Python学习 Day 4 函数 切片 迭代 列表生成式 生成器

定义函数

def my_abs(x):#求绝对值的my_abs函数

if x >= 0:

return x

else:

return –x

def nop():#空函数

pass#占位符

参数检查

>>> my_abs(1, 2)

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

TypeError: my_abs() takes exactly 1argument (2 given)#参数个数不对

>>> my_abs('A')#参数类型不对，无法检查

'A'

>>> abs('A')

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

TypeError: bad operand type for abs():'str'

>>> my_abs('A')

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

File "<stdin>", line 3, in my_abs

TypeError: bad operand type#错误的参数类型

返回多个值

Python的函数返回多值其实就是返回一个tuple

import math

def move(x, y, step, angle=0):

nx = x + step * math.cos(angle)

ny = y - step * math.sin(angle)

return nx, ny

>>> x, y = move(100, 100, 60,math.pi / 6)

>>> print x, y

151.961524227 70.0

函数的参数

def power(x):#计算x²的函数

return x * x

>>> power(5)

25

def power(x, n):#计算xⁿ

s = 1

while n > 0:

n = n - 1

s = s * x

return s

def power(x, n=2): #第二个参数n的默认值设定为2

s= 1

while n > 0:

n = n - 1

s = s * x

return s

默认参数降低了函数调用的难度，而一旦需要更复杂的调用时，又可以传递更多的参数来实现。无论是简单调用还是复杂调用，函数只需要定义一个。

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

print 'name:', name

print 'gender:', gender

print 'age:', age

print 'city:', city

enroll('Bob', 'M', 7)# 与默认参数不符的学生才需要提供额外的信息

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。

默认参数的误区

def add_end(L=[]):#传入一个list

L.append('END')#添加一个END再返回

return L

>>> add_end([1, 2, 3])

[1, 2, 3, 'END']

>>> add_end(['x', 'y', 'z'])

['x', 'y', 'z', 'END']

>>> add_end()

['END']

>>> add_end()

['END', 'END']

>>> add_end()

['END', 'END', 'END']

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。所以，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

可变参数

def calc(numbers):#计算a2 + b2 +c2 + ……

sum = 0

for n in numbers:

sum = sum + n * n

return sum#调用时，要先组装list或tuple

>>> calc([1, 2, 3])

14

def calc(*numbers):#函数的参数改为可变参数

sum = 0

for n in numbers:

sum = sum + n * n

return sum

>>> calc(1, 2, 3)

14

>>> nums = [1, 2, 3]#已有list或tuple，调用可变参数

>>> calc(*nums)

14

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

def person(name, age, **kw):#函数除必选参数name和age，还接受关键字参数kw

print 'name:', name, 'age:', age, 'other:', kw

>>> person('Michael', 30)#调用函数时，可以只传入必选参数

name: Michael age: 30 other: {}

>>> person('Bob', 35,city='Beijing')#可传入任意个数的关键字参数

name: Bob age: 35 other: {'city':'Beijing'}

>>> kw = {'city': 'Beijing','job': 'Engineer'}#组装出一个dict

>>> person('Jack', 24, **kw)#把dict转换为关键字参数传进去

name: Jack age: 24 other: {'city': 'Beijing','job': 'Engineer'}

参数组合

def func(a, b, c=0, *args, **kw):#必选参数、默认参数、可变参数和关键字参数

print 'a =', a,'b =', b, 'c =', c, 'args =', args, 'kw =', kw

>>> func(1, 2)# 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 = {}

>>> func(1, 2, c=3)

a = 1 b = 2 c = 3 args = () kw = {}

>>> func(1, 2, 3, 'a', 'b')

a = 1 b = 2 c = 3 args = ('a', 'b') kw = {}

>>> func(1, 2, 3, 'a', 'b', x=99)

a = 1 b = 2 c = 3 args = ('a', 'b') kw ={'x': 99}

>>> args = (1, 2, 3, 4)#tuple和dict，也可以调用该函数

>>> kw = {'x': 99}

>>> func(*args, **kw)

a = 1 b = 2 c = 3 args = (4,) kw = {'x':99}

对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。

递归函数

一个函数在内部调用自身本身，这个函数就是递归函数。

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):#fact(n) = n! = fact(n-1) x n

if n==1:

return 1

return n *fact(n - 1)

使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。如：

>>> fact(1000)

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

File "<stdin>", line 4, in fact

...

File "<stdin>", line 4, in fact

RuntimeError: maximum recursion depthexceeded

解决递归调用栈溢出的方法是通过尾递归优化，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况.即:

def fact(n):

return fact_iter(1, 1, n)

def fact_iter(product, count, max):

if count > max:

return product

return fact_iter(product * count, count + 1, max)

切片

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

>>> L[0:3]#取前3个元素, 0开始取，直到索引3为止，但不包括索引3

['Michael', 'Sarah', 'Tracy']

>>> L[1:3]

['Sarah', 'Tracy']

>>> L[-2:]# 倒数切片

['Bob', 'Jack']

>>> L[-2:-1]

['Bob']

>>> L[10:20]#前11-20个数

>>> L[:10:2]#前10个数，每两个取一个

>>> L[::5]#所有数，每5个取一个

>>> 'ABCDEFG'[:3]#字符串'xxx'或Unicode字符串u'xxx'也是一种list，每个元素就是一个字符

'ABC'

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（Iteration）。

>>> d = {'a': 1, 'b': 2, 'c': 3}

>>> for key in d:3只要是可迭代对象，无论有无下标，都可以迭代，比如dict

... print key

...

a

c

b

>>> for ch in 'ABC':#字符串也是可迭代

... print ch

...

A

B

C

>>> from collections importIterable

>>> 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

>>> for x, y in [(1, 1), (2, 4),(3, 9)]:

... print x, y

...

1 1

2 4

3 9

列表生成式ListComprehensions

>>> range(1, 11)

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

>>> L = []#生成[1x1, 2x2,3x3, ..., 10x10]

>>> for x in range(1, 11):

... L.append(x * x)

...

>>> L

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

或：

>>> [x * x for x in range(1, 11)]

[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

>>> [x * x for x in range(1, 11)if x % 2 == 0]#偶数的平方

>>> d = {'x': 'A', 'y': 'B', 'z':'C' }#dict的iteritems()可以同时迭代key和value

>>> for k, v in d.iteritems():

... print k, '=', v

...

y = B

x = A

z = C

>>> d = {'x': 'A', 'y': 'B', 'z':'C' }#两个变量来生成list

>>> [k + '=' + v for k, v ind.iteritems()]

['y=B', 'x=A', 'z=C']

生成器

在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。

>>> L = [x * x for x inrange(10)]#列表生成式的[]改成()，就创建了一个generator

>>> L

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x * x for x in range(10))

>>> g

<generator object <genexpr> at0x104feab40>

>>> g = (x * x for x inrange(10))#使用for循环

>>> for n in g:

... print n

def fib(max):#斐波拉契数列

n, a, b = 0, 0, 1

while n < max:

print b

a, b = b, a + b

n = n + 1

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。例子，定义一个generator，依次返回数字1，3，5：

>>> def odd():#odd不是普通函数，而是generator

... print 'step 1'

... yield 1

... print 'step 2'

... yield 3

... print 'step 3'

... yield 5

...

>>> o = odd()

>>> o.next()

step 1

1

>>> o.next()

step 2

3

>>> o.next()

step 3

5

>>> o.next()

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration