Python入门二：函数

一、函数的定义和使用

1、基本结构：

 def 函数名(参数):
     """
     文档字符串
     """
     函数体
     返回值
     

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

 def func(argument):
     print(argument)
 
 func("string")
 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

 def func(name, age = 20):
     print(name, age)

 func("Edward")
 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

 def func(*args, **kwargs):
     for i in args:
         print(i)
     for k, v in kwargs.items():
         print("%s = %s" % (k, v))

 func("Edward", 19)
 func(name = "Edward", age = 19)
 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**:

 tup = ("Edward", 19)
 dic = dict(name = "Edward", age = 19)
 func(*tup)
 func(**dic)
 # 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：

 def func(a):
     return a * a, a ** a

 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

 def func()
     pass

 if __name__ == "__main__":
     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：

 a = lambda x: x ** 2
 a(2)
 #

1、与filter、map、reduce的结合使用：

 seq = [1, 76, 5, 44, 13,  5, 23]

 a = filter(lambda x : x > 10, seq)
 # list(a) = [76, 44, 13, 23]

 b = map(lambda x : x ** 2, seq)
 # list(b) = [1, 5776, 25, 1936, 169, 25, 529]

 from functools import reduce
 c = reduce(lambda x, y: x * y, range(1, 100))
 # c的结果为99！

2、与sorted的结合使用：

 seq = ["Tang", "Edward", "love", "handsome"]
 seq = sorted(seq, key=lambda a : a.upper())
 # 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

 def abs(*args, **kwargs):
     pass
 # 返回参数的绝对值

 def all(*args, **kwargs):
     pass
 # 返回True如果可变对象所有元素都为真，为空时返回True

 def any(*args, **kwargs):
     pass
 # 返回False如果可变对象所有元素都为假，为空时返回True

 def bin(*args, **kwargs):
     pass
 # 返回参数的二进制表示

 def hex(*args, **kwargs):
     pass
 # 返回参数的十六进制表示

 def oct(*args, **kwargs):
     pass
 # 返回参数的八进制表示

 def callable(i_e_, some_kind_of_function):
     pass
 # 返回对象是否可调用

 def chr(*args, **kwargs):
     pass
 # 返回整数参数对应的ASCII码的字符

 def ord(*args, **kwargs):
     pass
 # 返回单个字符的unicode值

 def delattr(x, y):
     pass
 # 删除对象x的‘y’属性（类似于del x.y）

 def getattr(object, name, default=None):
     pass
 # 返回object的'name'的属性的值，若不存在，返回default

 def hasattr(object, name):
     pass
 # 返回True如果object对象有指定的‘name’属性

 def setattr(x, y, v):
     pass
 # 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

 def dir(p_object=None):
     pass
 # 如果没有参数，返回当前范围的参数、方法、定义的list
 # 如果有参数，返回参数的属性，方法的list，且存在__dir__会被调用

 def divmod(x, y):
     pass
 # 返回x//y, x%构成的tuple

 def eval(*args, **kwargs):
     pass
 # 计算表达式，并返回结果

 def exec(*args, **kwargs):
     pass
 # 动态执行代码

 def repr(obj):
     pass
 # 返回obj的可供解释器读取的字符串，可以用eval()求值
 # 大多数情况下，eval(repr(obj)) == obj

 def exit(*args, **kwargs):
     pass
 # 退出

 def format(*args, **kwargs):
     pass
 # 转化为type(value).__format__(format_spec)

 def globals(*args, **kwargs):
     pass
 # 返回当前全局变量构成的字典

 def locals(*args, **kwargs):
     pass
 # 返回当前局部变量构成的字典

 def hash(*args, **kwargs):
     pass
 # 返回参数(哈希表类型的对象)的哈希值

 def help():
     pass
 # 返回参数的帮助信息

 def id(*args, **kwargs):
     pass
 # 返回参数的内存地址(并非实际内存地址)

 def input(*args, **kwargs):
     pass
 # 打印提示字符串，并读取输入返回(str类型)

 def isinstance(x, A_tuple):
     pass
 # 返回x是否为元组A_tuple中其中一个类的实例

 def issubclass(x, A_tuple):
     pass
 # 返回x是否为元组A_tuple中其中一个类的子类

 def iter(source, sentinel=None):
     pass
 # 返回第一个参数对象的迭代器，
 # 若有第二个参数，当迭代器的__next__返回值为它时抛出异常

