002-python函数高级特性

Posted kkkhycz

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了002-python函数高级特性相关的知识,希望对你有一定的参考价值。

1、函数

1.1 定义函数

在Python中,定义一个函数要使用def语句,依次写出函数名、括号、括号中的参数和冒号:,然后,在缩进块中编写函数体,函数的返回值用return语句返回

自定义一个求绝对值的my_abs函数为例:
def my_abs(x):
if x >= 0:
return x
else:
return -x

1.2 函数调用

如果已经把my_abs()的函数定义保存为abstest.py文件了,那么,可以在该文件的当前目录下启动Python解释器,用from abstest import my_abs来导入my_abs()函数
如果想定义一个什么事也不做的空函数,可以用pass语句

def nop():
pass

参数类型检查
对参数类型做检查,只允许整数和浮点数类型的参数。数据类型检查可以用内置函数isinstance()实现

def my_abs(x):
    if not isinstance(x, (int, float)):
        raise TypeError(bad operand type)
    if x >= 0:
        return x
    else:
        return -x

函数返回多个值
在游戏中经常需要从一个点移动到另一个点,给出坐标、位移和角度,就可以计算出新的坐标

import math
def move(x, y, step, angle=0):
    nx = x + step * math.cos(angle)
    ny = y - step * math.sin(angle)
    return nx, ny

1.3 函数的参数

1.3.1 位置参数
先写一个计算x**2的函数

def power(x):
    return x * x

把power(x)修改为power(x, n),用来计算xn

def power(x, n):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

修改后的power(x, n)函数有两个参数:x和n,这两个参数都是位置参数,调用函数时,传入的两个值按照位置顺序依次赋给参数x和n

1.3.2 默认参数
在power(x,n)中把第二个参数n的默认值设定为2,这样,当我们调用power(5)时,相当于调用power(5, 2)

def power(x, n=2):
    s = 1
    while n > 0:
        n = n - 1
        s = s * x
    return s

设置默认参数时,需要注意的点
1.必选参数在前,默认参数在后,否则会报错
2.当函数有多个参数时,把变化大的参数放前面,变化小的参数放后面。变化小的参数就可以作为默认参数
使用默认参数,最大的好处是能降低调用函数的难度
写个一年级小学生注册的函数,需要传入name和gender两个参数

def enroll(name, gender):
    print(name:, name)
    print(gender:, gender)

继续传入年龄、城市等信息,我们可以把年龄和城市设为默认参数

def enroll(name, gender, age=6, city=Beijing):
    print(name:, name)
    print(gender:, gender)
    print(age:, age)
    print(city:, city)

只有与默认参数不符的学生才需要提供额外的信息

enroll(Bob, M, 7)
enroll(Adam, M, city=Tianjin)

有多个默认参数时,调用的时候,既可以按顺序提供默认参数
比如调用enroll(‘Bob‘, ‘M‘, 7),意思是,除了name,gender这两个参数外,最后1个参数应用在参数age上,city参数由于没有提供,仍然使用默认值
也可以不按顺序提供部分默认参数。当不按顺序提供部分默认参数时,需要把参数名写上
比如调用enroll(‘Adam‘, ‘M‘, city=‘Tianjin‘),意思是,city参数用传进去的值,其他默认参数继续使用默认值
默认参数很有用,但使用不当,也会掉坑里。默认参数有个最大的坑,演示如下
先定义一个函数,传入一个list,添加一个END再返回

def add_end(L=[]):
    L.append(END)
    return L

使用默认参数调用时,一开始结果也是对的,但是,再次调用add_end()时,结果就不对了

>>> add_end()
[END]
>>> add_end()
[END, END]

原因解释如下:
Python函数在定义的时候,默认参数L的值就被计算出来了,即[],因为默认参数L也是一个变量,它指向对象[],每次调用该函数,如果改变了L的内容,则下次调用时,默认参数的内容就变了,不再是函数定义时的[]了。
定义默认参数要牢记一点:默认参数必须指向不变对象!
要修改上面的例子,我们可以用None这个不变对象来实现

def add_end(L=None):
    if L is None:
        L = []
    L.append(END)
    return L

现在,无论调用多少次,都不会有问题

>>> add_end()
[END]
>>> add_end()
[END]

1.3.3 可变参数
在Python函数中,还可以定义可变参数。顾名思义,可变参数就是传入的参数个数是可变的,可以是1个、2个到任意个,还可以是0个
我们以数学题为例子,给定一组数字a,b,c……,请计算a2 + b2 + c2 + ……

def calc(numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum

但是调用的时候,需要先组装出一个list或tuple:

>>> calc([1, 2, 3])
14
>>> calc((1, 3, 5, 7))
84

我们把函数的参数改为可变参数

def calc(*numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum

利用可变参数,调用函数的方式可以简化成这样:

