：返回两个数值的幂运算值或其与指定整数的模值 >>> pow(2,3) >>> 2**3 >>> pow(2,3,5) >>> pow(2,3)%5 round：对浮点数进行四舍五入求值 >>> round(1.1314926,1) 1.1 >>> round(1.1314926,5) 1.13149 sum：对元素类型是数值的可迭代对象中的每个元素求和 复制代码 # 传入可迭代对象 >>> sum((1,2,3,4)) 10 # 元素类型必须是数值型 >>> sum((1.5,2.5,3.5,4.5)) 12.0 >>> sum((1,2,3,4),-10) 0 复制代码 # 类型转换 bool：根据传入的参数的逻辑值创建一个新的布尔值 >>> bool() #未传入参数 False >>> bool(0) #数值0、空序列等值为False False >>> bool(1) True int：根据传入的参数创建一个新的整数 >>> int() #不传入参数时，得到结果0。 0 >>> int(3) 3 >>> int(3.6) 3 float：根据传入的参数创建一个新的浮点数 >>> float() #不提供参数的时候，返回0.0 0.0 >>> float(3) 3.0 >>> float('3') 3.0 complex：根据传入参数创建一个新的复数 >>> complex() #当两个参数都不提供时，返回复数 0j。 0j >>> complex('1+2j') #传入字符串创建复数 (1+2j) >>> complex(1,2) #传入数值创建复数 (1+2j) str：返回一个对象的字符串表现形式(给用户) 复制代码 >>> str() '' >>> str(None) 'None' >>> str('abc') 'abc' >>> str(123) '123' 复制代码 bytearray：根据传入的参数创建一个新的字节数组 >>> bytearray('中文','utf-8') bytearray(b'\xe4\xb8\xad\xe6\x96\x87') bytes：根据传入的参数创建一个新的不可变字节数组 >>> bytes('中文','utf-8') b'\xe4\xb8\xad\xe6\x96\x87' memoryview：根据传入的参数创建一个新的内存查看对象 >>> v = memoryview(b'abcefg') >>> v[1] 98 >>> v[-1] 103 ord：返回Unicode字符对应的整数 >>> ord('a') 97 chr：返回整数所对应的Unicode字符 >>> chr(97) #参数类型为整数 'a' bin：将整数转换成2进制字符串 >>> bin(3) '0b11' oct：将整数转化成8进制数字符串 >>> oct(10) '0o12' hex：将整数转换成16进制字符串 >>> hex(15) '0xf' tuple：根据传入的参数创建一个新的元组 >>> tuple() #不传入参数，创建空元组 () >>> tuple('121') #传入可迭代对象。使用其元素创建新的元组 ('1', '2', '1') list：根据传入的参数创建一个新的列表 >>>list() # 不传入参数，创建空列表 [] >>> list('abcd') # 传入可迭代对象，使用其元素创建新的列表 ['a', 'b', 'c', 'd'] dict：根据传入的参数创建一个新的字典 复制代码 >>> dict() # 不传入任何参数时，返回空字典。 {} >>> dict(a = 1,b = 2) # 可以传入键值对创建字典。 {'b': 2, 'a': 1} >>> dict(zip(['a','b'],[1,2])) # 可以传入映射函数创建字典。 {'b': 2, 'a': 1} >>> dict((('a',1),('b',2))) # 可以传入可迭代对象创建字典。 {'b': 2, 'a': 1} 复制代码 set：根据传入的参数创建一个新的集合 >>>set() # 不传入参数，创建空集合 set() >>> a = set(range(10)) # 传入可迭代对象，创建集合 >>> a {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} frozenset：根据传入的参数创建一个新的不可变集合 >>> a = frozenset(range(10)) >>> a frozenset({0, 1, 2, 3, 4, 5, 6, 7, 8, 9}) enumerate：根据可迭代对象创建枚举对象 >>> seasons = ['Spring', 'Summer', 'Fall', 'Winter'] >>> list(enumerate(seasons)) [(0, 'Spring'), (1, 'Summer'), (2, 'Fall'), (3, 'Winter')] >>> list(enumerate(seasons, start=1)) #指定起始值 [(1, 'Spring'), (2, 'Summer'), (3, 'Fall'), (4, 'Winter')] range：根据传入的参数创建一个新的range对象 复制代码 >>> a = range(10) >>> b = range(1,10) >>> c = range(1,10,3) >>> a,b,c # 分别输出a,b,c (range(0, 10), range(1, 10), range(1, 10, 3)) >>> list(a),list(b),list(c) # 分别输出a,b,c的元素 ([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [1, 2, 3, 4, 5, 6, 7, 8, 9], [1, 4, 7]) >>> 复制代码 iter：根据传入的参数创建一个新的可迭代对象 复制代码 >>> a = iter('abcd') #字符串序列 >>> a <str_iterator object at 0x03FB4FB0> >>> next(a) 'a' >>> next(a) 'b' >>> next(a) 'c' >>> next(a) 'd' >>> next(a) Traceback (most recent call last): File "<pyshell#29>", line 1, in <module> next(a) StopIteration 复制代码 slice：根据传入的参数创建一个新的切片对象 复制代码 >>> c1 = slice(5) # 定义c1 >>> c1 slice(None, 5, None) >>> c2 = slice(2,5) # 定义c2 >>> c2 slice(2, 5, None) >>> c3 = slice(1,10,3) # 定义c3 >>> c3 slice(1, 10, 3) 复制代码 super：根据传入的参数创建一个新的子类和父类关系的代理对象 复制代码 #定义父类A >>> class A(object): def __init__(self): print('A.