Python基础（二）

内置函数 一

详细见python文档，请点击

操作文件时，一般需要经历如下步骤：

  • 打开文件
  • 操作文件

一、打开文件

1
文件句柄 = file('文件路径', '模式')

注：python中打开文件有两种方式，即：open(...) 和  file(...) ，本质上前者在内部会调用后者来进行文件操作，推荐使用 open。

打开文件时，需要指定文件路径和以何等方式打开文件，打开后，即可获取该文件句柄，日后通过此文件句柄对该文件操作。

打开文件的模式有：

  • r，只读模式（默认）。
  • w，只写模式。【不可读；不存在则创建；存在则删除内容；】
  • a，追加模式。【可读；   不存在则创建；存在则只追加内容；】

"+" 表示可以同时读写某个文件

  • r+，可读写文件。【可读；可写；可追加】
  • w+，写读
  • a+，同a

"U"表示在读取时，可以将 \r \n \r\n自动转换成 \n （与 r 或 r+ 模式同使用）

  • rU
  • r+U

"b"表示处理二进制文件（如：FTP发送上传ISO镜像文件，linux可忽略，windows处理二进制文件时需标注）

  • rb
  • wb
  • ab

二、操作操作

file

三、with

为了避免打开文件后忘记关闭，可以通过管理上下文，即：

1
2
3
with open('log','r') as f:
     
    ...

如此方式，当with代码块执行完毕时，内部会自动关闭并释放文件资源。

在Python 2.7 后，with又支持同时对多个文件的上下文进行管理，即：

1
2
with open('log1') as obj1, open('log2') as obj2:
    pass

自定义函数

一、背景

在学习函数之前，一直遵循：面向过程编程，即：根据业务逻辑从上到下实现功能，其往往用一长段代码来实现指定功能，开发过程中最常见的操作就是粘贴复制，也就是将之前实现的代码块复制到现需功能处，如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
while True：
    if cpu利用率 > 90%:
        #发送邮件提醒
        连接邮箱服务器
        发送邮件
        关闭连接
  
    if 硬盘使用空间 > 90%:
        #发送邮件提醒
        连接邮箱服务器
        发送邮件
        关闭连接
  
    if 内存占用 > 80%:
        #发送邮件提醒
        连接邮箱服务器
        发送邮件
        关闭连接

腚眼一看上述代码，if条件语句下的内容可以被提取出来公用，如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def 发送邮件(内容)
    #发送邮件提醒
    连接邮箱服务器
    发送邮件
    关闭连接
  
while True：
  
    if cpu利用率 > 90%:
        发送邮件('CPU报警')
  
    if 硬盘使用空间 > 90%:
        发送邮件('硬盘报警')
  
    if 内存占用 > 80%:

对于上述的两种实现方式，第二次必然比第一次的重用性和可读性要好，其实这就是函数式编程和面向过程编程的区别：

  • 函数式：将某功能代码封装到函数中，日后便无需重复编写，仅调用函数即可
  • 面向对象：对函数进行分类和封装，让开发“更快更好更强...”

函数式编程最重要的是增强代码的重用性和可读性

二、 函数的定义和使用

1
2
3
4
5
def 函数名(参数):
     
    ...
    函数体
    ...

函数的定义主要有如下要点：

  • def：表示函数的关键字
  • 函数名：函数的名称，日后根据函数名调用函数
  • 函数体：函数中进行一系列的逻辑计算，如：发送邮件、计算出 [11,22,38,888,2]中的最大数等...
  • 参数：为函数体提供数据
  • 返回值：当函数执行完毕后，可以给调用者返回数据。

以上要点中，比较重要有参数和返回值：

1、返回值

函数是一个功能块，该功能到底执行成功与否，需要通过返回值来告知调用者。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def 发送短信():
     
    发送短信的代码...
 
    if 发送成功:
        return True
    else:
        return False
 
 
while True:
     
    # 每次执行发送短信函数，都会将返回值自动赋值给result
    # 之后，可以根据result来写日志，或重发等操作
 
    result = 发送短信()
    if result == False:
        记录日志，短信发送失败...

