Python函数学习
1.函数定义
在函数定义阶段只检查函数的语法问题
2.实参形参
总结:
(1)位置参数就是经常用的按照位置顺序给出实参的值;
(2)关键字实参形式:key=123;放在所有位置参数后;
(3)默认形参是直接在函数括号中指定某数的值,若传实参时给出具体值则按照具体值来,若没给则按默认值处理;
**(4)**形参中的*
会将溢出的位置实参全部接收,然后存储元组的形式,然后把元组赋值给后的参数。需要注意的是:*
后的参数名约定俗成为args。表示为:
def func(*args)
**(5)**形参中的**
会将溢出的关键字实参*全部接收,然后存储字典的形式,然后把字典赋值给后的参数。需要注意的是:**
后的参数名约定俗成为kwargs。表示为:def func(**kwargs)
3.函数是对象,可以被当做数据进行处理
4.global和nonlocal关键字
第一,两者的功能不同。global关键字修饰变量后标识该变量是全局变量,对该变量进行修改就是修改全局变量,而nonlocal关键字修饰变量后标识该变量是上一级函数中的局部变量,如果上一级函数中不存在该局部变量,nonlocal位置会发生错误(最上层的函数使用nonlocal修饰变量必定会报错)。
第二,两者使用的范围不同。global关键字可以用在任何地方,包括最上层函数中和嵌套函数中,即使之前未定义该变量,global修饰后也可以直接使用,而nonlocal关键字只能用于嵌套函数中,并且外层函数中定义了相应的局部变量,否则会发生错误(见第一)
【注:这两段引用知乎作者的内容,侵权删】
global x
nonlocal x
(1)在局部想要修改全局的可变类型,不需要任何声明,可以直接修改。
(2)在局部如果想要修改全局的不可变类型,需要借助global声明,声明为全局的变量,即可直接修改。
函数进阶
1.闭包函数和装饰器
装饰器就是闭包的一种应用,下面的代码是装饰器模板:
def deco(func):def wrapper(*args,**kwargs):res = func(*args,**kwargs)return resreturn wrapper
装饰器在大段程序中的使用方法(装饰器语法糖——即让装饰器用起来更方便简洁的东西):直接在要使用装饰器的函数上方@装饰器,例:
def deco(func):def wrapper(*args, **kwargs):res = func(*args, **kwargs)return resreturn wrapper@deco # home =deco(home)
def home(name, pwd, tag=1):print(f"welcome {name} to home page")return name
应用场景:
如果我们已经上线了一个项目,我们需要修改某一个方法,但是我们不想修改方法的使用方法,这个时候可以使用装饰器。因为软件的维护应该遵循开放封闭原则,即软件一旦上线运行后,软件的维护对修改源代码是封闭的,对扩展功能指的是开放的
应用实例:
import timecurrent_user = {'username': None}def login(func):# func = 最原始的indexdef wrapper(*args, **kwargs):if current_user['username']:res = func(*args, **kwargs)return resuser = input('username: ').strip()pwd = input('password: ').strip()engine = 'file'if engine == 'file':print('base of file')if user == 'nick' and pwd == '123':print('login successful')current_uesr['usre'] = userres = func(*args, **kwargs)return reselse:print('user or password error')elif engine == 'mysql':print('base of mysql')elif engine == 'mongodb':print('base of mongodb')else:print('default')return wrapper@login #home=login(home)这样做的好处的可以减少登录的次数,只需每次判断是否已登录,而不需要重复写登录的代码。即给home()和index()都增加了登录的功能
def home(name):print(f"welcome {name} to home page")time.sleep(1)@login #index=login(index)
def index():print('welcome to index')time.sleep(1)res = index()
2.迭代器和生成器
(1)实际上生成器是迭代器的一种,只是生成器是自己写的迭代器;
迭代器
几个概念:
**可迭代的对象:**Python内置str、list、tuple、dict、set、file都是可迭代对象
(Python中内置有__iter__方法的都叫可迭代的对象)
(2)迭代器定义:
一个类如果实现了「迭代器协议」,就可以称之为「迭代器」。
什么是「迭代器协议」呢?
在 Python 中,实现迭代器协议就是实现以下 2 个方法:
__iter__:这个方法返回对象本身,即 self
__next__:这个方法每次返回迭代的值,在没有可迭代元素时,抛出 StopIteration 异常
#迭代器应用实例
s = 'hello'
iter_s = s.__iter__()while True:try:print(iter_s.__next__())except StopIteration:break
#输出结果为:
#h
#e
#l
#l
#o
(3)for循环又称作迭代器循环,in的后面必须是可迭代对象
lis = [1, 2, 3]
for i in lis:print(i)
生成器
(1)yield关键字:函数中但凡出现yield关键字,再调用函数,就不会继续执行函数体代码,而是会返回一个值
(2)yield和return的区别:
yield 接收一个值并继续执行后续代码(未指定默认接收None),而return直接接收一个值并直接结束函数,不再执行其后的代码;
def func():print('from func 1')yield 'a'print('from func 2')yield 'b'g = func()
print(F"g.__iter__ == g: {g.__iter__() == g}") #迭代器执行_iter_的结果是它本身,这也证明了生成器就是迭代器res1 = g.__next__() #from func 1
print(f"res1: {res1}") #ares2 = next(g) #from func 2
print(f"res2: {res2}") #bfor i in g:print(i)
#for循环的结果:(a,b没有拿变量来接收,打印不出来)
#from func 1
#a
#from func 2
#b
再来看一个直观的生成器例子:
def i_wanna_return():yield 'a'yield 'b'yield 'c'for i in i_wanna_return():print(i)
#结果:
#a
#b
#c