python--函数、参数、名称空间与作用域、匿名函数、内置函数、闭包

python函数

函数定义

def welcome():
    print('hello world!!')
welcome()    #函数调用

...运行结果

hello world!!

函数定义和编写原则：

1. 尽量一个动作一个函数，以减少函数之间的耦合性；

函数传参

实参和形参

位置实参：函数调用时，每个形参都有一个实参（值）与之关联对应，最简单的关联方式是基于实参的顺序。

def num (a,b):  #a,b为形参
    print(a)
    print(b)
    print(a +b)
num(1,2)  #1，2为实参

...运行结果

1
2
3

关键字实参：给函数以名称-值对的方式关联形参。

def num (a,b):
    print(a)
    print(b)
    print(a +b)
num(b=1,a=2)

...运行结果

2
1
3

默认值：编写函数时可以给形参指定默认值，如果没有实参与之关联实用默认值，有实参与之关联，使用实参值。

def num (a,b=1):
    print(a)
    print(b)
    print(a +b)
num(1,)

...运行结果

1
1
2

def num (a,b=1):
    print(a)
    print(b)
    print(a +b)
num(1,2)

...运行结果

1
2
3

不定长参数（*args ）

在定义函数时可以在函数的形参前头加一个*，这样的形参可以获取到所有的实参，它会将所有的实参保存到一个元组中；即*a会接受所有的位置实参，并将这些实参统一保存到一个元组中。

*a 不一定必须放在最后面，但是*a后面的形参传参必须用关键字参数

*a 只能接受位置实参，不能接受关键字实参

实例：

def name_list(company,*names):
    print('%s公司人员名单：'%company)
    for name in names:
        print(name)
name_list('老k天下','张三','李四','王二')

...................................运行结果

老k天下公司人员名单：
张三
李四
王二

讲解：

上述函数python将收到的第一个值传给company，并将其他所有值储存在元组names中。

不定长参数（**kwargs）

**形参可以接受其他关键字参数，它会将这些参数统一保存到一个字典中，字典的key就是参数的名字，字典的value就是参数的值

**形参只能有一个，且只能写在所有形参的最后面

实例：

def build_file(name,**name_info):
    namefile = {}
    namefile['name'] = name
    for key,value in name_info.items():
        namefile[key] = value
    return namefile

user_file = build_file('sb',
        age = 28,
        high = 180)
print(user_file)

.....................................运行结果

{'name': 'sb', 'age': 28, 'high': 180}

讲解：

形参name_info中的两个让python创建一个名为name_info的空字典，并将收到的所有名称-值都封装在这个字典中。

参数的解包（拆包）

def fn4(a,b,c):
    print('a =',a)
    print('b =',b)
    print('c =',c)

# 创建一个元组
t = (10,20,30)

# 传递实参时，也可以在序列类型的参数前添加星号，这样他会自动将序列中的元素依次作为参数传递
# 这里要求序列中元素的个数必须和形参的个数的一致
# fn4(*t)    

# 创建一个字典
d = {'a':100,'b':200,'c':300}
# 通过 **来对一个字典进行解包操作
fn4(**d)

return

函数返回值

比较实例1：

def num (a=1,b=2):
    print(a +b)
print(num())

...运行结果

3
None

比较实例2：

def num (a=1,b=2):
    print(a +b)
    return a+b
print(num())

...运行结果

3
3

实例

统计cpu memory disk 使用情况：

import psutil

def cpu():
    cpu = psutil.cpu_percent(1)
    return {'cpu_percent': cpu}

def mem():
    mem_total = psutil.virtual_memory()[0]
    mem_percent = psutil.virtual_memory()[2]
    return {'mem_total':int(mem_total/1024/1024),'mem_percent': mem_percent}

def disk():
    disk_total = psutil.disk_usage('c:')[0]
    disk_percent = psutil.disk_usage('c:')[3]
    return {'disk_total': int(disk_total/1024/1024/1024), 'disk_percent': disk_percent}

def main():
    info = {}
    info.update(cpu())
    info.update(mem())
    info.update(disk())

    msg = '''
    cpu使用率:%s%%
    内存使用率:%s%%
    硬盘使用率:%s%%
    ==============
    内存总大小:%sM
    硬盘总打小:%sG
    ''' % (info['cpu_percent'],info['mem_percent'],info['disk_percent'],info['mem_total'],info['disk_total'])
    return msg

if __name__ == '__main__':
    print(main())

.........................................................运行结果

    cpu使用率:7.8%
    内存使用率:42.3%
    硬盘使用率:30.4%
    ==============
    内存总大小:8070M
    硬盘总打小:69G