 def len(*args, **kwargs):
     pass
 # 返回容器的item个数

 def max(*args, key=None):
     pass
 # 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)

 def min(*args, key=None):
     pass
 # 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)

 def next(iterator, default=None):
     pass
 # 返回迭代器的下一个值，若已经到最后一个返回default

 def open(file, mode='r', buffering=None, encoding=None,
         errors=None, newline=None, closefd=True):
     pass
 # 以特定形式打开文件

 def pow(*args, **kwargs):
     pass
 # 两个参数是返回x**y, 三个参数时返回x**y%z

 def print(self, *args, sep=' ', end='\n', file=None):
     pass
 # 打印，默认以空格隔开各打印值，以换行结束，不刷新

 def quit(*args, **kwargs):
     pass
 # 退出

 def round(number, ndigits=None):
     pass
 # 返回number的四舍五入表示

 def sorted(*args, **kwargs):
     pass
 # 返回递增的排序的list

 def sum(iterable， start = 0):
     pass
 # 返回序列的和加上start(默认为0)

 def vars(p_object=None):
     pass
 # 不带参数，返回当前对象属性及属性值的字典
 # 带参数，返回参数对应的属性及值的字典

 def int(x, base = 10):
     pass
 # 返回以base进制表示的x的int形式

 def float(x):
     pass
 # 返回x的float形式

 def bool(x):
     pass
 # 返回x的bool表示

 def complex(a, b):
     pass
 # 返回a+bj

 def str(x)：
     pass
 # 返回一个str

 def dict(x)：
     pass
 # 返回一个字典

 def list(iterable)：
     pass
 # 返回一个list

 def tuple(iterable):
     pass
 # 返回一个tuple    

 def set(iterable)：
     pass
 # 返回一个set    

 def frozenset(iterable):
     pass
 # 返回一个不可变的set

 def enumerate(iterable):
     pass
 # 构造序列的下标和值构成的元祖，用于循环遍历

 def filter(function or None, iterable)：
     pass
 # 返回iterable中能够让function的返回值为真的元素的序列，
 # 若function为None, 返回iterable中为真的元素的序列

 def map(func, *iterables):
     pass
 # 对每一个iterable, 使用func, 并将结果作为list返回

 def range(start = 0, stop):
     pass
 # 返回一个从start到stop构成的序列，用于遍历

 def reversed(seq)：
     pass
 # 返回一个seq反转的序列

 def type(object):
     pass
 # 返回object的类型

 def zip(iter1 [,iter2 [...]])：
     pass
 # 分别从iter中取下标相同的元素构成tuple，在将各tuple构成list
 # 使用zip(*list)解压

 # 其他函数
 # copyright, credits, license, bytearray, bytes, classmethod,
 # 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：

 class Student(object):
     def __init__(self, name):
         self.name = name

     def have_class(self):
         print("%s is having class." % self.name)

 s = Student("Edward")

 # name 以下都必须是字符串格式

 # hasattr(object, name), 判断对象是否具有name属性
 print(hasattr(s, "name"))    # True
 print(hasattr(s, "have_class"))    # True

 # getattr(object, name, default=None), 返回对象的name属性的值
 # 可以设置default, 但是仅仅是没有找到时返回它，并没有添加
 print(getattr(s, "name"))    # Edward
 print(getattr(s, "age", 19))  #
 getattr(s, "have_class")()    # 会运行该属性
 print(hasattr(s, "age"))    # False, 并没有添加

 # setattr(object, name, value), 设置对象的name的属性值为value
 # 若name属性不存在， 还会添加该属性
 setattr(s, "name", "Tang")
 print(s.name)   # Tang
 setattr(s, "age", 19)
 print(hasattr(s, "age"))  # True, 会添加该属性

 # delattr(object, name) 删除对象的name属性
 delattr(s, "name")
 print(hasattr(s, "name"))  # False, 已被删除

• eval和exec：

 # exec(), 动态执行代码
 exec("print('Edward Tang')")

 # eval() 计算表达式的值并放回
 a = eval("7 * 6 + 1")
 print(a) #

• filter和map：

 def func1(n):
     if n > 10:
         return True

 def func2(n):
     return n * n

 def func3(a, b, c):
     return a * b * c

 seq = [1, 76, 5, 44, 13, 3, 5, 23]
 li1 = [4, 5, 6, 8]
 li2 = [9, 7, 10, 6]
 li3 = [5, 4, 3, 1]

