python cookbook第三版学习笔记九：函数

Posted 2020-09-27

接受任意数量参数的函数. 当传入函数的参数个数很多的时候，在函数定义的时候不需要为每一个参数定义一个变量，可以用*rest的方式来包含多余的参数。

如下面的代码，*rest包含了2,3,4这3个参数。且可以迭代访问。在这个例子中，rest其实就是其他位置参数组成的一个元组

def avg(first,*rest):

    for i in rest:

        print i

    average=(first+sum(rest))/(1+len(rest))

    print average

avg(1,2,3,4)

如果我们需要传递带关键字的参数：可以用下面的方法。当采用**attr的时候，attr其实是一个包含所有被传入进来的关键字参数的字典

def avg(first,**attr):

    for item in attr.items():

        print item,attr[item[0]]

avg(1,size=‘large‘,quantity=0)

得到的结果如下：

E:\\python2.7.11\\python.exe E:/py_prj/python_cookbook.py

(‘quantity‘, 0) 0

(‘size‘, ‘large‘) large

如果想强制让某些参数用关键字参数传递，可以将强制关键字参数放到*参数后面或者单个的*后面

Lambda:

在C语言中，对于一些短小的实现。可以不用函数而是写一个宏的方式来实现。

比如#define M(y) y*y+3*y   那么M(5)最终的结果就是5*5+3*5=40

在python中也有类似的实现，这就是lambada。代码如下，这就是实现了一个加法的lambda

add=lambda x,y:x+y

print add(3,4)

再来看下面的这个例子：

我们想对name中的名字按照姓来进行排序。在sorted中指定key值也就是排序的依据。在这里用lambda name:name.split()[-1].lower()的方式将每个名字的姓提取出来，然后在赋值给key

name=[‘David Beazley‘,‘Brains Jones‘,‘Raymond Hettinger‘,‘Ned Batchelder‘]

ret=sorted(name,key=lambda name:name.split()[-1].lower())

print ret

来看一个比较有意思的例子：

x=10

a=lambda y:y+x

x=20

b=lambda y:y+x

print a(10)

print b(10)

上面的代码a(10)和b(10)的值是多少，20和30？直观上是对的，但是实际上结果却是30和30. 为什么会这样呢。我们来单步运行下：

首先运行了a=lambda y:y+x 后，对应的x=10

在运行了b=lambda y:y+x后，对应的x=20

此时执行到print a(10)。这个时候跳转到a=lambda y:y+x 此时的x=20,因此a(10)就等于20+10=30

从这上面的例子可以看出，尽管我们在lambda之前定义了x的值。但是最终的值并不是定义的时候就绑定，而是在实际lambda运行时才开始绑定。而在lambda实际运行也就是print a(10)的时候，x的值已经被赋值成了20.

如果想让参数在lambda定义的时候就固定，需要在定义的时候就设置参数的值

a=lambda y,x=x:y+x

在lambda中设置x=x，这样就将x的值绑定成了10这个值。

这个在列表推导的时候特别容易出错。如下面的代码。我们期望得到的是0,1,2,3,4

fun=[lambda x:x+n for n in range(5)]

for f in fun:

    print f(0)

但是最终的结果却是4,4,4,4,4. 原因和之前的一样，n在被调用的时候被为4。

改成如下代码，n的值就可以每次都被绑定了。

fun=[lambda x,n=n:x+n for n in range(5)]

partial使用：

如果函数的参数值太多，partial可以固定一个或多个参数的值，在调用的时候可以减少调用的参数个数。如下面的代码。固定d=3,在调用的时候只需要设置a,b,c的值

def spam(a,b,c,d):

    print a,b,c,d

s1=partial(spam,d=3)

s1(0,1,2)

来看一个实际的例子，假设你有一个点的列表来表示(x,y)坐标元组。你可以使用下面的函数来实现

points=[(1,2),(3,4),(5,6),(7,6)]

def distance(p1,p2):

    x1,y1=p1

    x2,y2=p2

    return math.hypot(x2-x1,y2-y1)

但是如果我们想计算到某个基点的距离，并基于这个距离来进行排序。该如何操作呢。之前我们讲了lambda的用法。我们可以用lambda来实现，代码如下

points=[(1,2),(3,4),(5,6),(7,6)]

pt=(4,3)

ret=sorted(points,key=lambda points: math.hypot(pt[0]-points[0],pt[1]-points[1]))

print ret

用lambda实现稍显冗余。Partial可以精简下代码。在这里我们将distance的第二个参数p2固定为pt。这样在调用的时候其实就不

ret=sorted(points,key=partial(distance,pt))

print ret

这样在调用的时候其实就是下面的样式：

distance((1,2),(4,3))

distance((3,4),(4,3))

distance((5,6),(4,3))

distance((7,6),(4,3))

回调函数：

回调函数在C语言中经常使用，简单来说就是将回调函数的指针地址作为参数传递一个函数，而那个函数在需要用到的时候利用传递的地址回调函数。这时就可以利用这个机会在回调函数中处理或者完成操作。