__init__') #定义子类B，继承A >>> class B(A): def __init__(self): print('B.__init__') super().__init__() #super调用父类方法 >>> b = B() B.__init__ A.__init__ 复制代码 object：创建一个新的object对象 >>> a = object() >>> a.name = 'kim' # 不能设置属性 Traceback (most recent call last): File "<pyshell#9>", line 1, in <module> a.name = 'kim' AttributeError: 'object' object has no attribute 'name' # 序列操作 all：判断可迭代对象的每个元素是否都为True值 复制代码 >>> all([1,2]) #列表中每个元素逻辑值均为True，返回True True >>> all([0,1,2]) #列表中0的逻辑值为False，返回False False >>> all(()) #空元组 True >>> all({}) #空字典 True 复制代码 any：判断可迭代对象的元素是否有为True值的元素 复制代码 >>> any([0,1,2]) #列表元素有一个为True，则返回True True >>> any([0,0]) #列表元素全部为False，则返回False False >>> any([]) #空列表 False >>> any({}) #空字典 False 复制代码 filter：使用指定方法过滤可迭代对象的元素 复制代码 >>> a = list(range(1,10)) #定义序列 >>> a [1, 2, 3, 4, 5, 6, 7, 8, 9] >>> def if_odd(x): #定义奇数判断函数 return x%2==1 >>> list(filter(if_odd,a)) #筛选序列中的奇数 [1, 3, 5, 7, 9] 复制代码 map：使用指定方法去作用传入的每个可迭代对象的元素，生成新的可迭代对象 >>> a = map(ord,'abcd') >>> a <map object at 0x03994E50> >>> list(a) [97, 98, 99, 100] next：返回可迭代对象中的下一个元素值 复制代码 >>> a = iter('abcd') >>> next(a) 'a' >>> next(a) 'b' >>> next(a) 'c' >>> next(a) 'd' >>> next(a) Traceback (most recent call last): File "<pyshell#18>", line 1, in <module> next(a) StopIteration #传入default参数后，如果可迭代对象还有元素没有返回，则依次返回其元素值，如果所有元素已经返回，则返回default指定的默认值而不抛出StopIteration 异常 >>> next(a,'e') 'e' >>> next(a,'e') 'e' 复制代码 reversed：反转序列生成新的可迭代对象 >>> a = reversed(range(10)) # 传入range对象 >>> a # 类型变成迭代器 <range_iterator object at 0x035634E8> >>> list(a) [9, 8, 7, 6, 5, 4, 3, 2, 1, 0] sorted：对可迭代对象进行排序，返回一个新的列表 复制代码 >>> a = ['a','b','d','c','B','A'] >>> a ['a', 'b', 'd', 'c', 'B', 'A'] >>> sorted(a) # 默认按字符ascii码排序 ['A', 'B', 'a', 'b', 'c', 'd'] >>> sorted(a,key = str.lower) # 转换成小写后再排序，'a'和'A'值一样，'b'和'B'值一样 ['a', 'A', 'b', 'B', 'c', 'd'] 复制代码 zip：聚合传入的每个迭代器中相同位置的元素，返回一个新的元组类型迭代器 >>> x = [1,2,3] #长度3 >>> y = [4,5,6,7,8] #长度5 >>> list(zip(x,y)) # 取最小长度3 [(1, 4), (2, 5), (3, 6)] # 对象操作 help：返回对象的帮助信息 复制代码 >>> help(str) Help on class str in module builtins: class str(object) | str(object='') -> str | str(bytes_or_buffer[, encoding[, errors]]) -> str | | Create a new string object from the given object. If encoding or | errors is specified, then the object must expose a data buffer | that will be decoded using the given encoding and error handler. | Otherwise, returns the result of object.