一、函数的定义和使用
1、基本结构：
1 def 函数名(参数): 2 """ 3 文档字符串 4 """ 5 函数体 6 返回值 7
2、函数名：
和变量名命名规则一致，最好不要与内置函数名相同
3、参数：
和C/C++不同，参数无需指定类型，直接交由解释器去判断：
- 对于number， str， tuple等不可变的对象，相当于传值，即是传递了拷贝
- 对于list，dict，set等可变对象，相当于引用传递，内部更改会影响外部的值
a.普通参数：和c类似，但是无需指定类型，所以任何类型都可以传递给函数
1 def func(argument): 2 print(argument) 3
4 5 func("string") 6 func(4)
b.默认参数：与c++中一样，也能在定义时给参数指定一个缺省的值，但是必须放在参数列表后面位置
1 def func(name, age = 20): 2 print(name, age) 3 4 5 func("Edward") 6 func("Edward", 18)
c.动态参数：对于动态参数而言，最大好处是可以灵活的使用参数，而无须考虑其个数，其通过tuple(一般用*args表示)和dict(一般用**kwargs)的特性来实现：
- 对于tuple，一般用户用a, b, c, ... 的形式，会被解释器自动转化为一个tuple来存储，解决了任意数量的普通参数的传递
- 对于dict，一般用户用x1 = a1, x2 = a2, x3 = a3,...的形式，会被转化为一个dict来存储，解决了任意数量的关键词参数的传递
1 def func(*args, **kwargs): 2 for i in args: 3 print(i) 4 for k, v in kwargs.items(): 5 print("%s = %s" % (k, v)) 6 7 8 func("Edward", 19) 9 func(name = "Edward", age = 19) 10 func("Edward", "Tang", age = 19)
也可以直接将一个tuple或list传递给args, 将一个dict传递给kwargs，但要注意此时必须在引用实参的时候加上*或**:
1 tup = ("Edward", 19) 2 dic = dict(name = "Edward", age = 19) 3 func(*tup) 4 func(**dic) 5 # 如果不加*， 会被认为是tuple的一个元素
4、文档字符串：
写函数时，最好在内部最开始加一个docstrings，即文档字符串，方便其他人理解函数的功能
其有下面几个要求：
- 使用三个双引号来区别多行注释
- 第一行作为函数功能的简要概述，最好以大写字母开头，句号结尾，无需明确对象的类型和名字
- 第二行为空
- 后面叙述函数的具体功能，一定要有函数的参数以及返回值的详细描述
- 可以用__doc__来引用模块的文档字符串
5、函数体：函数的具体实现
6、返回值：即将函数的执行结果返回，未指定为None
- 在Python中，由于tuple的存在，可以一次性返回多个值：
1 def func(a): 2 return a * a, a ** a 3 4 5 x, y = func(4) # x = 16, y = 256
7、函数的调用：
- 由于Python的解释以及执行顺序都是从上往下，所以要想调用函数，必须函数在之前有定义
- 在Python中，未加函数定义的语句属于主体，相当于c中的主函数，一般放在最后，以便调用之前的函数
- 若有几个文件的相互引用，可添加一下代码： 在一个文件中，相当于主函数的入口，但是如果此文件作为模块被其他文件引用，则此段代码由于为False，将不会执行，所以可以用作测试模块的功能
1 def func() 2 pass 3 4 5 if __name__ == "__main__": 6 func()
二、lambda表达式
即一个小的匿名的函数，一般只有函数体很短时使用：
1 a = lambda x: x ** 2 2 a(2) 3 # 4
1、与filter、map、reduce的结合使用：
1 seq = [1, 76, 5, 44, 13, 5, 23] 2 3 a = filter(lambda x : x > 10, seq) 4 # list(a) = [76, 44, 13, 23] 5 6 b = map(lambda x : x ** 2, seq) 7 # list(b) = [1, 5776, 25, 1936, 169, 25, 529] 8 9 from functools import reduce 10 c = reduce(lambda x, y: x * y, range(1, 100)) 11 # c的结果为99！
2、与sorted的结合使用：
1 seq = ["Tang", "Edward", "love", "handsome"] 2 seq = sorted(seq, key=lambda a : a.upper()) 3 # seq = ['Edward', 'handsome', 'love', 'Tang']
三、内置函数
Python内置了丰富的函数，适合于各种类型的对象，下面来详细讨论
1、大多数的函数
1 def abs(*args, **kwargs): 2 pass 3 # 返回参数的绝对值 4 5 def all(*args, **kwargs): 6 pass 7 # 返回True如果可变对象所有元素都为真，为空时返回True 8 9 def any(*args, **kwargs): 10 pass 11 # 返回False如果可变对象所有元素都为假，为空时返回True 12 13 def bin(*args, **kwargs): 14 pass 15 # 返回参数的二进制表示 16 17 def hex(*args, **kwargs): 18 pass 19 # 返回参数的十六进制表示 20 21 def oct(*args, **kwargs): 22 pass 23 # 返回参数的八进制表示 24 25 def callable(i_e_, some_kind_of_function): 26 pass 27 # 返回对象是否可调用 28 29 def chr(*args, **kwargs): 30 pass 31 # 返回整数参数对应的ASCII码的字符 32 33 def ord(*args, **kwargs): 34 pass 35 # 返回单个字符的unicode值 36 37 def delattr(x, y): 38 pass 39 # 删除对象x的‘y’属性（类似于del x.y） 40 41 def getattr(object, name, default=None): 42 pass 43 # 返回object的'name'的属性的值，若不存在，返回default 44 45 def hasattr(object, name): 46 pass 47 # 返回True如果object对象有指定的‘name’属性 48 49 def setattr(x, y, v): 50 pass 51 # 设置x的'y'属性的值为v(类似于x.y = v)，其中y属性可以是不存在的 52 53 def dir(p_object=None): 54 pass 55 # 如果没有参数，返回当前范围的参数、方法、定义的list 56 # 如果有参数，返回参数的属性，方法的list，且存在__dir__会被调用 57 58 def divmod(x, y): 59 pass 60 # 返回x//y, x%构成的tuple 61 62 def eval(*args, **kwargs): 63 pass 64 # 计算表达式，并返回结果 65 66 def exec(*args, **kwargs): 67 pass 68 # 动态执行代码 69 70 def repr(obj): 71 pass 72 # 返回obj的可供解释器读取的字符串，可以用eval()求值 73 # 大多数情况下，eval(repr(obj)) == obj 74 75 def exit(*args, **kwargs): 76 pass 77 # 退出 78 79 def format(*args, **kwargs): 80 pass 81 # 转化为type(value).__format__(format_spec) 82 83 def globals(*args, **kwargs): 84 pass 85 # 返回当前全局变量构成的字典 86 87 def locals(*args, **kwargs): 88 pass 89 # 返回当前局部变量构成的字典 90 91 def hash(*args, **kwargs): 92 pass 93 # 返回参数(哈希表类型的对象)的哈希值 94 95 def help(): 96 pass 97 # 返回参数的帮助信息 98 99 def id(*args, **kwargs): 100 pass 101 # 返回参数的内存地址(并非实际内存地址) 102 103 def input(*args, **kwargs): 104 pass 105 # 打印提示字符串，并读取输入返回(str类型) 106 107 def isinstance(x, A_tuple): 108 pass 109 # 返回x是否为元组A_tuple中其中一个类的实例 110 111 def issubclass(x, A_tuple): 112 pass 113 # 返回x是否为元组A_tuple中其中一个类的子类 114 115 def iter(source, sentinel=None): 116 pass 117 # 返回第一个参数对象的迭代器， 118 # 若有第二个参数，当迭代器的__next__返回值为它时抛出异常 119 120 def len(*args, **kwargs): 121 pass 122 # 返回容器的item个数 123 124 def max(*args, key=None): 125 pass 126 # 返回所有参数中的最大值，或序列中的最大值(容器为空返回key) 127 128 def min(*args, key=None): 129 pass 130 # 返回所有参数中的最小值，或序列中的最小值(容器为空返回key) 131 132 def next(iterator, default=None): 133 pass 134 # 返回迭代器的下一个值，若已经到最后一个返回default 135 136 def open(file, mode='r', buffering=None, encoding=None, 137 errors=None, newline=None, closefd=True): 138 pass 139 # 以特定形式打开文件 140 141 def pow(*args, **kwargs): 142 pass 143 # 两个参数是返回x**y, 三个参数时返回x**y%z 144 145 def print(self, *args, sep=' ', end=' ', file=None): 146 pass 147 # 打印，默认以空格隔开各打印值，以换行结束，不刷新 148 149 def quit(*args, **kwargs): 150 pass 151 # 退出 152 153 def round(number, ndigits=None): 154 pass 155 # 返回number的四舍五入表示 156 157 def sorted(*args, **kwargs): 158 pass 159 # 返回递增的排序的list 160 161 def sum(iterable， start = 0): 162 pass 163 # 返回序列的和加上start(默认为0) 164 165 def vars(p_object=None): 166 pass 167 # 不带参数，返回当前对象属性及属性值的字典 168 # 带参数，返回参数对应的属性及值的字典 169 170 def int(x, base = 10): 171 pass 172 # 返回以base进制表示的x的int形式 173 174 def float(x): 175 pass 176 # 返回x的float形式 177 178 def bool(x): 179 pass 180 # 返回x的bool表示 181 182 def complex(a, b): 183 pass 184 # 返回a+bj 185 186 def str(x)： 187 pass 188 # 返回一个str 189 190 def dict(x)： 191 pass 192 # 返回一个字典 193 194 def list(iterable)： 195 pass 196 # 返回一个list 197 198 def tuple(iterable): 199 pass 200 # 返回一个tuple 201 202 def set(iterable)： 203 pass 204 # 返回一个set 205 206 def frozenset(iterable): 207 pass 208 # 返回一个不可变的set 209 210 def enumerate(iterable): 211 pass 212 # 构造序列的下标和值构成的元祖，用于循环遍历 213 214 def filter(function or None, iterable)： 215 pass 216 # 返回iterable中能够让function的返回值为真的元素的序列， 217 # 若function为None, 返回iterable中为真的元素的序列 218 219 def map(func, *iterables): 220 pass 221 # 对每一个iterable, 使用func, 并将结果作为list返回 222 223 def range(start = 0, stop): 224 pass 225 # 返回一个从start到stop构成的序列，用于遍历 226 227 def reversed(seq)： 228 pass 229 # 返回一个seq反转的序列 230 231 def type(object): 232 pass 233 # 返回object的类型 234 235 def zip(iter1 [,iter2 [...]])： 236 pass 237 # 分别从iter中取下标相同的元素构成tuple，在将各tuple构成list 238 # 使用zip(*list)解压 239 240 # 其他函数 241 # copyright, credits, license, bytearray, bytes, classmethod, 242 # memoryview, property, slice, staticmethod, super, compile
2、内置函数总结：
- 数学计算和其他计算：abs, divmod, hash, len, max, min, pow, round, sorted, sum, reversed
- 逻辑判断：all, any
- 进制转换：bin, hex, oct
- 类型转换：int, float, bool, complex, str, dict, list, tuple, set, frozenset
- 类相关：callable, delattr, getattr, hasattr, setattr, dir, isinstance, issubclass
- 对象和属性：vars, type, id
- 字符串和字符编码：chr, ord, eval, exec, repr, format
- IO相关: input, open, print, exit, quit
- 迭代器和遍历：iter, next, enumerate, range, zip
- 函数相关：filter, map
- 其他：globals, locals, help
3、几个函数详解：
- delattr, getattr, hasattr和setattr：
1 class Student(object): 2 def __init__(self, name): 3 self.name = name 4 5 def have_class(self): 6 print("%s is having class." % self.name) 7 8 s = Student("Edward") 9 10 # name 以下都必须是字符串格式 11 12 # hasattr(object, name), 判断对象是否具有name属性 13 print(hasattr(s, "name")) # True 14 print(hasattr(s, "have_class")) # True 15 16 # getattr(object, name, default=None), 返回对象的name属性的值 17 # 可以设置default, 但是仅仅是没有找到时返回它，并没有添加 18 print(getattr(s, "name")) # Edward 19 print(getattr(s, "age", 19)) # 19 20 getattr(s, "have_class")() # 会运行该属性 21 print(hasattr(s, "age")) # False, 并没有添加 22 23 # setattr(object, name, value), 设置对象的name的属性值为value 24 # 若name属性不存在， 还会添加该属性 25 setattr(s, "name", "Tang") 26 print(s.name) # Tang 27 setattr(s, "age", 19) 28 print(hasattr(s, "age")) # True, 会添加该属性 29 30 # delattr(object, name) 删除对象的name属性 31 delattr(s, "name") 32 print(hasattr(s, "name")) # False, 已被删除