 # 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
 rt1 = filter(func1, seq)
 print(list(rt1))

 # 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
 rt2 = map(func2, seq)
 print(list(rt2))

 # 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
 rt3 = map(func3, li1, li2, li3)
 print(list(rt3))

 # 在functools中还存在一个reduce的函数
 # reduce(func, seq, start) func接受两个参数，
 # 对seq中两两的数进行递归调用，并返回
 from functools import reduce
 def  func(a, b):
     return a * b
 rt = reduce(func, range(1, 100))
 # 计算99的阶乘

• sorted：

 # sorted(iterable, key=None, reverse=False)
 # key可以用函数或lambda表达式
 # 指定reverse = True会降序排序
 # sorted只是返回一个排序好的序列，并不改变原序列

 # 普通排序
 seq = [1, 76, 5, 44, 13, 3, 5, 23]
 seq = sorted(seq, reverse=True) # 降序

 #使用lambda
 seq = ["Tang", "Edward", "love", "handsome"]
 seq = sorted(seq, key=lambda a : a.upper())

 # 对列表的某项排序
 arr = [['Tang', 89], ['Edward', 79], ['Hu', 67], ['Wang', 80]]
 arr = sorted(arr, key=lambda a : a[1])

 # 对类按照某项排序
 class Person(object):
     def __init__(self, name, age):
         self.name = name
         self.age = age
 p1 = Person('Edward', 18)
 p2 = Person('Wang', 25)
 p3 = Person('Hu', 20)
 p4 = Person('Liang', 22)
 for item in sorted([p1, p2, p3, p4], key=lambda p : p.age):
     print(item.name, end=',')

 # operator模块还有itemgetter, attrgetter两个函数
 # 所以以上最后两个例子还可以表示为
 # sorted(arr, key=itemgetter(1))
 # sorted([p1, p2, p3, p4], key=attrgetter('age'))

• enumerate和zip：

 # enumerate(iterable, start=0)
 # 用于循环中，同时得到iterable的值和计数
 lst = ['Edward', 'Tang', 'Wang', 'Hu']
 for index, item in enumerate(lst):
     print(index, item)

 # zip(iter1 [,iter2 [...]])
 # 分别从iter中取下标相同的元素构成tuple，再将各tuple构成list
 # 使用zip(*list) 做相反的操作
 x = [1, 2, 3]
 y = [4, 5, 6]
 z = [7, 8, 9]
 w = zip(x, y, z)
 print(list(w))  # [(1, 4, 7), (2, 5, 8), (3, 6, 9)]
 # 用在循环中
 for a, b, c in zip(x, y, z):
     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：

 a = iter([3, 6, 1, 9])
 a.__next__()   #
 a.__next__()   #

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：

 from collections import Iterable
 lst = [1, 5, 6, 9]
 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：

 a = (x * x for x in range(1, 10))
 print(a.__next__())    # 1
 print(a.__next__())    #

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)

 def func(n):
     a = 1
     while a < n:
         yield a
         a += 2

 f = func(10)
 print(f.__next__())    # 1
 print(f.__next__()) #

 # 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

 def func(n):
     a = 1
     while a < n:
         b = (yield a)
         if b == None:
             b = 0
         a += b

 f = func(10)
 print(f.__next__())    #
 print(f.__next__())    #
 print(f.send(5))          #
 print(f.__next__())    #

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：

 def deco(func):
    def inner():
        print("Edward")
        print("tang")
        return func()
    return inner

 @deco
 def func():
     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()
 　　print("tang")
20    return rt
21 
 # 相当于重新定制了func

b.被装饰函数含一个或多个参数：

 def deco(func):
     def inner(str1):
         print("Edward")
         return func(str1)
     return inner

 @deco
 def func(str1):
     print(str1)

 func("Tang")

 # 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：

 def de1(func):
     def inner():
         print("Edward")
         return func()
     return inner

 def de2(func):
     def inner():
         print('tang')
         return func()
     return inner