拓展：名称空间与作用域

命名空间指的是变量存储的位置，每一个变量都需要存储到指定的命名空间当中

每一个作用域都会有一个它对应的命名空间

全局命名空间，用来保存全局变量。函数命名空间用来保存函数中的变量

命名空间实际上就是一个字典，是一个专门用来存储变量的字典

内置名称空间:（python启动时就有）python解释器内置的名字，print,max,min

全局名称空间:（执行python文件时启动）定投定义的变量

局部名称空间:（调用函数时启动，调用结束失效）函数内部定义的变量

加载顺序:内置--->全局--->局部

访问顺序:局部--->全局--->内置

def func1():
    def func2():
        def func3():
            print(print)
        func3()
    func2()
func1()
-------------------------------------------------------------------------------------------------
# locals()用来获取当前作用域的命名空间
# 如果在全局作用域中调用locals()则获取全局命名空间，如果在函数作用域中调用locals()则获取函数命名空间
# 返回的是一个字典
scope = locals() # 当前命名空间
print(type(scope))
# print(a)
# print(scope['a'])
# 向scope中添加一个key-value
scope['c'] = 1000 # 向字典中添加key-value就相当于在全局中创建了一个变量（一般不建议这么做）
# print(c)

def fn4():
    a = 10
    # scope = locals() # 在函数内部调用locals()会获取到函数的命名空间
    # scope['b'] = 20 # 可以通过scope来操作函数的命名空间，但是也是不建议这么做

    # globals() 函数可以用来在任意位置获取全局命名空间
    global_scope = globals()
    # print(global_scope['a'])
    global_scope['a'] = 30
    # print(scope)

fn4()

在Python中一共有两种作用域

全局作用域

• 全局作用域在程序执行时创建，在程序执行结束时销毁
• 所有函数以外的区域都是全局作用域
• 在全局作用域中定义的变量，都属于全局变量，全局变量可以在程序的任意位置被访问

函数作用域

• 函数作用域在函数调用时创建，在调用结束时销毁
• 函数每调用一次就会产生一个新的函数作用域
• 在函数作用域中定义的变量，都是局部变量，它只能在函数内部被访问

变量的查找

• 当我们使用变量时，会优先在当前作用域中寻找该变量，如果有则使用，
  
  如果没有则继续去上一级作用域中寻找，如果有则使用，
  
  如果依然没有则继续去上一级作用域中寻找，以此类推
  
  直到找到全局作用域，依然没有找到，则会抛出异常
  
  NameError: name 'a' is not defined

def fn2():
    def fn3():
        print('fn3中:','a =',a)
    fn3()

# fn2()    

a = 20

def fn3():
    # a = 10 # 在函数中为变量赋值时，默认都是为局部变量赋值
    # 如果希望在函数内部修改全局变量，则需要使用global关键字，来声明变量
    global a # 声明在函数内部的使用a是全局变量，此时再去修改a时，就是在修改全局的a
    a = 10 # 修改全局变量
    print('函数内部：','a =',a)

# fn3()
# print('函数外部：','a =',a)

---

拓展：匿名函数：lambda

lambda函数：自带return

#语法： lambda 参数：返回值

res=(lambda x,y:x+y)(1,2)
print(res)

拓展：内置函数：max, sorted, map, filter

• 内置函数文档：https://docs.python.org/zh-cn/3.7/library/functions.html

powerinfo = {
    '大娃': 40000,
    '二娃':30000,
    '三娃': 25000,
    '蛤蟆精': 2000
}

max：取最大

def func(k):
    return powerinfo[k]
res = max(powerinfo,key=lambda k: powerinfo[k])
print(res)

sorted：排序

# sorted（）为内置函数，可以对任意序列进行排序
# sorted（）并不影响原来的对象，而是返回一个新的对象
# sorted（）可以接受一个关键字参数 key
#     key需要一个函数作为参数

res = sorted(powerinfo,key=lambda k:powerinfo[k])
print(res)

map：映射

names = ['大娃', '二娃', '三娃']
res = map(lambda i: i % name,names)
#或
res = map(lambda name: '%s_会武功' % name,names)
print(list(res))

zip：拉链

l1 = [1,2,3]
l2 = ['a','b','c','d']
res = zip(l1,l2)
print(list(res))

filter：过滤

names = ['大娃_会武功', '二娃_会武功', '三娃_会武功','蛤蟆精']

res = filter(lambda name: name.endswith('会武功'),names)
print(list(res))

---

拓展：闭包

当有一些见不得人的东西需要隐藏的时候(需要设定变量，只有本函数可以调用)，我们可以用到闭包。

闭包的形成条件：

• 函数嵌套
• 将内部函数作为返回值返回
• 内部函数必须要使用到外部函数的变量

def make_averager():
    #创建一个表用来保存数
    nums = []
    #创建一个函数用来计算平均值
    def averager(int(n)):
        nums.append(n)
        return sun(nums)/len(nums)
    return averager()

print(make_averager(10))
print(make_averager(10))
print(make_averager(10))
nums = []  #对求名平均值没有影响,因为用了闭包，命名空间不同，不是同一个对象
print(make_averager(10))