前言
本篇博客整合了以下与函数有关的知识点
函数
函数的简介
# 函数：以功能（完成一件事）为导向，登录，注册，len，一个函数就是一个功能。 随调随用。 # 减少代码的重复性。 # 增强了代码的可读性。
函数的结构与调用
定义一个函数
def len_num(a):
return len(a)
b=len_num([123,1,2])
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
函数可以没有return 但没有return返回值就没有意义
# 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。
函数的返回值
# return 将数据返回给函数的执行者，简单来说谁调用返回谁 # 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。
函数的参数
# 写一个函数，只接受两个int的参数，函数的功能是将较大的数返回。 # def compile(a,b): #行参 1.位置参数 2. 默认参数（经常使用的参数） # c = 0 # if a > b: # return c # else: # return c # compile(10,20)#实参 位置参数 关键字参数， # 形参角度： # 1. 位置参数 # 2. 默认参数 （经常使用的参数） # 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。
万能参数,仅限关键字参数
# 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。
# 写一个函数：计算你传入函数的所有的数字的和。
# def func(*args):
# count = 0
# for i in args:
# count += i
# return count
# print(func(1,2,3,4,5,6,7))
# **kwargs
# 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.
# 形参角度：仅限关键字参数 (了解) 可以在默认参数前也可以在后面 一定要传参数，不传报错
# 形参角度最终的顺序：位置参数,*args,默认参数，仅限关键字参数，**kwargs
# *的魔性用法
# **在函数的调用时，*代表打散。
def func(*args,**kwargs):
print(args) # (1,2,3,22,33)
print(kwargs)
# func(*[1,2,3],*[22,33]) # func(1,2,3,22,33)
# func(*'fjskdfsa',*'fkjdsal') # func(1,2,3,22,33)
func(**{'name': '太白'},**{'age': 18}) #func(name='太白',age='18')
*的魔性用法。
# *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
# 函数外：处理剩余元素
# a,b,*c = [1,2,3,4,5]
# a,*c,b, = [1,2,3,4,5]
# a,*c = range(5)
# a,*c,b = (1,2,3,4,5,6)
# print(a,c,b)
名称空间作用域
# 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：
# 内置名称空间（builtins.py）
# 全局名称空间（当前py文件）
# 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
# 作用域：
# 两个作用域：
# 全局作用域 ：内置名称空间 全局名称空间
# 局部作用域：局部名称空间（函数等）
# 局部作用域可以引用全局作用域的变量
# 局部作用域不能改变全局变量。 可以使用可以，不能改变
# 注意 python中不可以先引用 后定义
高阶函数
# 就是函数的嵌套
# 例1：
def func1():
print('in func1')
print(3)
def func2():
print('in func2')
print(4)
func1()
print(1)
func2()
print(2)
# in func1 3 1 in func2 4 2
# 例2：
def func1():
print('in func1')
print(3)
def func2():
print('in func2')
func1()
print(4)
print(1)
func2()
print(2)
# 例3：
def fun2():
print(2)
def fun3():
print(6)
print(4)
fun3()
print(8)
print(3)
fun2()
print(5)
内置函数 globals locals
# 内置函数：globals locals
a = 1
b = 2
def func():
name = 'alex'
age = 73
print(globals()) # 返回的是字典：字典里面的键值对：全局作用域的所有内容。
print(locals()) # 返回的是字典：字典里面的键值对：当前作用域的所有的内容。
# print(globals()) # 返回的是字典：字典里面的键值对：全局作用域的所有内容。
# print(locals()) # # 返回的是字典：字典里面的键值对：当前作用域的所有的内容。
func()
global nonlocal关键字
# global # 1, 在局部作用域声明一个全局变量 声明后就可以修改全局变量 # nonlocal 存在于双层嵌套中 # 1. 不能够操作全局变量。 # 2. 作用局部作用域：内层函数对外层函数的局部变量进行修改。
函数名的应用
# 函数名是一个特殊的变量。 # 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。
默认参数的坑
# 陷阱只针对于默认参数是可变的数据类型：
# 如果你的默认参数指向的是可变的数据类型，那么你无论调用多少次这个默认参数，都是同一个。
# 本质是闭包
# def func(name,alist=[]):
# alist.append(name)
# return alist
# ret1 = func('alex')
# print(ret1,id(ret1)) # ['alex']
# ret2 = func('太白金星')
# print(ret2,id(ret2)) # ['太白金星']
# 局部作用域的坑
# 在函数中，如果你定义了一个变量，但是在定义这个变量之前对其引用了，那么解释器认为：语法问题。
# 你应该在使用之前先定义。
# 列题
# count = 1
# def func():
# count += 1
# print(count)
# func()
可迭代对象和迭代器
