内建函数（builtins）和functools

Posted 2020-12-27 alexzhang92

内建函数

Build-in Function,启动python解释器，输入dir(__builtins__), 可以看到很多python解释器启动后默认加载的属性和函数，这些函数称之为内建函数， 这些函数因为在编程时使用较多，cpython解释器用c语言实现了这些函数，启动解释器 时默认加载。

这些函数数量众多，不宜记忆，开发时不是都用到的，待用到时再help(function), 查看如何使用，或结合百度查询即可，在这里介绍些常用的内建函数。

range

    range(stop) -> list of integers
    range(start, stop[, step]) -> list of integers

• start:计数从start开始。默认是从0开始。例如range（5）等价于range（0， 5）;
• stop:到stop结束，但不包括stop.例如：range（0， 5） 是[0, 1, 2, 3, 4]没有5
• step:每次跳跃的间距，默认为1。例如：range（0， 5） 等价于 range(0, 5, 1)

python2中range返回列表，python3中range返回一个迭代值。如果想得到列表,可通过list函数

a = range(5)
list(a)

创建列表的另外一种方法

In [21]: testList = [x+2 for x in range(5)]

In [22]: testList
Out[22]: [2, 3, 4, 5, 6]

map函数

map函数会根据提供的函数对指定序列做映射

    map(...)
        map(function, sequence[, sequence, ...]) -> list

• function:是一个函数
• sequence:是一个或多个序列,取决于function需要几个参数
• 返回值是一个list

参数序列中的每一个元素分别调用function函数，返回包含每次function函数返回值的list。

#函数需要一个参数
map(lambda x: x*x, [1, 2, 3])
#结果为:[1, 4, 9]

#函数需要两个参数
map(lambda x, y: x+y, [1, 2, 3], [4, 5, 6])
#结果为:[5, 7, 9]


def f1( x, y ):  
    return (x,y)

l1 = [ 0, 1, 2, 3, 4, 5, 6 ]  
l2 = [ ‘Sun‘, ‘M‘, ‘T‘, ‘W‘, ‘T‘, ‘F‘, ‘S‘ ]
l3 = map( f1, l1, l2 ) 
print(list(l3))
#结果为:[(0, ‘Sun‘), (1, ‘M‘), (2, ‘T‘), (3, ‘W‘), (4, ‘T‘), (5, ‘F‘), (6, ‘S‘)]

filter函数

filter函数会对指定序列执行过滤操作

filter(...)
    filter(function or None, sequence) -> list, tuple, or string

    Return those items of sequence for which function(item) is true.  If
    function is None, return the items that are true.  If sequence is a tuple
    or string, return the same type, else return a list.

• function:接受一个参数，返回布尔值True或False
• sequence:序列可以是str，tuple，list

filter函数会对序列参数sequence中的每个元素调用function函数，最后返回的结果包含调用结果为True的元素。

返回值的类型和参数sequence的类型相同

返回值的类型和参数sequence的类型相同

filter(lambda x: x%2, [1, 2, 3, 4])
[1, 3]

filter(None, "she")
‘she‘

reduce函数

reduce函数，reduce函数会对参数序列中元素进行累积

reduce(...)
    reduce(function, sequence[, initial]) -> value

    Apply a function of two arguments cumulatively to the items of a sequence,
    from left to right, so as to reduce the sequence to a single value.
    For example, reduce(lambda x, y: x+y, [1, 2, 3, 4, 5]) calculates
    ((((1+2)+3)+4)+5).  If initial is present, it is placed before the items
    of the sequence in the calculation, and serves as a default when the
    sequence is empty.

• function:该函数有两个参数
• sequence:序列可以是str，tuple，list
• initial:固定初始值

reduce依次从sequence中取一个元素，和上一次调用function的结果做参数再次调用function。 第一次调用function时，如果提供initial参数，会以sequence中的第一个元素和initial 作为参数调用function，否则会以序列sequence中的前两个元素做参数调用function。 注意function函数不能为None。

reduce(lambda x, y: x+y, [1,2,3,4])
10

reduce(lambda x, y: x+y, [1,2,3,4], 5)
15

reduce(lambda x, y: x+y, [‘aa‘, ‘bb‘, ‘cc‘], ‘dd‘)
‘ddaabbcc‘

在Python3里,reduce函数已经被从全局名字空间里移除了, 它现在被放置在fucntools模块里用的话要先引入： from functools import reduce

sorted函数

sorted(...)
    sorted(iterable, cmp=None, key=None, reverse=False) --> new sorted list

 

集合set

集合与之前列表、元组类似，可以存储多个数据，但是这些数据是不重复的

集合对象还支持union(联合), intersection(交), difference(差)和sysmmetric_difference(对称差集)等数学运算.