__str__() (if defined) | or repr(object). | encoding defaults to sys.getdefaultencoding(). | errors defaults to 'strict'. | | Methods defined here: | | __add__(self, value, /) | Return self+value. | *************************** 复制代码 dir：返回对象或者当前作用域内的属性列表 复制代码 >>> import math >>> math <module 'math' (built-in)> >>> dir(math) ['__doc__', '__loader__', '__name__', '__package__', '__spec__', 'acos', 'acosh', 'asin', 'asinh', 'atan', 'atan2', 'atanh', 'ceil', 'copysign', 'cos', 'cosh', 'degrees', 'e', 'erf', 'erfc', 'exp', 'expm1', 'fabs', 'factorial', 'floor', 'fmod', 'frexp', 'fsum', 'gamma', 'gcd', 'hypot', 'inf', 'isclose', 'isfinite', 'isinf', 'isnan', 'ldexp', 'lgamma', 'log', 'log10', 'log1p', 'log2', 'modf', 'nan', 'pi', 'pow', 'radians', 'sin', 'sinh', 'sqrt', 'tan', 'tanh', 'trunc'] 复制代码 id：返回对象的唯一标识符 >>> a = 'some text' >>> id(a) 69228568 hash：获取对象的哈希值 >>> hash('good good study') 1032709256 type：返回对象的类型，或者根据传入的参数创建一个新的类型 复制代码 >>> type(1) # 返回对象的类型 <class 'int'> #使用type函数创建类型D，含有属性InfoD >>> D = type('D',(A,B),dict(InfoD='some thing defined in D')) >>> d = D() >>> d.InfoD 'some thing defined in D' 复制代码 len：返回对象的长度 复制代码 >>> len('abcd') # 字符串 >>> len(bytes('abcd','utf-8')) # 字节数组 >>> len((1,2,3,4)) # 元组 >>> len([1,2,3,4]) # 列表 >>> len(range(1,5)) # range对象 >>> len({'a':1,'b':2,'c':3,'d':4}) # 字典 >>> len({'a','b','c','d'}) # 集合 >>> len(frozenset('abcd')) #不可变集合 复制代码 ascii：返回对象的可打印表字符串表现方式 复制代码 >>> ascii(1) '1' >>> ascii('&') "'&'" >>> ascii(9000000) '9000000' >>> ascii('中文') #非ascii字符 "'\\u4e2d\\u6587'" 复制代码 format：格式化显示值 复制代码 #字符串可以提供的参数 's' None >>> format('some string','s') 'some string' >>> format('some string') 'some string' #整形数值可以提供的参数有 'b' 'c' 'd' 'o' 'x' 'X' 'n' None >>> format(3,'b') #转换成二进制 '11' >>> format(97,'c') #转换unicode成字符 'a' >>> format(11,'d') #转换成10进制 '11' >>> format(11,'o') #转换成8进制 '13' >>> format(11,'x') #转换成16进制 小写字母表示 'b' >>> format(11,'X') #转换成16进制 大写字母表示 'B' >>> format(11,'n') #和d一样 '11' >>> format(11) #默认和d一样 '11' #浮点数可以提供的参数有 'e' 'E' 'f' 'F' 'g' 'G' 'n' '%' None >>> format(314159267,'e') #科学计数法，默认保留6位小数 '3.141593e+08' >>> format(314159267,'0.2e') #科学计数法，指定保留2位小数 '3.14e+08' >>> format(314159267,'0.2E') #科学计数法，指定保留2位小数，采用大写E表示 '3.14E+08' >>> format(314159267,'f') #小数点计数法，默认保留6位小数 '314159267.000000' >>> format(3.14159267000,'f') #小数点计数法，默认保留6位小数 '3.141593' >>> format(3.14159267000,'0.8f') #小数点计数法，指定保留8位小数 '3.14159267' >>> format(3.14159267000,'0.10f') #小数点计数法，指定保留10位小数 '3.1415926700' >>> format(3.14e+1000000,'F') #小数点计数法，无穷大转换成大小字母 'INF' #g的格式化比较特殊，假设p为格式中指定的保留小数位数，先尝试采用科学计数法格式化，得到幂指数exp，如果-4<=exp<p，则采用小数计数法，并保留p-1-exp位小数，否则按小数计数法计数，并按p-1保留小数位数 >>> format(0.00003141566,'.1g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点 '3e-05' >>> format(0.00003141566,'.2g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留1位小数点 '3.1e-05' >>> format(0.00003141566,'.3g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留2位小数点 '3.14e-05' >>> format(0.00003141566,'.3G') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点，E使用大写 '3.14E-05' >>> format(3.1415926777,'.1g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留0位小数点 '3' >>> format(3.1415926777,'.2g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留1位小数点 '3.1' >>> format(3.1415926777,'.3g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留2位小数点 '3.14' >>> format(0.00003141566,'.1n') #和g相同 '3e-05' >>> format(0.00003141566,'.3n') #和g相同 '3.14e-05' >>> format(0.00003141566) #和g相同 '3.141566e-05' 复制代码 vars：返回当前作用域内的局部变量和其值组成的字典，或者返回对象的属性列表 复制代码 #作用于类实例 >>> class A(object): pass >>> a.__dict__ {} >>> vars(a) {} >>> a.name = 'Kim' >>> a.__dict__ {'name': 'Kim'} >>> vars(a) {'name': 'Kim'} 复制代码 # 反射操作 __import__：动态导入模块 index = __import__('index') index.sayHello() isinstance：判断对象是否是类或者类型元组中任意类元素的实例 >>> isinstance(1,int) True >>> isinstance(1,str) False >>> isinstance(1,(int,str)) True issubclass：判断类是否是另外一个类或者类型元组中任意类元素的子类 复制代码 >>> issubclass(bool,int) True >>> issubclass(bool,str) False >>> issubclass(bool,(str,int)) True 复制代码 hasattr：检查对象是否含有属性 复制代码 #定义类A >>> class Student: def __init__(self,name): self.name = name >>> s = Student('Aim') >>> hasattr(s,'name') #a含有name属性 True >>> hasattr(s,'age') #a不含有age属性 False 复制代码 getattr：获取对象的属性值 复制代码 #定义类Student >>> class Student: def __init__(self,name): self.name = name >>> getattr(s,'name') #存在属性name 'Aim' >>> getattr(s,'age',6) #不存在属性age，但提供了默认值，返回默认值 >>> getattr(s,'age') #不存在属性age，未提供默认值，调用报错 Traceback (most recent call last): File "<pyshell#17>", line 1, in <module> getattr(s,'age') AttributeError: 'Stduent' object has no attribute 'age' 复制代码 setattr：设置对象的属性值 复制代码 >>> class Student: def __init__(self,name): self.name = name >>> a = Student('Kim') >>> a.name 'Kim' >>> setattr(a,'name','Bob') >>> a.name 'Bob' 复制代码 delattr：删除对象的属性 复制代码 #定义类A >>> class A: def __init__(self,name): self.name = name def sayHello(self): print('hello',self.name) #测试属性和方法 >>> a.name '小麦' >>> a.sayHello() hello 小麦 #删除属性 >>> delattr(a,'name') >>> a.name Traceback (most recent call last): File "<pyshell#47>", line 1, in <module> a.name AttributeError: 'A' object has no attribute 'name' 复制代码 callable：检测对象是否可被调用 复制代码 >>> class B: #定义类B def __call__(self): print('instances are callable now.') >>> callable(B) #类B是可调用对象 True >>> b = B() #调用类B >>> callable(b) #实例b是可调用对象 True >>> b() #调用实例b成功 instances are callable now. 