# 可以进行循环更新的一个实实在在值。
# 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
# 有__iter__方法的对象，都是可迭代对象。
# print('__iter__' in dir(str))
# 如何判断一个对象是迭代器： 可更新迭代的工具
# 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。
# print('__iter__' in dir(str) and '__next__' in dir(str))
# 可迭代对象转化成迭代器：
# 利用内置函数iter()
# obj = iter(l1)
# object.__iter__()
# 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
# 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（记录位置）。
# 取完了再next()会报错(StopIteration) 我们可以用try处理 万能异常（Exception）
while模拟for循环
s = 'gkffdsa;lfkdsk;lafkds;laldgjfd'
obj = iter(s)
while 1:
try:
print(next(obj))
except StopIteration:
break
可迭代对象与迭代器的对比
可迭代对象与迭代器的对比
- 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。
- 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。
- 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。
- 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
# return作用 返回值 单个或多个 终止函数
# 结束函数，给函数的执行者返回值(多个值通过元组的形式返回)。
# 将return换为yield就是生成器函数
# 只要函数中出现了yield那么他就不是函数，它是生成器函数。
# 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
def func():
yield 2,4,5
print(11)
yield 3
print(22)
print(33)
yield 4
yield 5
ret = func() # 生成器对象
# print(ret)
# print(next(ret))
# print(next(ret))
# print(next(ret))
# yield : 对应next给next返回值
yield from
# yield from 将一个可迭代对象的每一个元素返回给next # yield from 节省代码，提升效率（代替了for循环） # def func(): # l1 = [1, 2, 3] # yield from l1#就是下面的简写 # ''' # yield 1 # yield 2 # yield 3 # ''' # ret = func() # print(next(ret))
出错题
def eat_baozi_gen():
for i in range(1,5):
yield f'{i}号包子'
print(11)
ret1 = eat_baozi_gen()
for i in ret1:
print(i)
生成器表达式，列表推导式，字典推导式
# 两种构建方式：
# 1.循环模式： [变量(加工后的变量) for 变量 in iterable]
# print([i**2 for i in range(1, 11)])
# 2.筛选模式： [变量(加工后的变量) for 变量 in iterable if 条件]
# print([i**2 for i in range(1, 11)])
# 列表推导式的优缺点：
# 优点：
# 1， 简单，快捷，装b。
# 缺点：
# 2. 可读性不高，不好排错。
# 慎用，不要入迷。
# 生成器表达式： 小括号
# 与列表推导式几乎一模一样。
# 循环模式，筛选模式。
# obj = (i for i in range(1, 11))
# 字典推导式，集合推导式： 两种模式： 循环模式，筛选模式
l1 = ['小潘', '怼怼哥','西门大官人', '小泽ml亚']
# {0： '小潘', 1： '怼怼哥', 2: '西门大官人'}
# dic = {}
# for index in range(len(l1)):
# dic[index] = l1[index]
# print(dic)
# print({i:l1[i] for i in range(len(l1))})
匿名函数
一句话函数 一般与内战函数结合
# 匿名函数：没有名字的函数 # 匿名函数只能构建简单的函数，一句话函数。 # func2 = lambda 形参: 返回值 # func2 = lambda x,y: x + y
小练习
i改变了指向
func_list = []
for i in range(10):
func_list.append(lambda x:x+i)
v1 = func_list[0](2)
v2 = func_list[5](1)
print(v1,v2)
func_list = []
for i in range(10):
func_list.append(lambda x:x+i)
for i in range(0,len(func_list)):
result = func_list[i](i)
print(result)
result = []
for i in range(10):
func = lambda : i # 注意：函数不执行，内部代码不会执行。
result.append(func)
print(i)#9
print(result)
v1 = result[0]()
v2 = result[9]()
print(v1,v2)
def func(num):
def inner():
print(num)
return inner
result = []
for i in range(10):
f = func(i)
result.append(f)
print(i)
print(result)
v1 = result[0]()
v2 = result[9]()
print(v1,v2)
如 10.3.9.12 转换规则为二进制：
10 00001010
3 00000011
9 00001001
12 00001100
再将以上二进制拼接起来计算十进制结果：00001010 00000011 00001001 00001100 = ？
# IP地址转换为int
# 思路IP按照split进行分隔成4个部分,然后每个部分都转换为二进制类型.
# 然后将这些二进制进行拼接成一个32位的大的二进制字符串.
# 最后将这个二进制数,转换成对应的int类型
def ipToInt(ip_str):
# 分隔
ip_list = ip_str.split('.')
