目录
函数的结构和参数
定义一个函数
def len_num(a):
return len(a)
b=len_num([123,1,2])#函数名加括号就调用了
print(b)
# 结构:
#def 关键字,定义函数。
#len_num 函数名:与变量设置相同,具有可描述性。
#函数体 :缩进。函数中尽量不要出现print
# return后面是返回值(len(a)) 在函数中遇到return直接结束函数。
# return 将数据返回给函数的执行者,调用者 len_num()。
# return 返回单个元素 是返回原有数据类型的形式返回
# return 返回多个元素 是以元组的形式返回给函数的执行者。
形参的最终顺序为:
**位置参数,
*args,
默认参数,
仅限关键字参数,
**kwargs
实参角度:
1. 位置参数 按照顺序,一一对应
2. 关键字参数, 一一对应
3. 混合参数:位置参数一定要在关键字参数的前面。
1.万能参数: *args, 约定俗称:args,
函数定义时,*代表聚合。 他将所有的位置参数聚合成一个元组,赋值给了 args。
2.**kwargs 仅限关键字参数
1.函数的定义时: ** 将所有的关键字参数聚合到一个字典中,将这个字典赋值给了kwargs.
1.*在函数的调用时,*代表打散。
**{'name': '太白'}打散为name='太白'
*[1,2,3]打散为1,2,3
2.函数外:处理剩余元素
a,b,*c = [1,2,3,4,5]
函数的取值顺序 加载顺序 作用域
# 内置名称空间:python源码给你提供的一些内置的函数,print input
python分为三个空间:
1.内置名称空间(builtins.py)
2.全局名称空间(当前py文件)
3.局部名称空间(函数,函数执行时才开辟)
加载顺序:
内置名称空间 ---> 全局名称空间 ----> 局部名称空间(函数执行时)
取值顺序(就近原则) 单向不可逆
从局部找时 局部名称空间 ---> 全局名称空间 ---> 内置名称名称空间
两个作用域:
1.全局作用域 :内置名称空间 全局名称空间
2.局部作用域:局部名称空间(函数等)
注意
1.局部作用域可以引用全局作用域的变量
2.局部作用域不能改变全局变量。 可以使用,不能改变
3.注意 python中不可以先引用 后定义
函数名的应用
1.函数名是一个特殊的变量。
2.函数名指向的是函数的内存地址,加上()就执行这个函数。
3. 函数名可以作为容器类类型的元素。
4. 函数名可以作为函数的实参。
5. 函数名可以作为函数的返回值。
构造函数和析构函数
构造函数,用于创建对象的函数。
析构函数,用于销毁对象的函数。
class Foo(object):
def __new__(self,*args,**kwargs): # 构造函数
pass
def __del__(self,*args,**kwargs): # 析构函数
pass
obj = Foo()
del obj
重写和重载的区别?
class Foo(object):
def f1(self,int a1):
return 123
def f1(self,string a1):
pass
重载,函数名相同而参数类型/个数/返回值不同。
class Foo(object):
def f1(self):
print(123)
class Bar(Foo):
def f1(self):
print(666)
重写,在子类中对父类中的方法进行重写。
什么是接口?
定义一个接口对继承类进行约束,接口里有什么方法,继承类就必须有什么方法,接口中不能任何功能代码
强制约束
抽象类,可以说是类和接口的混合体,既可以定义常规方法,也可以约束子类的方法(抽象方法)
lambda表达式格式以及应用场景?
匿名函数:为了解决那些功能很简单的需求而设计的一句话函数 与内置函数结合
函数名 = lambda 参数 :返回值
1.参数可以有多个,用逗号隔开
2.匿名函数不管逻辑多复杂,只能写一行,且逻辑执行结束后的内容就是返回值
3.返回值和正常的函数一样可以是任意数据类型
lambda 表达式
temp = lambda x,y:x+y
print(temp(4,10)) # 14
可替代:
def foo(x,y):
return x+y
print(foo(4,10)) # 14
和内置函数结合
1.min max()可以加功能
2.reversed() 将一个序列翻转
3.sorted排序函数 可以加key
4.map对元素进行映射
5.filter筛选过滤 返回迭代器
*arg和**kwarg作用
*args代表位置参数,它会接收任意多个参数并把这些参数作为元祖传递给函数。
**kwargs代表的关键字参数,返回的是字典,位置参数一定要放在关键字前面
Python垃圾回收机制?