复制代码 # 变量操作 globals：返回当前作用域内的全局变量和其值组成的字典 >>> globals() {'__spec__': None, '__package__': None, '__builtins__': <module 'builtins' (built-in)>, '__name__': '__main__', '__doc__': None, '__loader__': <class '_frozen_importlib.BuiltinImporter'>} >>> a = 1 >>> globals() #多了一个a {'__spec__': None, '__package__': None, '__builtins__': <module 'builtins' (built-in)>, 'a': 1, '__name__': '__main__', '__doc__': None, '__loader__': <class '_frozen_importlib.BuiltinImporter'>} locals：返回当前作用域内的局部变量和其值组成的字典 复制代码 >>> def f(): print('before define a ') print(locals()) #作用域内无变量 a = 1 print('after define a') print(locals()) #作用域内有一个a变量，值为1 >>> f <function f at 0x03D40588> >>> f() before define a {} after define a {'a': 1} 复制代码 # 交互操作 print：向标准输出对象打印输出 >>> print(1,2,3) 1 2 3 >>> print(1,2,3,sep = '+') 1+2+3 >>> print(1,2,3,sep = '+',end = '=?') 1+2+3=? input：读取用户输入值 >>> s = input('please input your name:') please input your name:Ain >>> s 'Ain' # 文件操作 open：使用指定的模式和编码打开文件，返回文件读写对象 # t为文本读写，b为二进制读写 >>> a = open('test.txt','rt') >>> a.read() 'some text' >>> a.close() # 编译执行 compile：将字符串编译为代码或者AST对象，使之能够通过exec语句来执行或者eval进行求值 复制代码 >>> #流程语句使用exec >>> code1 = 'for i in range(0,10): print (i)' >>> compile1 = compile(code1,'','exec') >>> exec (compile1) >>> #简单求值表达式用eval >>> code2 = '1 + 2 + 3 + 4' >>> compile2 = compile(code2,'','eval') >>> eval(compile2) 10 复制代码 eval：执行动态表达式求值 >>> eval('1+2+3+4') 10 exec：执行动态语句块 >>> exec('a=1+2') #执行语句 >>> a 3 repr：返回一个对象的字符串表现形式(给解释器) >>> a = 'some text' >>> str(a) 'some text' >>> repr(a) "'some text'" # 装饰器 property：标示属性的装饰器 复制代码 >>> class C: def __init__(self): self._name = '' @property def name(self): """i'm the 'name' property.""" return self._name @name.setter def name(self,value): if value is None: raise RuntimeError('name can not be None') else: self._name = value >>> c = C() >>> c.name # 访问属性 '' >>> c.name = None # 设置属性时进行验证 Traceback (most recent call last): File "<pyshell#84>", line 1, in <module> c.name = None File "<pyshell#81>", line 11, in name raise RuntimeError('name can not be None') RuntimeError: name can not be None >>> c.name = 'Kim' # 设置属性 >>> c.name # 访问属性 'Kim' >>> del c.name # 删除属性，不提供deleter则不能删除 Traceback (most recent call last): File "<pyshell#87>", line 1, in <module> del c.name AttributeError: can't delete attribute >>> c.name 'Kim' 复制代码 classmethod：标示方法为类方法的装饰器 复制代码 >>> class C: @classmethod def f(cls,arg1): print(cls) print(arg1) >>> C.f('类对象调用类方法') <class '__main__.C'> 类对象调用类方法 >>> c = C() >>> c.f('类实例对象调用类方法') <class '__main__.C'> 类实例对象调用类方法 复制代码 staticmethod：标示方法为静态方法的装饰器 复制代码 # 使用装饰器定义静态方法 >>> class Student(object): def __init__(self,name): self.name = name @staticmethod def sayHello(lang): print(lang) if lang == 'en': print('Welcome!') else: print('你好！') >>> Student.sayHello('en') #类调用,'en'传给了lang参数 en Welcome! >>> b = Student('Kim') >>> b.sayHello('zh') #类实例对象调用,'zh'传给了lang参数 zh 你好
几个重要内置函数