>>> calc(1, 2, 3)
14
>>> calc(1, 3, 5, 7)
84

定义可变参数和定义一个list或tuple参数相比,仅仅在参数前面加了一个*号。在函数内部,参数numbers接收到的是一个tuple,因此,函数代码完全不变。但是,调用该函数时,可以传入任意个参数,包括0个参数
如果已经有一个list或者tuple,要调用一个可变参数,Python允许你在list或tuple前面加一个*号,把list或tuple的元素变成可变参数传进去

>>> nums = [1, 2, 3]
>>> calc(*nums)
14

等价于

>>> nums = [1, 2, 3]
>>> calc(nums[0], nums[1], nums[2])
14

1.3.4 关键字参数
关键字参数允许你传入0个或任意个含参数名的参数,这些关键字参数在函数内部自动组装为一个dict

请看示例:
def person(name, age, **kw):
    print(name:, name, age:, age, other:, kw)

在调用该函数时,可以只传入必选参数,也可以传入任意个数的关键字参数

>>> person(Michael, 30)
name: Michael age: 30 other: 
>>> person(Bob, 35, city=Beijing)
name: Bob age: 35 other: city: Beijing
>>> person(Adam, 45, gender=M, job=Engineer)
name: Adam age: 45 other: gender: M, job: Engineer

关键字参数可以扩展函数的功能。比如,在person函数里,我们保证能接收到name和age这两个参数,但是,如果调用者愿意提供更多的参数,我们也能收到。试想你正在做一个用户注册的功能,除了用户名和年龄是必填项外,其他都是可选项,利用关键字参数来定义这个函数就能满足注册的需求。
和可变参数类似,也可以先组装出一个dict,然后,把该dict转换为关键字参数传进去

>>> extra = city: Beijing, job: Engineer
>>> person(Jack, 24, **extra)
name: Jack age: 24 other: city: Beijing, job: Engineer

**extra表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数,kw将获得一个dict,注意kw获得的dict是extra的一份拷贝,对kw的改动不会影响到函数外的extra

1.3.5 命名关键字参数
如果要限制关键字参数的名字,就可以用命名关键字参数,例如,只接收city和job作为关键字参数

def person(name, age, *, city, job):
    print(name, age, city, job)

和关键字参数**kw不同,命名关键字参数需要一个特殊分隔符*,*后面的参数被视为命名关键字参数

>>> person(Jack, 24, city=Beijing, job=Engineer)
Jack 24 Beijing Engineer

如果函数定义中已经有了一个可变参数,后面跟着的命名关键字参数就不再需要一个特殊分隔符*了

def person(name, age, *args, city, job):
    print(name, age, args, city, job)

命名关键字参数必须传入参数名,这和位置参数不同。如果没有传入参数名,调用将报错
命名关键字参数可以有缺省值,由于命名关键字参数city具有默认值,调用时,可不传入city参数

def person(name, age, *, city=Beijing, job):
    print(name, age, city, job)
>>> person(Jack, 24, job=Engineer)
Jack 24 Beijing Engineer

1.3.6 参数组合
在Python中定义函数,可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数,这5种参数都可以组合使用。但是请注意,参数定义的顺序必须是:必选参数、默认参数、可变参数、命名关键字参数和关键字参数

def f1(a, b, c=0, *args, **kw):
    print(a =, a, b =, b, c =, c, args =, args, kw =, kw)

def f2(a, b, c=0, *, d, **kw):
    print(a =, a, b =, b, c =, c, d =, d, kw =, kw)

在函数调用的时候,Python解释器自动按照参数位置和参数名把对应的参数传进去

a = 1 b = 2 c = 0 args = () kw = 
>>> f1(1, 2, c=3)
a = 1 b = 2 c = 3 args = () kw = 
>>> f1(1, 2, 3, a, b)
a = 1 b = 2 c = 3 args = (a, b) kw = 
>>> f1(1, 2, 3, a, b, x=99)
a = 1 b = 2 c = 3 args = (a, b) kw = x: 99
>>> f2(1, 2, d=99, ext=None)
a = 1 b = 2 c = 0 d = 99 kw = ext: None

通过一个tuple和dict,也可以调用上述函数

>>> args = (1, 2, 3, 4)
>>> kw = d: 99, x: #
>>> f1(*args, **kw)
a = 1 b = 2 c = 3 args = (4,) kw = d: 99, x: #
>>> args = (1, 2, 3)
>>> kw = d: 88, x: #
>>> f2(*args, **kw)
a = 1 b = 2 c = 3 d = 88 kw = x: #

小结
Python的函数具有非常灵活的参数形态,既可以实现简单的调用,又可以传入非常复杂的参数。
默认参数一定要用不可变对象,如果是可变对象,程序运行时会有逻辑错误!
要注意定义可变参数和关键字参数的语法:
*args是可变参数,args接收的是一个tuple;
**kw是关键字参数,kw接收的是一个dict。
以及调用函数时如何传入可变参数和关键字参数的语法:
可变参数既可以直接传入:func(1, 2, 3),又可以先组装list或tuple,再通过*args传入:func(*(1, 2, 3));
关键字参数既可以直接传入:func(a=1, b=2),又可以先组装dict,再通过**kw传入:func(**‘a‘: 1, ‘b‘: 2)。
使用*args和**kw是Python的习惯写法,当然也可以用其他参数名,但最好使用习惯用法。
命名的关键字参数是为了限制调用者可以传入的参数名,同时可以提供默认值。
定义命名的关键字参数在没有可变参数的情况下不要忘了写分隔符*,否则定义的将是位置参数。