- eval和exec：
1 # exec(), 动态执行代码 2 exec("print('Edward Tang')") 3 4 # eval() 计算表达式的值并放回 5 a = eval("7 * 6 + 1") 6 print(a) # 43
- filter和map：
1 def func1(n): 2 if n > 10: 3 return True 4 5 def func2(n): 6 return n * n 7 8 def func3(a, b, c): 9 return a * b * c 10 11 12 seq = [1, 76, 5, 44, 13, 3, 5, 23] 13 li1 = [4, 5, 6, 8] 14 li2 = [9, 7, 10, 6] 15 li3 = [5, 4, 3, 1] 16 17 18 # filter对seq中的每一个元素执行func1, 如果为True, 返回原列表的这些值 19 rt1 = filter(func1, seq) 20 print(list(rt1)) 21 22 # map对seq中的每一个元素执行func2，返回这些值执行的结果构成的序列 23 rt2 = map(func2, seq) 24 print(list(rt2)) 25 26 # 若func有多个参数，可以提供多个序列，分别依次带入，返回结果 27 rt3 = map(func3, li1, li2, li3) 28 print(list(rt3)) 29 30 # 在functools中还存在一个reduce的函数 31 # reduce(func, seq, start) func接受两个参数， 32 # 对seq中两两的数进行递归调用，并返回 33 from functools import reduce 34 def func(a, b): 35 return a * b 36 rt = reduce(func, range(1, 100)) 37 # 计算99的阶乘
- sorted：
1 # sorted(iterable, key=None, reverse=False) 2 # key可以用函数或lambda表达式 3 # 指定reverse = True会降序排序 4 # sorted只是返回一个排序好的序列，并不改变原序列 5 6 # 普通排序 7 seq = [1, 76, 5, 44, 13, 3, 5, 23] 8 seq = sorted(seq, reverse=True) # 降序 9 10 #使用lambda 11 seq = ["Tang", "Edward", "love", "handsome"] 12 seq = sorted(seq, key=lambda a : a.upper()) 13 14 # 对列表的某项排序 15 arr = [['Tang', 89], ['Edward', 79], ['Hu', 67], ['Wang', 80]] 16 arr = sorted(arr, key=lambda a : a[1]) 17 18 # 对类按照某项排序 19 class Person(object): 20 def __init__(self, name, age): 21 self.name = name 22 self.age = age 23 p1 = Person('Edward', 18) 24 p2 = Person('Wang', 25) 25 p3 = Person('Hu', 20) 26 p4 = Person('Liang', 22) 27 for item in sorted([p1, p2, p3, p4], key=lambda p : p.age): 28 print(item.name, end=',') 29 30 # operator模块还有itemgetter, attrgetter两个函数 31 # 所以以上最后两个例子还可以表示为 32 # sorted(arr, key=itemgetter(1)) 33 # sorted([p1, p2, p3, p4], key=attrgetter('age'))
- enumerate和zip：
1 # enumerate(iterable, start=0) 2 # 用于循环中，同时得到iterable的值和计数 3 lst = ['Edward', 'Tang', 'Wang', 'Hu'] 4 for index, item in enumerate(lst): 5 print(index, item) 6 7 # zip(iter1 [,iter2 [...]]) 8 # 分别从iter中取下标相同的元素构成tuple，再将各tuple构成list 9 # 使用zip(*list) 做相反的操作 10 x = [1, 2, 3] 11 y = [4, 5, 6] 12 z = [7, 8, 9] 13 w = zip(x, y, z) 14 print(list(w)) # [(1, 4, 7), (2, 5, 8), (3, 6, 9)] 15 # 用在循环中 16 for a, b, c in zip(x, y, z): 17 print(a, b, c)