1. filter(function, sequence)
str = ['a', 'b', 'c', 'd']
def fun1(s):
if s != 'a':
return s
ret = filter(fun1, str)
print(ret) #<filter object at 0x101e346a0>
print(list(ret)) # ret是一个迭代器对象 ['b','c','d'] 过滤掉a
2. map(function, sequence)
str = ['d', 'a', 'b']
def fun2(s):
return s + "alan"
ret = map(fun2, str)
print(ret) # map object的迭代器
print(list(ret)) # ['dalan', 'aalan', 'balan']
#sequence可以有多个
def add(x,y):
return x+y
print (list(map(add, range(10), range(10))))
3. reduce(function, sequence, starting_value)
from functools import reduce
def add1(x, y):
return x + y
print(reduce(add1, range(1, 101))) # 5050 （注：1+2+...+100） range(1,101)是1到100的序列
print(reduce(add1, range(1, 101), 20)) # 5070 （注：1+2+...+100+20）
4. lambda (匿名函数): 用 lamdba 关键字标识, 冒号(:)左侧表示函数接收的参数(a,b), 冒号(:)右侧表示函数的返回值(a+b)
普通函数与匿名函数的对比：
# 普通函数
def add(a, b):
return a + b
print(add(2, 3))
# 匿名函数
add = lambda a, b: a + b
print(add(2, 3))
命令式编程 VS 函数式编程
命令式编程即普通常用的面向对象编程, 有有变量(对应着存储单元), 赋值语句(获取, 存储指令), 表达式(内存引用和算术运算)和控制语句(跳转指令), 命令式编程关心解决问题的步骤
函数式编程
函数式编程关心数据的映射(映射为函数中一一对应的关系)
好处:
1.代码简洁易懂 2.无副作用
#Fine the sum of positive number
number = [2, -5, 9, -7, 2, 5, 4, -1, 0, -3, 8]
positive = list(filter(lambda x: x > 0, number))
average = reduce(lambda x, y: x + y, positive) / len(positive)
print(average)
#阶乘
from functools import reduce
print (reduce(lambda x,y: x*y, range(1,6)))
#squares
squares = map(lambda x : x*x ,range(9))
print (squares)# <map object at 0x10115f7f0>迭代器
print (list(squares))#[0, 1, 4, 9, 16, 25, 36, 49, 64]
闭包
# 函数内部可以直接读取全局变量 n = 999 def f1(): print(n) f1() # 999
# 函数外部无法读取函数内的局部变量 def f1(): n = 999 print(n) # NameError: name 'n' is not defined
# 从外部读取局部变量 def f1(): n = 999 def f2(): print(n) return f2 ret = f1() ret() #999
# 这就是一个闭包 # 函数f2就被包括在函数f1内部, 这时f1内部的所有局部变量, 对f2都是可见的. 但是反过来就不行, f2内部的局部变量, 对f1就是不可见的. # 这就是"链式作用域"结构（chain scope),对象会一级一级地向上寻找所有父对象的变量。所以，父对象的所有变量，对子对象都是可见的，反之则不成立. # f2可以读取f1中的局部变量, 那么只要把f2作为返回值, 这就就可以在f1外部读取它的内部变量.
闭包(closure)是函数式编程的重要的语法结构
定义：如果在一个内部函数里, 对在外部作用域（但不是在全局作用域）的变量进行引用, 那么内部函数就被认为是闭包(closure).
闭包就是能够读取其他函数内部变量的函数, 闭包简单理解成"定义在一个函数内部的函数".
# 关于闭包: 闭包=内部函数+定义函数时的环境，inner就是函数块，x就是环境
def outer():
x=10
def inner(): #条件一: inner是内部函数
print(x) #条件二: x是外部环境的一个变量且不是全局变量
return inner #结论: 内部函数inner就是一个闭包
#inner() #直接这样无法调用inner函数
#outer()()
in_f = outer()
in_f()
作用1: 当闭包执行完后，仍然能够保持住当前的运行环境. 如:如果你希望函数的每次执行结果，都是基于这个函数上次的运行结果
作用2: 闭包可以根据外部作用域的局部变量来得到不同的结果，这有点像一种类似配置功能的作用，我们可以修改外部的变量，闭包根据这个变量展现出不同的功能。比如有时我们需要对某些文件的特殊行进行分析，先要提取出这些特殊行
装饰器
装饰器(decorator) : 装饰器本质上是一个函数, 其作用就是为已经存在的对象添加额外的功能
封闭开放原则:
在大型的程序中分不同模块, 每个模块有自己的函数, 若要在函数添加功能, 直接在源代码上添加, 一旦出错可能导致整个程序出错, 所以这是不允许的, 应该遵守封闭开放原则
封闭:已经实现的功能代码不允许被修改 但 开放:可以实现功能的扩展
简单装饰器
import time
def foo():
print('foo1...')
time.sleep(1)
def bar():
print('bar1...')