# 拼接
bin_str = ""
# 遍历,然后求出每一个二进制数,(注意切割,舍弃0b),还要把它弄成8位.再相加
for i in ip_list:
part = bin(int(i))[2:]
# 将part前面补充0
part = part.zfill(8)
bin_str += part
# 最后将这个二进制数转换为整数
ip_int = int(bin_str, 2)
return ip_int
v = [lambda :x for x in range(10)]
print(v)
print(v[0])
print(v[0]())
v = (lambda :x for x in range(10))
print(v)
print(next(v))
print(next(v)())
def num():
return [lambda x:i*x for i in range(4)]
print([m(2)for m in num()])
内置函数
内置函数 I 了解
# all() any() bytes() callable() chr() complex() divmod() eval() exec() format() frozenset() globals() hash() help()
# id() input() int() iter() locals() next() oct() ord() pow() repr() round()
# eval 剥去字符串的外衣，返回里面的本质
# s1 = "{1: 'alex'}"
# ret = eval(s1)
# exec 代码流，过程。
# s3 = '''
# for i in range(3):
# print(i)
# '''
# exec(s3)
# hash：获取一个对象（可哈希对象：int，str，Bool，tuple）的哈希值。
# print(hash(12322))
# help：函数用于查看函数或模块用途的详细说明。
# print(help(list))
# print(help(str.split))
# int：函数用于将一个字符串或数字转换为整型。
# print(int('0100',base=2)) # 将2进制的 0100 转化成十进制。结果为 4
# float：函数用于将整数和字符串转换成浮点数。
# complex：函数用于创建一个值为 real + imag * j 的复数或者转化一个字符串或数为复数。如果第一个参数为字符串，则不需要指定第二个参数。。
# divmod：计算除数与被除数的结果，返回一个包含商和余数的元组(a // b, a % b)。
# round：保留浮点数的小数位数，默认保留整数。
# pow：求x**y次幂。（三个参数为x**y的结果对z取余）
# bytes：用于不同编码之间的转化。
# ord 输入字符找该字符编码的位置
# chr 输入位置数字找出其对应的字符
# repr:返回一个对象的string形式（原形毕露）。
# print(repr('{"name":"alex"}'))
# print('{"name":"alex"}')
# %r 原封不动的写出来
# name = 'taibai'
# print('我叫%r'%name)
callable 判断是否可调用
# callable：函数用于检查一个对象是否是可调用的。如果返回True，object仍然可能调用失败； # 但如果返回False，调用对象ojbect绝对不会成功。 # name = 'alex' # def func(): # pass # print(callable(name)) # False # print(callable(func)) # True
bin oct hex进制转换
# bin：将十进制转换成二进制并返回。 # oct：将十进制转化成八进制字符串并返回。 # hex：将十进制转化成十六进制字符串并返回。 # 二进制 to 十进制: int(str,n=10)
all any判断是否全部为真或假
# all 可迭代对象中，全都是True才是True # any 可迭代对象中，有一个True 就是True # print(all([1,2,True,0])) # print211444(any([1,'',0]))
内置函数II 重要
# abs() enumerate() filter() map() max() min() open() range() print() len() list() # dict() str() float() reversed() set() sorted() sum() tuple() type() zip() dir() bytes() #把字符串转换成bytes类型
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)
闭包
定义：
默认参数就是闭包原理
- 闭包是嵌套在函数中的函数。
- 闭包必须是内层函数对外层函数的变量（非全局变量）的引用。
# 引用的变量就是自由变量，自由变量不会随着函数的执行结束之后而消失 # 如何判断判断闭包 # 如果此函数拥有自由变量，那么就可以侧面证明其是否是闭包函数了 # 利用 函数名.__code__.co_freevars 查看函数的自由变量 # 闭包的作用：保存局部信息不被销毁，保证数据的安全性。 # 闭包的应用： # 可以保存一些非全局变量但是不易被销毁、改变的数据。 # 装饰器。
装饰器
开放封闭原则：
装饰器：装饰，装修，房子就可以住，如果装修，不影响你住，而且体验更加，让你生活中增加了很多功能：洗澡，看电视，沙发。 器：工具。 开放封闭原则： 开放：对代码的拓展开放的， 更新地图，加新枪，等等。 封闭：对源码的修改是封闭的。 装饰器：完全遵循开放封闭原则。 装饰器： 在不改变原函数的代码以及调用方式的前提下，为其增加新的功能。 装饰器就是一个函数。
推导见代码
标准版的装饰器；
标准版的装饰器；
def wrapper(f):
f = zz # 第2步
def inner(*args, **kwargs): # 第5步
ret = f(*args,**kwargs)#第7步
return ret
return inner # 第3步
@wrapper # zz=weapper(zz) 第一步
def zz(): # 第4步 此时zz 为 inner
pass
带参数的装饰器
def wrapper_out(n,*args,sex="男")
def wrapper(f):
def inner(*args,**kwargs):
ret = f(*args,**kwargs) # 这边执行的是func1()
return ret
return inner
return wrapper
def func1():
print("in func1")
func = wrapper_out(1) # wrapper函数名
