Python入门二:函数,python入门函数分分快三计划

作者:编程技术
[5, 4, 3, 2, 1]

lambda只是一个表达式,函数体比def简单很多。

Python入门二:函数,python入门函数

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

分分快三计划 1 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='n', 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 内置函数

 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('answern%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!')

 

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、...

[4, 4, 4]

其实lambda就是把参数和返回简写,非常方便

 

sorted(iterable, cmp=None, key=None, reverse=False) --> new sorted list terable:是可迭代类型; cmp:用于比较的函数,比较什么由key决定,有默认值,迭代集合中的一项; key:用列表元素的某个属性和函数进行作为关键字,有默认值,迭代集合中的一项; reverse:排序规则. reverse = True 或者 reverse = False,有默认值。 * 返回值:是一个经过排序的可迭代类型,与iterable一样。
sorted()结合lambda对可迭代类型用sort_time排序

list = ['c','b','a']

print list.sort() #返回None
print list #返回['a', 'b', 'c']

sorted() 结合lambda对列表进行排序

print(map(str,[1,2,3,4,5]))

将序列中的元素通过函数过滤后返回一个新的列表
reduce()

13.any()

>>> test = lambda x,y=2:x y
>>> test(3
... )
5
>>> test(5)
7
>>> test(1)
3
>>>

 

看一下测试结果:

输出:

lambda x, y=2: x y

%m 月

需要两个参数,第一个是一个处理函数,第二个是一个序列(list,tuple,dict)
map()

7、**args和**kwargs参数

lambda表达式是起到一个函数速写的作用。允许在代码内嵌入一个函数的定义。

5、lambda()匿名函数,有时不需要显示的定义函数,可以使用此函数

sorted 用于列表的排序,比列表自带的更加智能 有两个列表,每个列表中都有一个字典([{},{}])要求将两个这样的列表合并后按照时间排序, 两个列表中的时间为了能够通过json输出已经由时间格式转变为字符串格式.字段名为 sort_time 现在将他们按照倒序排列

 

Python用于支持将函数赋值给变量的一个操作符 默认是返回的,所以不用再加return关键字,不然会报错

如:eval("1234")这个会转成int型

我们定义了一个函数叫add,有两个参数,返回结果是x y

 

lambda x, y: x y

print zip('a','b','c','d') #返回元组[('a', 'b', 'c', 'd')]

sorted 的用法

12.all()

lambda的主体是一个表达式,而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。

list = []
for i in [1,2,3,4,5]:
    list.append(i*2)

print(list)

li = [1, 2, 3, 4, 5]
# 序列中的每个元素加1
map(lambda x: x 1, li) # [2,3,4,5,6]
 
# 返回序列中的偶数
filter(lambda x: x % 2 == 0, li) # [2, 4]
 
# 返回所有元素相乘的结果
reduce(lambda x, y: x * y, li) # 1*2*3*4*5 = 120

1、map() 此函数可以,将列表每一个函数作用在函数上,并返回list

使用lambda高效操作列表

(1, 2, 3)
{}
-------------------------------
()
{'a': 5, 'c': 7, 'b': 6}
-------------------------------
()
{'a': 1, 'c': 3, 'b': 2}
-------------------------------
(4, 5, 6)
{'e': 5, 'g': 7, 'f': 6}

result = lambda x: x * x
result(2) # return 4
map()/filter()/reduce()

这两个是python的可变参数,其中*args是元组;**kwargs是字典类型参数

将序列中的元素通过处理函数处理后返回一个新的列表
filter()

def cmp(x,y):
    if x>y:
        return -1
    if x<y:
        return 1
    return 0

print(sorted([1,2,3,4,5]),cmp)

这个usuallyAdd2的区别在于y有了默认值

 

sorted(data, key=lambda d: d['sort_time'], reverse=True)

上边代码只是写一个例子,模拟将数据{'username':'pyhleng','password':'q123456'} 存储在数据表,然后在读出来的样子。

def add(x, y): return x y

是不是很方便,当然有人说,可以写成for循环,是的这样也可以实现,但是我们有更简便的方法,有必要写这么一个for循环吗。

如果使用lambda如何表现呢?