1.引用计数
引用计数法有很明显的优点:
对象有确定的生命周期
易于实现
原始的引用计数法也有明显的缺点:
维护引用计数消耗资源,维护引用计数的次数和引用赋值成正比,而不像mark and sweep等基本与回收的内存数量有关。
无法解决循环引用的问题。A和B相互引用而再没有外部引用A与B中的任何一个,它们的引用计数都为1,但显然应该被回收。
为了解决这两个致命弱点,Python又引入了以下两种GC机制。
2.标记清除
标记-清除”法是为了解决循环引用问题。可以包含其他对象引用的容器对象
3.分代回收
Python默认定义了三代对象集合,索引数越大,对象存活时间越长
列举常见的内置函数
1.abs() print(abs(a)) #输出3
返回数字的绝对值
2.all() 此函数用于判断给定的可迭代参数 iterable 中的所有元素是否都不为 0、都不为False 或者iterable都 为空,如果是返回 True,否则返回 False。
3.any() 函数用于判断给定的可迭代参数 iterable 是否全部为空对象,如果都为空、都为0、或者都为false,则返回 False,如果不都为空、不都为0、不都为false,则返回 True。
3.print()
print函数是你学Python接触到的第一个函数,它将对象输出到标准输出流,可将任意多个对象打印出来
4.isinstance()
可以用 isinstance 函数判断某个对象是否属于某个类的实例,函数的定义
range()
range函数是个工厂方法,用于构造一个从[start, stop) (不包含stop)之间的连续的不可变的整数序列对象,这个序列功能上和列表非常类似,函数定义:
enumerate()
用于枚举可迭代对象,同时还可以得到每次元素的下表索引值,函数定义:
len()
zip()
sep 设定分隔符。
print(1, 2, 3, sep='|')
end去除默认换行
print(1, 2, end=' ')
abs() 获取绝对值
print(abs(-10))
sum() 数字相加求和
# sum() 数字相加求和 会for循环里面元素 必须里面都是由int组成 注意列表 sum(iterable,)
print(sum([1, 2, 3, 4], 100))
min max()可以加功能
# min 可以加功能 key 与匿名函数结合
# min 可以加功能
# print(min([22, 11, 45, 2]))
# l1 = [(73, 'alex'), (35, '武大'), (18, '太白')]
# print(min(l1,key=lambda x: x[0]))
# print(min(l1,key=lambda x: x[0])[0])
# 第一步 循环遍历l1 将里面的元素以形参的方式传给匿名函数得到返回值
# 第2步 利用内置函数比较返回值 得到想要的结果,在将传进去的元素返回
reversed() 将一个序列翻转
# reversed() 将一个序列翻转, 返回翻转序列的迭代器 reversed 示例:
# l = reversed('123') # l 获取到的是一个生成器 注意字符串转list会分隔
# print(list(l))
sorted排序函数 可以加key
# lst = [{'id': 1, 'name': 'alex', 'age': 18},
# {'id': 2, 'name': 'wusir', 'age': 17},
# {'id': 3, 'name': 'taibai', 'age': 16}, ]
# # 按照年龄对学生信息进行排序
# print(sorted(lst, key=lambda e: e['age']))
l = ['班级24','班级15','班级3','班级5','班级25']#,按照数字的顺序从大到小排序,不改变原列表,请以最少代码量实现。(3分)
print(sorted(l, key=lambda e: int(e[2:]),reverse=False))
map对元素进行映射
# map(function,iterable) 可以对可迭代对象中的每一个元素进行映射,分别取执行function
# 计算列表中每个元素的平方,返回新列表
# lst = [1,2,3,4,5]
# def func(s):
# return s*s
# mp = map(func,lst)
# print(mp)#对象
# print(list(mp))
# # 改写成lambda
# print(list(map(lambda s:s*s,lst)))
zip() 拉链方法
# zip() 拉链方法。函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,
# 然后返回由这些元祖组成的内容,如果各个迭代器的元素个数不一致,则按照长度最短的返回
# lst1 = [1,2,3]
# lst2 = ['a','b','c','d']
# lst3 = (11,12,13,14,15)
# for i in zip(lst1,lst2,lst3):
# print(i)
filter筛选过滤 返回迭代器
filter筛选过滤 返回迭代器
ls = filter(lambda e:e['age'] > 16,lst)
列表推导式与生成器推导式
print([ i % 2 for i in range(10) ]) # [0, 1, 0, 1, 0, 1, 0, 1, 0, 1]
print([ i for i in range(10) ]) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print([ 10 % 2]) # [0]
# %是个运算符。
print(( i % 2 for i in range(10) ))
# <generator object <genexpr> at 0x00000000020CEEB8> 生成器
# 在Python中,有一种自定义迭代器的方式,称为生成器(Generator)。
# 定义生成器的两种方式:
# 1.创建一个generator,只要把一个列表生成式的[]改成(),就创建了一个generator:
# generator保存的是算法,每次调用next(),就计算出下一个元素的值,直到计算到最后一个元素,
没有更多的元素时,抛出StopIteration的错误。
# 2.定义generator的另一种方法。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 func(a,b=[]) 这种写法有什什么坑?
def func(a,b = []):
b.append(1)
print(a,b)
func(a=2)
func(2)
func(2)
'''
2 [1]
2 [1, 1]
2 [1, 1, 1]
函数的默认参数是一个list 当第一次执行的时候实例化了一个list
第二次执行还是用第一次执行的时候实例化的地址存储
所以三次执行的结果就是 [1, 1, 1] 想每次执行只输出[1] ,默认参数应该设置为None
如何在函数中设置一个全局变量
x = 2
def func():
global x
x = 1
return x
func()
print(x) # 1
简述 生成器、迭代器、可迭代对象 以及应用场景?