ly = fun(func1) # inner = wrapper(func1)
ly() # inner()
def wrapper_out(n):
def wrapper(f):
def inner(*args,**kwargs):
if n == "qq":
username = input("请输入用户名:").strip()
password = input("请输入密码:").strip()
with open("qq",encoding="tuf-8") as f1:
for line in f1:
user,pwd = line.strip().split("|")
if username == user and password == pwd:
print("登陆成功")
ret = f(*args,**kwargs)
return ret
return False
elif n == "yiktok":
username = input("请输入用户名:").strip()
password = input("请输入密码:").strip()
with open("qq",encoding="tuf-8") as f1:
for line in f1:
user,pwd = line.strip().split("|")
if username == user and password == pwd:
print("登陆成功")
ret = f(*args,**kwargs)
return ret
return False
def wrapper_out(n):
def wrapper(f):
def inner(*args,**kwargs):
username = input("请输入用户名:").strip()
password = input("请输入密码:").strip()
with open(n,encoding="tuf-8") as f1:
for line in f1:
user,pwd = line.strip().split("|")
if username == user and password == pwd:
print("登陆成功")
ret = f(*args,**kwargs)
return ret
return False
return inner
return wrapper
@ wrapper_out("qq")
def qq():
print("成功访问qq")
qq()
# 看到带参数的装饰器分两步执行:
@ wrapper_out("腾讯")
# 1.执行wrapper_out("腾讯"),把相应的参数传给n,并且得到返回值wrapper函数名
# 2.将@与wrapper结合,得到我们之前熟悉的标准版装饰器,按照装饰器的执行流程执行
@ wrapper_out("qq")
def qq():
print("成功访问qq")
@ wrapper_out("tiktok")
def tiktok():
print("成功访问抖音")
qq()
tiktok()
# 开发思路:增强耦合性
多个装饰器装饰一个函数
def wrapper1(func1): # func1 = f原函数
def inner1():
print('wrapper1 ,before func') # 2
func1()
print('wrapper1 ,after func') # 4
return inner1
def wrapper2(func2): # func2 == inner1
def inner2():
print('wrapper2 ,before func') # 1
func2() # inner1
print('wrapper2 ,after func') # 5
return inner2
@wrapper2 # f = wrapper2(f) 里面的f == inner1 外面的f == inner2
@wrapper1 # f = wrapper1(f) 里面的f == func1 外面的f == inner1 先看下面
def f():
print('in f') # 3
f() # inner2() 看外层f
递归
# 官网规定：默认递归的最大深度1000次。
# 如果你递归超过100次还没有解决这个问题，那么执意使用递归，效率很低。 递归比起循环来说更占用内存
# 修改递归的最大深度
# import sys
# sys.setrecursionlimit(1000000000)
# 递归就是自己调自己
# 递归函数是怎么停下来的?递归3次结束整个函数
# 一个递归函数要想结束,必须在函数内写一个return,并且return的条件必须是一个可达到的条件
# --注意---并不是函数中有return,return的结果就一定能够在调用函数的外层接收到 谁调用最后一个函数返回给谁
# 加上return tet
# def func(count):
# count += 1
# print(count)
# if count == 5 : return 5#这个5其实是返回给下面的func()
# ret = func(count)#要想把这个5返回给最外层 所以逐层returt
# return ret
# 精简版
def func(count):
count += 1#这里是代码思路
if count == 5 :
return 5#这个5其实是返回给下面的func()
return func(count)#精简了上面的过程
# 1.计算阶乘 100! = 100*99*98*97*96....*1
def fin(n):
if n ==1 :
return n
else:
return n*fin(n-1)
ret = fin(7)
print(ret)
l2 = [1, 3, 5, ['太白','元宝', 34, [33, 55, [11,33]]], [77, 88],66]
# # 错误方法
# for i in l2:
# if type(i) == list:
# for j in i:
# print(j)
# else:
# print(i)
# 递归
# def func(alist):
# for i in alist:
# if type(i) == list:
# func(i) # func(['太白','元宝',34])
# else:
# print(i)
# func(l2)
# 5.三级菜单 可能是n级
# 2.os模块:查看一个文件夹下的所有文件,这个文件夹下面还有文件夹,不能用walk
# 3.os模块:计算一个文件夹下所有文件的大小.这个文件夹下面还有文件夹,不能用 walk
# 4.计算斐波那契数列
# 找第100个数
# 1.计算阶乘 100! = 100*99*98*97*96....*1
来源：https://www.cnblogs.com/saoqiang/p/12111370.html