time.sleep(2)
def show_time(f):
start = time.time()
f()
end = time.time()
print('spend %s'%(end-start))
show_time(foo)
show_time(bar)
#这样能实现功能, 但调用方式已经从调用foo()改变到show_time(foo), 所以这是不行的
#将show_time修改为装饰器
def foo():
print('foo2...')
time.sleep(1)
def bar():
print('bar2...')
time.sleep(2)
def show_time1(f): #f是外部环境变量
def inner():
start = time.time()
f() #调用外部环境变量
end = time.time()
print('spend %s'%(end-start))
return inner #执行show_time1(foo)拿到的是inner的内存地址
foo = show_time1(foo) #通过这句话建立联系
foo() #相当于执行inner函数
bar = show_time1(bar)
bar() #相当于执行inner函数
#更好的写法
def show_time2(f): # f是外部环境变量
def inner():
start = time.time()
f() # 调用外部环境变量
end = time.time()
print('spend %s' % (end - start))
return inner
@show_time2 #这句话相当于foo = show_time1(foo)
def foo():
print('foo3...')
time.sleep(1)
foo()
@show_time2
def bar():
print('bar3...')
time.sleep(2)
bar()
带参数的被装饰的函数(功能函数加参数)
import time
def show_time3(f): # f是外部环境变量
def inner(*x, **y):
start = time.time()
f(*x, **y) # 调用外部环境变量
end = time.time()
print('spend %s' % (end - start))
return inner
@show_time3 #这句话相当于add = show_time1(add)
def add(*a, **b):
sum = 0
for i in a:
sum += i
print(sum)
time.sleep(1)
add(1,2,3,4,5)
装饰器加参数
import time
def time_logger(flag=''):
def show_time4(f): # f是外部环境变量
def inner():
start = time.time()
f() # 调用外部环境变量
end = time.time()
print('spend %s' % (end - start))
if flag == 'true':
print('The operation has benn recorded.....')
return inner
return show_time4
@time_logger('true') #这句话相当于@show_time1只是多提供了一个flag变量给内部函数
def foo():
print('foo4...')
time.sleep(1)
foo()
@time_logger('lalala') #这句话相当于@show_time1只是多提供了一个flag变量给内部函数
def bar():
print('foo4...')
time.sleep(1)
bar()
多层装饰器
def makebold(fn):
def wrapper():
return "<b>" + fn() + "</b>"
return wrapper
def makeitalic(fn):
def wrapper():
return "<i>" + fn() + "</i>"
return wrapper
@makebold
@makeitalic
def hello():
return "hello charon"
print(hello())
装饰器应用: 登入
1 with open('tb','r') as f_tb, open('wc','r') as f_wc:
2 li_tb = f_tb.readlines()
3 user_tb = li_tb[0].strip()
4 pas_tb = li_tb[1].strip()
5
6 li_wc = f_wc.readlines()
7 user_wc = li_wc[0].strip()
8 pas_wc = li_wc[1].strip()
9
10 print(user_tb,pas_tb) #charon 123
11 print(user_wc,pas_wc) #alan 123
12
13
14 login_status = False
15 def login(auth_type):
16 def auth(func):
17 def inner():
18 global login_status
19 if login_status == False:
20 if auth_type == 'tb':
21 username = input('TB_Username: ')
22 password = input('TB_Password: ')
23 if user_tb == username and pas_tb == password:
24 print('Welcome....')
25 func()
26 login_status = True
27 else:
28 print('Wrong username or password')
29 elif auth_type == 'wc':
30 username = input('WC_Username: ')
31 password = input('WC_Password: ')
32 if user_wc == username and pas_wc == password:
33 print('Welcome....')
34 func()
35 login_status = True
36 else:
37 print('Wrong username or password')
38
39 return inner
40 return auth
41
42 @login('tb')
43 def home():
44 print('welcome to home page....')
45 @login('wc')
46 def finance():
47 print('welcome to finance page....')
48 @login('tb')
49 def book():
50 print('welcome to book page....')