比如下面的C语言代码。printWelcome的地址传递给(*print)(int).在callback中就可以调用

void printWelcome(int len)

{

       printf("welcome -- %d/n", len);

}

void callback(int times, void (* print_info)(int))

{

       int i;

       for (i = 0; i < times; ++i)

       {

              Print_info(i);

       }

void main(void)

{

       callback(10, printWelcome);

}

我们通俗点来说，回调函数就好比你去商店买了东西，但是没货，这个时候你留了电话号码给店员，等到有货的时候店员打电话给你让你取取货。你的电话号码就相当于回调函数。

来看下python中的回调函数如何用：

def apply_async(func,args,callback):

    result=func(*args)

    callback(result)



def print_result(result):

    print result

def add(x,y):

    return x+y

apply_async(add,(2,3),callback=print_result)

在apply_async中设置callback为print_result.当add加法运行完以后，则可以调用print_result来打印。

有人会问，这和写中间函数有什么区别呢：代码改成如下不也是一样，在appy_async中调用print_result不是一样的么

def apply_async(func,args):

    result=func(*args)

    print_result(result)



def print_result(result):

    print result



def add(x,y):

    return x+y



if __name__==‘__main__‘:

    apply_async(add,(2,3))

确实这样写也是一样的效果，那么回调函数有什么好处呢？如果更新下我们的需求，在apply_async中我们还想打印出2个参数相减的结果。代码可以改成如下

def apply_async(func,func1,args):

    result=func(*args)

    print_result(result)

    result1=func1(*args)

    print_result(result1)



def print_result(result):

    print result



def delete(x,y):

    return x-y



def add(x,y):

    return x+y



if __name__==‘__main__‘:

    apply_async(add,delete,(2,3))

但是如果需求继续增加，我们还想打印乘法，除法，幂运算等各种运算结果呢。这个时候在apply_async中不是得传递各种函数参数。参数越写愈多，也越来越不好看。这个时候回调函数的优势就体现出来了。

def apply_async(func,args,callback):

    result=func(*args)

    callback(result)



def print_result(result):

    print result



def delete(x,y):

    return x-y



def add(x,y):

    return x+y



if __name__==‘__main__‘:

    apply_async(add,(2,3),callback=print_result)

    apply_async(delete,(2,3),callback=print_result)

看到没，我只需要给apply_async的第一个参数传递不同的处理函数，我就可以得到不同的结果。而回调函数都是固定的。这就相当于将公共部分用回调函数来处理。而apply_async通过参数的传递得到了不同的结果。

在上面的回调函数中，回调函数只能处理传入的参数，无法访问其他变量。

为了让回调函数访问外部信息，有两种方法：1 使用一个绑定方法来代替一个简单函数

class ResultHandler:

    def __init__(self):

        self.sequence=0

    def handler(self,result):

        self.sequence+=1

        print self.sequence,result

r=ResultHandler()

apply_async(add,(2,3),r.handler)

apply_async(add,(4,4),r.handler)

在这里首先创建类ResultHandler的实例，然后用handler来作为回调函数，这个时候就可以同步访问sequence这个变量

第二种方法就是使用闭包。

def make_handler():

    sequence=0

    def handler(result):

        nonlocal sequence

        sequence+=1

        print sequence,result

    return handler

hanlder=make_handler()

apply_async(add,(2,3),callback=hanlder)

注意nonlocal是在Python3.0才使用的。在2.x是没有这个关键字的。因此在2.x中要么使用全局变量，要么使用列表或者字典。如果使用变量，会报错。因此系统不知道这个变量是在哪引用的。

def make_handler():

    sequence=[1]

    def handler(result):

        sequence[0]=2

        print sequence,result

    return handler

内联回调函数：

首先来看下functools中wrap修饰器的用法。首先来看下

def decorator_try(func):

    def wrapper(*args,**kwargs):

        print ‘call decorator_try‘

        return func(*args,**kwargs)

    return wrapper





@decorator_try

def example():

    print ‘call example‘





if __name__==‘__main__‘:

    example()

    print example.__name__

结果如下：

E:\\python2.7.11\\python.exe E:/py_prj/python_cookbook/chapter5.py

call decorator_try

call example

wrapper

在这里example.__name__的结果是wrapper，而非example.也就是被修饰的函数的属性发生了改变。因为装饰器可以等效写成 example=decorator_try(example).而decorator_try的返回值是wrapper.因此example的属性也跟着变成了wrapper。要消除这样的影响，就要用到wraps

用wraps修饰一下wrapper后，得到的结果就是example

def decorator_try(func):

    @wraps(func)

    def wrapper(*args,**kwargs):

        print ‘call decorator_try‘

        return func(*args,**kwargs)

    return wrapper

E:\\python2.7.11\\python.exe E:/py_prj/python_cookbook/chapter5.py

call decorator_try

call example

example