正序:

我们先来看一个例子:

def add(x,y):
    return x * y
print reduce(add,[1,2,3,4,5])

def usuallyAdd2(x, y=2): return x y

 

将序列中的元素通过一个二元函数处理返回一个结果
将上面三个函数和lambda结合使用

 

 

8、日期时间函数 

%H 时

6、sorted()排序(可以对list,dict,字符串等排序)

2、eval()此函数,将字符串,转换成其类型对象

 

原型 map(function,[list])

def fc(x):
    return x * 2

print(map(fc,[1,2,3,4,5]))
def add(x,y):
    return x   y
print reduce(add,[1,2,3,4,5])

输出:因为函数定义两个类型参数,调用时有的只写了一个类型,所以会有()或{}输出。

获取当前日期时间

输出:

%M 分

过滤,序列中的每一个元素,符合函数条件True的留下,False的去掉,最后返回一个过虑后的序列

输出:

倒序:

['1', '2', '3', '4', '5']

 

eval("{'user':'name'}") 这样会转成字典等

% S 秒

输出:

首字母大写;用到str.title属性

15

 

结果:列表内元素都转换成了字符串

[1, 2, 3, 4, 5]

eval()函数是少不了的。

输出:

add函数必须有两个参数,然后每次,结果和下一个做累计,稍加改动1*2*3*4*5

3、reduce()此函数,函数参数必须有两个,把结果与序列的下一个元素做累计

print any(['1','2','3','4']) #所有元素为True时返回True,all([])返回False
print  max([1,2,3,4,5,6]) #返回列表中,最大的元素6
print all(['1','2','3','4']) #所有元素为True时返回True,all([])返回True

当然map()函数还有更多,更复杂的用法

输出:

strdic = '''{'username':'pyhleng','password':'q123456'}
'''
print eval(strdic)
print(eval(strdic)['password'])

格式化字符串:

4、filter()此函数,传入一个函数和序列做为参数

 

['Abc', 'Def', 'Ghj']
print(map(str.title,['abc','def','ghj']))

9.list.reverse() 列表翻转

示例如下:*args和**kwargs可以同时使用。

为什么说eval()是转换成,其类型对象呢,这是因为,具体是什么类型的数据取决于,字符串内容

%d  日

[2,4,6,8,10]

输出:

120

 

{'username': 'pyhleng', 'password': 'q123456'}
q123456

 

以map()为例:lambda y: y*2 其中y:是参数,y*2是函数体

然后使用sorted()进行排序。

10.MAX()

 

list = ['a','b','c']
print list.reverse() #返回None,这个只是实现list的返向排列,返回None
print list #返回['c', 'b', 'a']
def foo(*args,**kwargs):
    print(args)
    print(kwargs)

foo(1,2,3)#元组参数这样使用
foo(a=5,b=6,c=7) #字典传参写x =x这种格式
foo(a=1,b=2,c=3)
foo(4,5,6,e=5,f=6,g=7) 

输出:

 有没有上边的代码是多此一举,直接定义一个字典对象不就行了,为什么要有三引号,引上。是啊为什么要这样做?????

def fcq(x):
    return x==4
print filter(fcq,[1,3,4,5,4,6,4])

 

print(sorted([1,2,3,4,5]))

 

 

定义一个比较函数,定义x,y两个参数,进行比较,大于返回-1,小于返回1,等于返回0

输出:

11.ZIP()

如果将{'username':'pyhleng','password':'q123456'}存在数据表中,在读出来的时候就是字符串。如果要当字典用那么

import time

curTime = time.strftime('%Y.%m.%d %H:%M:%S',time.localtime()).decode('utf-8')
print(map(lambda y: y*2,[1,2,3,4,5]))

print map(lambda y: y*2,[1,2,3,4,5])

相当于:

def fc(y)
    return y * 2

print map(fc,[1,2,3,4,5])
[2,4,6,8,10]

%Y 年

例子:将字符串,转换成字典

14.list.sort()

本文由分分快三计划发布,转载请注明来源

关键词: 分分快三计划