2、参数

为什么要有参数？

传进去的是参数的拷贝，实参并没修改2.不创建拷贝。可以很好的提升效率如果参数是一个结构体或者类，很大，进行参数拷贝比较耗时，如果传引用就避免了这个过程为了避免有时候不需要修改引用参数时对该参数误操作。

  • 普通参数
  • 默认参数
  • 动态参数
普通参数
def func(name):
    print （name）

# ######### 执行函数 ######### 
#  'smiled' 叫做函数func的实际参数，简称：实参
func('smiled')
默认参数
def func(name, age = 18):
    
    print ("%s %s" )%(name,age)

# 指定参数
func('smiled', 19)
# 使用默认参数
func('alex')
动态参数一
def func(*args):

    print (args)


# 执行方式一
func(11,33,4,4454,5)

# 执行方式二
li = [11,2,2,3,3,4,54]
func(*li)
动态参数二
def func(**kwargs):

    print (kwargs)


# 执行方式一
func(name＝'smiled',age=18)

# 执行方式二
li = {'name':'smiled', age:18, 'gender':'male'}
func(**li)
动态参数三
def func(*args, **kwargs):

    print (args,kwargs)
参数

 

扩展：发送邮件实例

import smtplib
from email.mime.text import MIMEText
from email.utils import formataddr
 
 
msg = MIMEText('邮件内容', 'plain', 'utf-8')
msg['From'] = formataddr(["smiled",'975752647@qq.com'])
msg['To'] = formataddr(["走人",'2310850683@qq.com'])
msg['Subject'] = "主题"
 
server = smtplib.SMTP("smtp.126.com", 25)
server.login("975752647@qq.com", "邮箱密码")
server.sendmail('975752647@qq.com', ['2310850683@qq.com',], msg.as_string())
server.quit()
View Code

 

lambda表达式

学习条件运算时，对于简单的 if else 语句，可以使用三元运算来表示，即：

1
2
3
4
5
6
7
8
# 普通条件语句
if 1 == 1:
    name = 'wupeiqi'
else:
    name = 'alex'
  
# 三元运算
name = 'wupeiqi' if 1 == 1 else 'alex'

对于简单的函数，也存在一种简便的表示方式，即：lambda表达式

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# ###################### 普通函数 ######################
# 定义函数（普通方式）
def func(arg):
    return arg + 1
  
# 执行函数
result = func(123)
  
# ###################### lambda ######################
  
# 定义函数（lambda表达式）
my_lambda = lambda arg : arg + 1
  
# 执行函数
result = my_lambda(123)

lambda存在意义就是对简单函数的简洁表示

内置函数 二

一、map

遍历序列，对序列中每个元素进行操作，最终获取新的序列。

#对每个元素加100
li = [11, 22, 33]

new_list = map(lambda a: a + 100, li)

#两个列表对应元素相加

li = [11, 22, 33]
sl = [1, 2, 3]
new_list = map(lambda a, b: a + b, li, sl)
map

二、filter

对于序列中的元素进行筛选，最终获取符合条件的序列

li = [11, 22, 33]

new_list = filter(lambda arg: arg > 22, li)

#filter第一个参数为空，将获取原来序列
li = [11, 22, 33] new_list = filter(lambda arg: arg > 22, li) #filter第一个参数为空，将获取原来序列

 

三、reduce

对于序列内所有元素进行累计操作

li = [11, 22, 33]

result = reduce(lambda arg1, arg2: arg1 + arg2, li)

# reduce的第一个参数，函数必须要有两个参数
# reduce的第二个参数，要循环的序列
# reduce的第三个参数，初始值
获取序列所有元素的和

1、文件操作的 read 和 xreadlinex 的的区别

1
2
read会读取所有内容到内存
xreadlines则只有在循环迭代时才获取

装饰器

装饰器是函数，只不过该函数可以具有特殊的含义，装饰器用来装饰函数或类，使用装饰器可以在函数执行前和执行后添加相应操作。

1
2
3
4
5
6
7
8
9
10
def wrapper(func):
    def result():
        print （'before'）
        func()
        print （'after'）
    return result
 
@wrapper
def foo():
    print （'foo'）

冒泡算法

需求：请按照从小到大对列表 [13, 22, 6, 99, 11] 进行排序

思路：相邻两个值进行比较，将较大的值放在右侧，依次比较！

li = [13, 22, 6, 99, 11]

for m in range(4):     # 等价于 #for m in range(len(li)-1):
    if li[m]> li[m+1]:
        temp = li[m+1]
        li[m+1] = li[m]
        li[m] = temp
range

递归

利用函数编写如下数列：

def func(arg1,arg2):
    if arg1 == 0:
        print arg1, arg2
    arg3 = arg1 + arg2
    print arg3
    func(arg2, arg3)

func(0,1)
demo

斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368

posted @ 2018-08-23 21:55  我笑了  阅读(65)  评论(0)    收藏  举报