可迭代对象
1.可以进行循环更新的一个实实在在值。
2.如何判断一个对象是否是可迭代对象: 利用内置函数:dir()可以查看对象内部方法
3.有__iter__方法的对象,都是可迭代对象。
4.str,list set tup 逗是可迭代对象
print('__iter__' in dir(str))#True
ps dir()函数可以获取对象所有方法
迭代器
1.可更新迭代的工具
2.在python中,内部含有'__iter__'方法并且含有'__next__'方法的对象就是迭代器。
3.迭代器可以迭代取值。利用next()进行取值(节省内存)或者转为list 元祖等等取值
4.一个next()取一个值 且会记录位置 迭代器一条路走到底,不走回头路。
5.取完了再next()会报错(StopIteration) 我们可以用try处理 万能异常(Exception)
可迭代对象转化成迭代器
利用内置函数iter()
l1=[1,2,3]
obj = iter(l1)
object.__iter__()
1.可迭代对象是一个操作方法比较多,比较直观,存储数据相对少(几百万个对象,8G内存是可以承受的)的一个数据集。
2.当你侧重于对于数据可以灵活处理,并且内存空间足够,将数据集设置为可迭代对象是明确的选择。
3.是一个非常节省内存,可以记录取值位置,可以直接通过循环+next方法取值,但是不直观,操作方法比较单一的数据集。
4.当你的数据量过大,大到足以撑爆你的内存或者你以节省内存为首选因素时,将数据集设置为迭代器是一个不错的选择。
生成器
1.将return换为yield就是生成器函数
2.只要函数中出现了yield那么他就不是函数,它是生成器函数。
3.不结束函数,对应着给 next 返回值(多个值通过元组的形式返回)。 会记录位置
4.生成器是一个返回迭代器的函数,只能用于迭代操作,更简单点理解生成器就是一个迭代器。
装饰器
装饰器:
能够在不修改原函数代码的基础上,在执行前后进行定制操作,闭包函数的一种应用 不修改被修饰函数的代码
场景:
- flask路由系统
- flask before_request
- csrf
- django内置认证
- django缓存
# 手写装饰器;
import functools
def wrapper(func):
@functools.wraps(func) #不改变原函数属性
def inner(*args, **kwargs):
#执行函数前
return func(*args, **kwargs)
#执行函数后
return inner
1. 执行wapper函数,并将被装饰的函数当做参数。 wapper(index)
2. 将第一步的返回值,重新赋值给 新index = wapper(老index)
@wrapper #index=wrapper(index)
def index(x):
return x+100
用Python实现一个二分查找的函数。
二分查找算法:简单的说,就是将一个列表先排序好,比如按照从小到大的顺序排列好,当给定一个数据,比如3,查找3在列表中的位置时,可以先找到列表中间的数li[middle]和3进行比较,当它比3小时,那么3一定是在列表的右边,反之,则3在列表的左边,比如它比3小,则下次就可以只比较[middle+1, end]的数,继续使用二分法,将它一分为二,直到找到3这个数返回或者列表全部遍历完成(3不在列表中)
优点:效率高,时间复杂度为O(logN);
缺点:数据要是有序的,顺序存储。
li = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
def search(someone, li):
l = -1
h = len(li)
while l + 1 != h:
m = int((l + h) / 2)
if li[m] < someone:
l = m
else:
h = m
p = h
if p >= len(li) or li[p] != someone:
print("元素不存在")
else:
str = "元素索引为%d" % p
print(str)
search(3, li) # 元素索引为2
谈谈你对闭包的理解?
ef foo():
m=3
n=5
def bar():
a=4
return m+n+a
return bar
>>>bar = foo()
>>>bar()
种内部函数可以使用外部函数变量的行为,就叫闭包。或者有自由变量
是否使用过functools中的函数?其作用是什么?
用于修复装饰器 flask源码里面有用到
import functools
def deco(func):
@functools.wraps(func) # 加在最内层函数正上方
def wrapper(*args, **kwargs):
return func(*args, **kwargs)
return wrapper
@deco
def index():
'''哈哈哈哈'''
x = 10
print('from index')
print(index.__name__)
print(index.__doc__)
# 加@functools.wraps
# index
# 哈哈哈哈
# 不加@functools.wraps
# wrapper
# None
异常处理写法以及如何主动跑出异常(应用场景)
# 触发异常
def temp_convert(var):
try:
return int(var)
except ValueError as Argument:
print ("参数没有包含数字%s"%Argument)
# 调用函数
temp_convert("xyz")
# 以10为基数的int()的无效文字:“xyz”
----------------------------------------------------------------------------
# raise语法
#raise [Exception [, args [, traceback]]]
# 语句中 Exception 是异常的类型,args 是自已提供的异常参数。
class Networkerror(RuntimeError):
def __init__(self, arg):
self.args = arg
try:
raise Networkerror("Bad hostname")
except Networkerror as e:
print(e.args)
yield和yield from关键字
yield 返回一个
yield from 返回一堆
1.yield from 将一个可迭代对象的每一个元素返回给next
2.yield from 节省代码,提升效率(代替了for循环)