>>> x = set(‘abcd‘)
>>> x
{‘c‘, ‘a‘, ‘b‘, ‘d‘}
>>> type(x)
<class ‘set‘>
>>> 
>>> 
>>> y = set([‘h‘,‘e‘,‘l‘,‘l‘,‘o‘])
>>> y
{‘h‘, ‘e‘, ‘o‘, ‘l‘}
>>> 
>>> 
>>> z = set(‘spam‘)
>>> z
{‘s‘, ‘a‘, ‘m‘, ‘p‘}
>>> 
>>> 
>>> y&z #交集
set()
>>> 
>>> 
>>> x&z #交集
{‘a‘}
>>> 
>>> 
>>> x|y #并集
{‘a‘, ‘e‘, ‘d‘, ‘l‘, ‘c‘, ‘h‘, ‘o‘, ‘b‘}
>>> 
>>> x-y #差集
{‘c‘, ‘a‘, ‘b‘, ‘d‘}
>>> 
>>> 
>>> x^z #对称差集(在x或z中，但不会同时出现在二者中)
{‘m‘, ‘d‘, ‘s‘, ‘c‘, ‘b‘, ‘p‘}
>>> 
>>> 
>>> len(x)
4
>>> len(y)
4
>>> len(z)
4
>>>

functools

functools 是python2.5被引人的,一些工具函数放在此包里。

python2.7中

python3.5中

import functools
dir(functools)

运行结果：

[‘MappingProxyType‘,
 ‘RLock‘,
 ‘WRAPPER_ASSIGNMENTS‘,
 ‘WRAPPER_UPDATES‘,
 ‘WeakKeyDictionary‘,
 ‘_CacheInfo‘,
 ‘_HashedSeq‘,
 ‘__all__‘,
 ‘__builtins__‘,
 ‘__cached__‘,
 ‘__doc__‘,
 ‘__file__‘,
 ‘__loader__‘,
 ‘__name__‘,
 ‘__package__‘,
 ‘__spec__‘,
 ‘_c3_merge‘,
 ‘_c3_mro‘,
 ‘_compose_mro‘,
 ‘_convert‘,
 ‘_find_impl‘,
 ‘_ge_from_gt‘,
 ‘_ge_from_le‘,
 ‘_ge_from_lt‘,
 ‘_gt_from_ge‘,
 ‘_gt_from_le‘,
 ‘_gt_from_lt‘,
 ‘_le_from_ge‘,
 ‘_le_from_gt‘,
 ‘_le_from_lt‘,
 ‘_lru_cache_wrapper‘,
 ‘_lt_from_ge‘,
 ‘_lt_from_gt‘,
 ‘_lt_from_le‘,
 ‘_make_key‘,
 ‘cmp_to_key‘,
 ‘get_cache_token‘,
 ‘lru_cache‘,
 ‘namedtuple‘,
 ‘partial‘,
 ‘partialmethod‘,
 ‘reduce‘,
 ‘singledispatch‘,
 ‘total_ordering‘,
 ‘update_wrapper‘,
 ‘wraps‘]

 

python3中增加了更多工具函数，做业务开发时大多情况下用不到，此处介绍使用频率较高的2个函数。

partial函数(偏函数)

把一个函数的某些参数设置默认值，返回一个新的函数，调用这个新函数会更简单。

import functools

def showarg(*args, **kw):
    print(args)
    print(kw)

p1=functools.partial(showarg, 1,2,3)
p1()
p1(4,5,6)
p1(a=‘python‘, b=‘itcast‘)

p2=functools.partial(showarg, a=3,b=‘linux‘)
p2()
p2(1,2)
p2(a=‘python‘, b=‘itcast‘)

wraps函数

使用装饰器时，有一些细节需要被注意。例如，被装饰后的函数其实已经是另外一个函数了（函数名等函数属性会发生改变）。

添加后由于函数名和函数的doc发生了改变，对测试结果有一些影响，例如:

def note(func):
    "note function"
    def wrapper():
        "wrapper function"
        print(‘note something‘)
        return func()
    return wrapper

@note
def test():
    "test function"
    print(‘I am test‘)

test()
print(test.__doc__)

运行结果

note something
I am test
wrapper function

所以，Python的functools包中提供了一个叫wraps的装饰器来消除这样的副作用。例如：

import functools
def note(func):
    "note function"
    @functools.wraps(func)
    def wrapper():
        "wrapper function"
        print(‘note something‘)
        return func()
    return wrapper

@note
def test():
    "test function"
    print(‘I am test‘)

test()
print(test.__doc__)

运行结果

note something
I am test
test function