 @de1
 @de2
 def func():
     print("handsome")

 func()

 # 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

 def deco(func):
     # @functools.wraps(func)
     def inner():
         print("Edward")
         print("tang")
         return func()
     return inner

 @deco
 def func():
     """ A hansome boy! """
     print("handsome")

 print(func.__name__)
 print(func.__doc__)

 # 会输出 inner和None
 # 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：

 from operator import add, mul
 from functools import partial

 add1 = partial(add, 1)
 mul100 = partial(mul, 100)

 print(add1(99))  #
 print(mul100(99))  #

简单应用(摘自 《Core Python Programming》)：

 """easy_gui.py"""

 from functools import partial
 import tkinter
 # Tkinter模块是python中一个能快速创建GUI的标准库

 root = tkinter.Tk()
 # 创建一个顶层窗口对象
 MyButton = partial(tkinter.Button, root, fg='white', bg='blue')
 # 用偏函数设置按钮的默认属性
 b1 = MyButton(text='Button 1')
 b2 = MyButton(text='Button 2')
 qb = MyButton(text='QUIT', bg='red', command=root.quit)
 b1.pack()
 b2.pack()
 qb.pack(fill=tkinter.X, expand=True)
 root.title('PFAs!')
 root.mainloop()

---

七、《Core Python Programming》几个实例

1.easy_math:

 """模拟100以内的加减乘除运算"""

 from operator import add, sub, mul, truediv
 # operator模块提供了各种对python内置方法的访问
 from random import randint, choice
 # random模块提供了各种随机数的生成
 # random() 生成一个[0, 1)之间的随机数
 # randrange(start, stop=None, step=1) 生成一个range(args)范围内的随机数
 # randint(a, b) 生成一个[a, b] 范围内的整数
 # choice(seq) 从序列seq中随机获取一个元素
 # shuffle(x) 洗牌序列x，返回None
 # 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
 # uniform(a, b) 返回一个a, b之间的浮点数

 ops = {'+': add, '-': sub, '*': mul, '/': truediv}
 MAXTRIES = 2
 # 能够尝试的最大次数

 def doprob():
     """ get easy random equation and check the correctness of the input """
     op = choice('+-*/')
     # 随机获取运算符
     nums = [randint(1, 100) for i in range(2)]
     # 随机获取参与运算的两个数
     nums.sort(reverse=True)
     # 降序使结果不为负数
     while op == '/':
         if nums[0] % nums[1] == 0 and nums[1] != 1:
             break
         nums = [randint(1, 100) for i in range(2)]

     ans = ops[op](*nums)
     pr = '%d %s %d = ' % (nums[0], op, nums[1])
     oops = 0
     # 尝试的次数
     while True:
         try:
             if int(input(pr)) == ans:
                 print('correct')
                 break
             if oops == MAXTRIES:
                 print('answer\n%s%d' % (pr, ans))
             else:
                 print('incorrect... try again')
                 oops += 1
         except (KeyboardInterrupt,
                 EOFError, ValueError):
             print('invalid input... try again')

 def main():
     """ realize the repetitive operation"""
     while True:
         doprob()
         try:
             opt = input('Again? [y]').lower()
             if opt and opt[0] == 'n':
                 break
         except (KeyboardInterrupt, EOFError):
             break

 if __name__ == '__main__':
     main()

2.senior_closure:

 """闭包和装饰器的应用"""

 from time import time

 def logged(when):
     def log(f, *args, **kwargs):
         print('''Called:
     function: %s
     args: %r
     kargs: %r''' % (f, args, kwargs))
 # %r repr   %s str

     def pre_logged(f):
         def wrapper(*args, **kwargs):
             log(f, *args, **kwargs)
             return f(*args, **kwargs)
         return wrapper

     def post_logged(f):
         def wrapped(*args, **kwargs):
             now = time()
             try:
                 return f(*args, **kwargs)
             finally:
                 log(f, *args, **kwargs)
                 print('time delta: %s' % (time()-now))
         return wrapped

     try:
         return({'pre': pre_logged, 'post': post_logged}[when])
     except KeyError as e:
         raise(ValueError(e), 'must be "pre" or "post"')

 @logged('post')
 def hello(name):
     print('hello,', name)

 hello('world!')