一、闭包函数
def f1():
x = 10
def f2():
print(x) # 10
x = 1000
f1() # 10
print(x) # 1000
def f1():
x = 10
def f2():
print(x) # 10
return f2
f = f1() # f2
f() # f2()
- 把函数和变量一起打包拿出去了
def f1(x):
def f2():
print(x) # 10
return f2
f3 = f1(10) # f2
f3() # f2() # 10
f3() # 10
f3() # 10
f4 = f1(5)
f4() # 5
f4() # 5
二、装饰器
- 不改变函数体代码，并且不改变函数调用方式，它本质就是一个函数
def f1(x):
def f2():
print(x) # 10
return f2
f2 = f1()
f2() # f2()
- 完善装饰器
def login_deco(func):
def wrapper(*args,**kwargs):
login_judge = login()
if login_judge:
res = func(*args,**kwargs)
return res
return wrapper
@login_deco
def shopping():
pass
# shopping = deco(shopping)
# shopping()
三、三层装饰器
def sanceng(x,y):
def login_deco(func):
print(x,y)
def wrapper(*args,**kwargs):
login_judge = login()
if login_judge:
res = func(*args,**kwargs)
return res
return wrapper
return login_deco
@sanceng(10,20)
def shopping():
pass
day20
# shopping = login_deco(shopping)
# shopping()
四、迭代器
- 可迭代对象：具有iter方法的对象（Python中一切皆对象）
- 迭代器对对象：具有iter和next方法
- 迭代器对象一定是可迭代对象，可迭代对象不一定是迭代器对象（f）
五、三元表达式
六、列表推导式
七、字典生成式
八、生成器表达式
九、生成器
自定义的迭代器，函数内部使用yield关键，有yield关键字的函数只要调用，这个调用后的函数就是生成器
- yield：接收函数返回值，但是会继续执行函数体代码
- return：接收函数返回值，但是会终止函数
def f1():
yield 1
g = f1() # 变成生成器
for i in g:
print(i) # 1
一十、递归
递归本质上就是函数调用函数本身，必须得有结束条件，并且在递归的过程中，问题的规模必须都不断缩小
10.1 二分搜索
def find_num(num,lis):
if len(lis) == 1 and lis[0] != num:
print('没找到')
return
mid_ind = int(len(lis) / 2) # 中间索引
mid_num = lis[mid_ind] # 中间值
if num < mid_num:
lis = lis[:mid_ind]
find_num(num,lis)
elif num > mid_num:
lis = lis[mid_ind + 1:]
find_num(num, lis)
else:
print('find')
lis = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
find_num(20,lis)
十一、匿名函数
lamdbda 参数 : 逻辑代码
- 匿名函数使用一次就失效了，一般不单独使用，与max最大值/min最小值/sorted排序/map映射/filter过滤 连用
max(dic,key=lambda name: dic[name])
max(dic)
max(lis/se/tup)
- 内置函数（有空看一看，没空抄一抄）
十二、面向过程编程
类似于工厂的流水线，机械式的一步一步完成一个项目，把完成步骤具体细分，这样步骤与步骤之间互不干涉
缺点：扩展性差，只要有一个步骤断了，项目就崩溃了
优点：清晰优雅