51
52
53 menu = ['1.home', '2.finance', '3.book', '4.exit']
54
55 while True:
56 for i in menu:
57 print(i)
58
59 choice = input(">>>:").strip()
60 if choice == '1':
61 home()
62 elif choice == '2':
63 finance()
64 elif choice == '3':
65 book()
66 else:
67 break
列表生成式
a = [x*x for x in range(10)] #先到后面的for循环取元素, 对取出来的元素逐次进行前面的操作, 然后依次放入列表
print(a)
def f(n):
return n**3
b = [f(x) for x in range(10)]
print(b)
赋值小知识点
#t可以是元祖,列表 a,b = t两者的数量应该一致, 否则会报错
t = ('123', 8)
a,b = t
print(a,b)
生成器(generator):
列表中每个元素都占据内存空间, 若创建一个列表而仅用几个元素就浪费了内存空间在Python中，一边循环一边计算的机制，称为生成器：generator
生成器有两种创建方式和两个方法:
第一种方式: 将列表生成式的[]改成() 第1个方法: next() 生成器在创建的时候已经决定了能计算出值得个数, 一旦调用next的次数超过就会报错
s = (x*2 for x in range(3))
print(s) #<generator object <genexpr> at 0x1041269e8>
print(next(s)) #0 等价于s.__next__() In py2.x: s.next()
print(next(s)) #2
print(next(s)) #4
#print(next(s)) #报错:StopIteration
#生成器是一个可迭代对象(iterable): 拥有__iter__()方法的都可以称为可迭代对象如列表,元祖,字典,迭代器等
s1 = (x*2 for x in range(5))
for i in s1:
print(i)
generator保存的是算法，每次调用next(s)，就计算出s的下一个元素的值，直到计算到最后一个元素. 同时生成器是一个可迭代对象, 所以可以使用for循环
第二种方式:如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator
def foo():
print('ok1')
yield 1 #相当于返回1
print('ok2')
yield 2
g = foo()
print(g) #<generator object foo at 0x101e26a98>
foo() #没执行, 它已经变成生成器对象
a = next(g) #ok1
b = next(g) #ok2
print(a) #1
print(b) #2
for i in foo():
print(i) # ok1 1 ok2 2
如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现:
#斐波那契数列
def fib(max):
n, before, after = 0, 0, 1
while n < max:
print(before)
before, after = after, before+after
n = n + 1
fib(8)
#通过生成器完成斐波那契数列
def fib1(max):
n, before, after = 0, 0, 1
while n < max:
#print(before)
yield before
before, after = after, before+after
n = n + 1
gg = fib1(8)
print(gg) #<generator object fib1 at 0x104026af0>
print(next(gg)) # 0
print(next(gg)) # 1
print(next(gg)) # 1
print(next(gg)) # 2
generator函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行
第2个方法: send方法和next()方法一样, 但是可以往函数传值
def bar():
print('ok1')
str = yield 1 #str = 'eee
print(str)
print('ok2')
yield 2
b = bar()
y1 = b.send(None) #ok1 等价于next(b) 第一次send前如果没有next, 只能传一个send(None)
print(y1) #1
y2 = b.send('eee') #ok2
print(y2) #2
通过生成器yield实现伪并发(伪同时进行)
import time def consumer(name): print("%s 准备吃包子啦!" %name) while True: baozi = yield print("包子[%s]来了,被[%s]吃了!" %(baozi,name)) def producer(): c = consumer('A') c2 = consumer('B') #生成两个生成器对象, 不是函数并无执行 c.__next__() #开始调用生成器 c2.__next__() print("老子开始准备做包子啦!") for i in range(1,6): time.sleep(1) print("做了2个包子!") c.send(i) c2.send(i) producer()
迭代器(Iterator):
生成器都是迭代器, 但是迭代器不一定是生成器
迭代器满足两个条件: 1. 有iter()方法 2. 有next()方法
l = [1,2,3,5] d = iter(l) print(d) #<list_iterator object at 0x101cb7240> print(next(d)) #1 print(next(d)) #2 print(next(d)) #3 print(next(d)) #5 #print(next(d)) #StopIteration
for循环内部工作: 本质上就是通过不断调用next()函数实现的
1. 调用可迭代对象的iter方法, 返回一个迭代器对象
2. 调用迭代器的next方法
3. 处理StopIteration异常
可以使用isinstance()判断一个对象是否匹配：
from collections import Iterable,Iterator print(isinstance([1,2],list)) #True l = [1,2,3,5] d = iter(l) print(isinstance(l,list)) #True print(isinstance(l,Iterable)) #True print(isinstance(l,Iterator)) #False
凡是可作用于
for循环的对象都是Iterable类型；凡是可作用于
next()函数的对象都是Iterator类型；集合数据类型如
list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象 
浙公网安备 33010602011771号