1.4 递归函数

如果一个函数在内部调用自身本身,这个函数就是递归函数
计算阶乘n! = 1 x 2 x 3 x ... x n,用函数fact(n)表示
fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n = (n-1)! x n = fact(n-1) x n

def fact(n):
    if n==1:
        return 1
    return n * fact(n - 1)

小结
1.使用递归函数的优点是逻辑简单清晰,缺点是过深的调用会导致栈溢出。
2.针对尾递归优化的语言可以通过尾递归防止栈溢出。尾递归事实上和循环是等价的,没有循环语句的编程语言只能通过尾递归实现循环。
3.Python标准的解释器没有针对尾递归做优化,任何递归函数都存在栈溢出的问题。

2、高级特性

2.1切片

取一个list或tuple的部分元素是非常常见的操作。比如,一个list如下

>>> L = [Michael, Sarah, Tracy, Bob, Jack]

L[0:3]表示,从索引0开始取,直到索引3为止,但不包括索引3。即索引0,1,2,正好是3个元素

>>> L[0:3]
[Michael, Sarah, Tracy]

如果第一个索引是0,还可以省略

>>> L[:3]
[Michael, Sarah, Tracy]

按每两个取一个

>>> L[::2]
[Michael, Tracy, Jack]

Python支持L[-1]取倒数第一个元素

>>> L[-2:]
[Bob, Jack]
>>> L[-2:-1]
[Bob]

tuple也是一种list,唯一区别是tuple不可变。因此,tuple也可以用切片操作,只是操作的结果仍是tuple

>>> (0, 1, 2, 3, 4, 5)[:3]
(0, 1, 2)

字符串‘xxx‘也可以看成是一种list,每个元素就是一个字符。因此,字符串也可以用切片操作,只是操作结果仍是字符串

>>> ABCDEFG[:3]
ABC
>>> ABCDEFG[::2]
ACEG

2.2 迭代

如果给定一个list或tuple,我们可以通过for循环来遍历这个list或tuple,这种遍历我们称为迭代
在Python中,迭代是通过for ... in来完成的
dict迭代

>>> d = a: 1, b: 2, c: 3
>>> for key in d:
... print(key)

迭代value

for value in d.values()

同时迭代key和value

for k, v in d.items()

由于字符串也是可迭代对象,因此,也可以作用于for循环

>>> for ch in ABC:
... print(ch)
...
A
B
C

判断一个对象是可迭代对象,通过collections模块的Iterable类型判断

>>> from collections import Iterable
>>> isinstance(abc, Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

Python内置的enumerate函数可以把一个list变成索引-元素对

>>> for i, value in enumerate([A, B, C]):
... print(i, value)
...
0 A
1 B
2 C

2.3 列表生成式

列表生成式即List Comprehensions,是Python内置的非常简单却强大的可以用来创建list的生成式
生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

生成[1x1, 2x2, 3x3, ..., 10x10]

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

for循环后面还可以加上if判断,这样我们就可以筛选出仅偶数的平方

>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]

还可以使用两层循环,可以生成全排列

>>> [m + n for m in ABC for n in XYZ]
[AX, AY, AZ, BX, BY, BZ, CX, CY, CZ]

列表生成式也可以使用两个变量来生成list

>>> d = x: A, y: B, z: C 
>>> [k + = + v for k, v in d.items()]
[y=B, x=A, z=C]

把一个list中所有的字符串变成小写

>>> L = [Hello, World, IBM, Apple]
>>> [s.lower() for s in L]
[hello, world, ibm, apple]

2.4 生成器

如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator
要创建一个generator,第一种方法只要把一个列表生成式的[]改成(),就创建了一个generator:

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4

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 fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return done
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>


generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次执行时从上次返回的yield语句处继续执行

2.5 迭代器

可以直接作用于for循环的数据类型有以下几种:
一类是集合数据类型,如list、tuple、dict、set、str等;
一类是generator,包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象:Iterable
可以使用isinstance()判断一个对象是否是Iterable对象

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance(, Iterable)
True
>>> isinstance(abc, Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

而生成器不但可以作用于for循环,还可以被next()函数不断调用并返回下一个值,直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator
可以使用isinstance()判断一个对象是否是Iterator对象

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance(, Iterator)
False
>>> isinstance(abc, Iterator)
False

以上是关于002-python函数高级特性的主要内容,如果未能解决你的问题,请参考以下文章

python:函数的高级特性

Python函数高级特性

python函数高级特性

Python学习之路day4-函数高级特性装饰器

python自测——高级特性

Python--Demo13--高级特性匿名函数推导式迭代器生成器