四、迭代器与生成器
1、迭代器：
a.通过iter()构造一个迭代器，然后就可以通过__next__()来访问下一个元素：
1 a = iter([3, 6, 1, 9]) 2 a.__next__() # 3 3 a.__next__() # 6
b.迭代器只能往前，不能后退，且只能从头到尾依次访问
c.当数据量很多时，用迭代器来遍历，因为迭代器读取数据时，不是把所有的数据都加载到内存中，而是读取到某个元素时才开始
d.可迭代对象：
- Python内置了很多可迭代对象，如list, dic, str等，所有我们可以通过for循环方便地遍历每一个元素，可以通过collections模块的Iterable来判断是否是可迭代的：
1 from collections import Iterable 2 lst = [1, 5, 6, 9] 3 isinstance(lst, Iterable) # True
2、生成器：
当协同程序暂停的时候，可以获得其中一个的返回值，当调用回到程序中时，能够传入额外或者改变了的参数，但仍能够从上次离开的地方继续
a.通过()构造一个生成器，和迭代器类似，再通过__next()__来访问下一个元素：
1 a = (x * x for x in range(1, 10)) 2 print(a.__next__()) # 1 3 print(a.__next__()) # 4
b.yeild:用在函数中，类似于return(只是暂停下来，需要通过__next__()或next(f)访问)
1 def func(n): 2 a = 1 3 while a < n: 4 yield a 5 a += 2 6 7 f = func(10) 8 print(f.__next__()) # 1 9 print(f.__next__()) # 3 10 11 # 通过yield还可以模拟实现多线程
c.send:与__next__()相比，可以传递一个参数给yield
1 def func(n): 2 a = 1 3 while a < n: 4 b = (yield a) 5 if b == None: 6 b = 0 7 a += b 8 9 f = func(10) 10 print(f.__next__()) # 1 11 print(f.__next__()) # 1 12 print(f.send(5)) # 6 13 print(f.__next__()) # 6
d.close:通过f.close()来关闭生成器(不可以通过next继续访问)
五、装饰器
1、基本语法：
@装饰器函数(可选参数)
def 被装饰函数(可选参数)：
pass
- 装饰器函数一般会将真正需要执行的函数包裹在内，并返回
- 解释过程中，一般不会执行函数，但会执行迭代器函数，并将其返回值赋给被装饰的函数
2、几种情况：
a.无参数装饰器：
1 def deco(func): 2 def inner(): 3 print("Edward")
5 print("tang") 6 return func() 7 return inner 8 9 10 @deco 11 def func(): 12 print("handsome")
13
14 # 并不一定需要以返回func()的方式执行func(这种情况函数需要最后执行),可以先将其返回值保存在一个变量中，最后将其返回
15
16 def inner():
17 print("Edward")
18 rt = func() 19 print("tang")
20 return rt 21
22 # 相当于重新定制了func
b.被装饰函数含一个或多个参数：
1 def deco(func): 2 def inner(str1): 3 print("Edward") 4 return func(str1) 5 return inner 6 7 @deco 8 def func(str1): 9 print(str1) 10 11 func("Tang") 12 13 # 保持inner()函数的参数和原来的func()一样多即可
c.迭代器函数含参数：
- 由于迭代器在解释阶段就会被执行，所有当包裹一层函数时会抵消它的执行，
- 但是，当给迭代器加上参数时，也相当于执行了一次，所有必须提供两层的内部定义的函数
d.多个装饰器：
1 def de1(func): 2 def inner(): 3 print("Edward") 4 return func() 5 return inner 6 7 def de2(func): 8 def inner(): 9 print('tang') 10 return func() 11 return inner 12 13 14 @de1 15 @de2 16 def func(): 17 print("handsome") 18 19 func() 20 21 # 相当于func = de1(de2(func()))
f.functools.wraps:可以保留被装饰函数原来的一些属性，如__name__, __doc__等
1 def deco(func): 2 # @functools.wraps(func) 3 def inner(): 4 print("Edward") 5 print("tang") 6 return func() 7 return inner 8 9 @deco 10 def func(): 11 """ A hansome boy! """ 12 print("handsome") 13 14 print(func.__name__) 15 print(func.__doc__) 16 17 # 会输出 inner和None 18 # 如果去掉注释, 输出func和A handsome boy!
六、偏函数
即将任意数量的参数的函数转化成另一个带剩余参数的函数对象，需要导入functools模块的partial：
1 from operator import add, mul 2 from functools import partial 3 4 add1 = partial(add, 1) 5 mul100 = partial(mul, 100) 6 7 print(add1(99)) # 100 8 print(mul100(99)) # 9900
简单应用(摘自 《Core Python Programming》)：
1 """easy_gui.py""" 2 3 from functools import partial 4 import tkinter 5 # Tkinter模块是python中一个能快速创建GUI的标准库 6 7 root = tkinter.Tk() 8 # 创建一个顶层窗口对象 9 MyButton = partial(tkinter.Button, root, fg='white', bg='blue') 10 # 用偏函数设置按钮的默认属性 11 b1 = MyButton(text='Button 1') 12 b2 = MyButton(text='Button 2') 13 qb = MyButton(text='QUIT', bg='red', command=root.quit) 14 b1.pack() 15 b2.pack() 16 qb.pack(fill=tkinter.X, expand=True) 17 root.title('PFAs!') 18 root.mainloop()
七、《Core Python Programming》几个实例
1.easy_math:
1 """模拟100以内的加减乘除运算""" 2 3 from operator import add, sub, mul, truediv 4 # operator模块提供了各种对python内置方法的访问 5 from random import randint, choice 6 # random模块提供了各种随机数的生成 7 # random() 生成一个[0, 1)之间的随机数 8 # randrange(start, stop=None, step=1) 生成一个range(args)范围内的随机数 9 # randint(a, b) 生成一个[a, b] 范围内的整数 10 # choice(seq) 从序列seq中随机获取一个元素 11 # shuffle(x) 洗牌序列x，返回None 12 # sample(population, k) 从population中随机获取k个元素并作为新的序列返回，但是原序列不变 13 # uniform(a, b) 返回一个a, b之间的浮点数 14 15 16 ops = {'+': add, '-': sub, '*': mul, '/': truediv} 17 MAXTRIES = 2 18 # 能够尝试的最大次数 19 20 21 def doprob(): 22 """ get easy random equation and check the correctness of the input """ 23 op = choice('+-*/') 24 # 随机获取运算符 25 nums = [randint(1, 100) for i in range(2)] 26 # 随机获取参与运算的两个数 27 nums.sort(reverse=True) 28 # 降序使结果不为负数 29 while op == '/': 30 if nums[0] % nums[1] == 0 and nums[1] != 1: 31 break 32 nums = [randint(1, 100) for i in range(2)] 33 34 35 ans = ops[op](*nums) 36 pr = '%d %s %d = ' % (nums[0], op, nums[1]) 37 oops = 0 38 # 尝试的次数 39 while True: 40 try: 41 if int(input(pr)) == ans: 42 print('correct') 43 break 44 if oops == MAXTRIES: 45 print('answer %s%d' % (pr, ans)) 46 else: 47 print('incorrect... try again') 48 oops += 1 49 except (KeyboardInterrupt, 50 EOFError, ValueError): 51 print('invalid input... try again') 52 53 54 def main(): 55 """ realize the repetitive operation""" 56 while True: 57 doprob() 58 try: 59 opt = input('Again? [y]').lower() 60 if opt and opt[0] == 'n': 61 break 62 except (KeyboardInterrupt, EOFError): 63 break 64 65 66 if __name__ == '__main__': 67 main()
2.senior_closure:
1 """闭包和装饰器的应用""" 2 3 from time import time 4 5 def logged(when): 6 def log(f, *args, **kwargs): 7 print('''Called: 8 function: %s 9 args: %r 10 kargs: %r''' % (f, args, kwargs)) 11 # %r repr %s str 12 13 def pre_logged(f): 14 def wrapper(*args, **kwargs): 15 log(f, *args, **kwargs) 16 return f(*args, **kwargs) 17 return wrapper 18 19 def post_logged(f): 20 def wrapped(*args, **kwargs): 21 now = time() 22 try: 23 return f(*args, **kwargs) 24 finally: 25 log(f, *args, **kwargs) 26 print('time delta: %s' % (time()-now)) 27 return wrapped 28 29 try: 30 return({'pre': pre_logged, 'post': post_logged}[when]) 31 except KeyError as e: 32 raise(ValueError(e), 'must be "pre" or "post"') 33 34 @logged('post') 35 def hello(name): 36 print('hello,', name) 37 38 hello('world!')