1 什么是函数？2 为什么要用函数？3 函数的分类：内置函数与自定义函数4 如何自定义函数 语法 定义有参数函数，及有参函数的应用场景 定义无参数函数，及无参函数的应用场景 定义空函数，及空函数的应用场景5 调用函数 如何调用函数 函数的返回值 函数参数的应用：形参和实参，位置参数，关键字参数，默认参数，*args，**kwargs6 高阶函数（函数对象）7 函数嵌套8 作用域与名称空间9 装饰器10 迭代器与生成器及协程函数11 三元运算，列表解析、生成器表达式12 函数的递归调用13 内置函数14 面向过程编程与函数式编程
一：为何用函数之不使用函数的问题 #组织结构不清晰 #代码冗余 #无法统一管理且维护难度大 二：函数分类： 1. 内置函数 2. 自定义函数 三：为何要定义函数 函数即变量，变量必须先定义后使用，未定义而直接引用函数，就相当于在引用一个不存在的变量名 代码演示？ 四：定义函数都干了哪些事？ 只检测语法，不执行代码 五：如何定义函数(函数名要能反映其意义) def ... 六：定义函数的三种形式 无参：应用场景仅仅只是执行一些操作，比如与用户交互，打印 有参：需要根据外部传进来的参数，才能执行相应的逻辑，比如统计长度，求最大值最小值 空函数：设计代码结构 七 ：函数的调用 1 先找到名字 2 根据名字调用代码 函数的返回值？ 0->None 1->返回1个值 多个->元组 什么时候该有？ 调用函数，经过一系列的操作，最后要拿到一个明确的结果，则必须要有返回值 通常有参函数需要有返回值，输入参数，经过计算，得到一个最终的结果 什么时候不需要有？ 调用函数，仅仅只是执行一系列的操作，最后不需要得到什么结果，则无需有返回值 通常无参函数不需要有返回值 八：函数调用的三种形式 1 语句形式：foo() 2 表达式形式：3*len('hello') 4 当中另外一个函数的参数：range(len('hello')) 九：函数的参数： 1 形参和实参定义 2 形参即变量名，实参即变量值，函数调用则将值绑定到名字上，函数调用结束，解除绑定 3 具体应用 位置参数：按照从左到右的顺序定义的参数 位置形参：必选参数 位置实参：按照位置给形参传值 关键字参数：按照key=value的形式定义实参 无需按照位置为形参传值 注意的问题： 1. 关键字实参必须在位置实参右面 2. 对同一个形参不能重复传值 默认参数：形参在定义时就已经为其赋值 可以传值也可以不传值，经常需要变得参数定义成位置形参，变化较小的参数定义成默认参数（形参） 注意的问题： 1. 只在定义时赋值一次 2. 默认参数的定义应该在位置形参右面 3. 默认参数通常应该定义成不可变类型 可变长参数： 针对实参在定义时长度不固定的情况，应该从形参的角度找到可以接收可变长实参的方案，这就是可变长参数（形参） 而实参有按位置和按关键字两种形式定义，针对这两种形式的可变长，形参也应该有两种解决方案，分别是*args，**kwargs ===========*args=========== def foo(x,y,*args): print(x,y) print(args) foo(1,2,3,4,5) def foo(x,y,*args): print(x,y) print(args) foo(1,2,*[3,4,5]) def foo(x,y,z): print(x,y,z) foo(*[1,2,3]) ===========**kwargs=========== def foo(x,y,**kwargs): print(x,y) print(kwargs) foo(1,y=2,a=1,b=2,c=3) def foo(x,y,**kwargs): print(x,y) print(kwargs) foo(1,y=2,**{'a':1,'b':2,'c':3}) def foo(x,y,z): print(x,y,z) foo(**{'z':1,'x':2,'y':3}) ===========*args+**kwargs=========== def foo(x,y): print(x,y) def wrapper(*args,**kwargs): print('====>') foo(*args,**kwargs) 命名关键字参数：*后定义的参数，必须被传值（有默认值的除外），且必须按照关键字实参的形式传递 可以保证，传入的参数中一定包含某些关键字 def foo(x,y,*args,a=1,b,**kwargs): print(x,y) print(args) print(a) print(b) print(kwargs) foo(1,2,3,4,5,b=3,c=4,d=5) 结果： 1 2 (3, 4, 5) 1 3 {'c': 4, 'd': 5} 十 阶段性练习 1、写函数，，用户传入修改的文件名，与要修改的内容，执行函数，完成批了修改操作
2、写函数，计算传入字符串中【数字】、【字母】、【空格] 以及 【其他】的个数3、写函数，判断用户传入的对象（字符串、列表、元组）长度是否大于5。
4、写函数，检查传入列表的长度，如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。
5、写函数，检查获取传入列表或元组对象的所有奇数位索引对应的元素，并将其作为新列表返回给调用者。
6、写函数，检查字典的每一个value的长度,如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。
dic = {"k1": "v1v1", "k2": [11,22,33,44]} PS:字典中的value只能是字符串或列表 #题目一def modify_file(filename,old,new): import os with open(filename,'r',encoding='utf-8') as read_f,\ open('.bak.swap','w',encoding='utf-8') as write_f: for line in read_f: if old in line: line=line.replace(old,new) write_f.write(line) os.remove(filename) os.rename('.bak.swap',filename)modify_file('/Users/jieli/PycharmProjects/爬虫/a.txt','alex','SB')#题目二def check_str(msg): res={ 'num':0, 'string':0, 'space':0, 'other':0, } for s in msg: if s.isdigit(): res['num']+=1 elif s.isalpha(): res['string']+=1 elif s.isspace(): res['space']+=1 else: res['other']+=1 return resres=check_str('hello name:aSB passowrd:alex3714')print(res)#题目三：略#题目四def func1(seq): if len(seq) > 2: seq=seq[0:2] return seqprint(func1([1,2,3,4]))#题目五def func2(seq): return seq[::2]print(func2([1,2,3,4,5,6,7]))#题目六def func3(dic): d={} for k,v in dic.items(): if len(v) > 2: d[k]=v[0:2] return dprint(func3({ 'k1':'abcdef','k2':[1,2,3,4],'k3':('a','b','c')}))
=======================本节课新内容========================== 一：函数对象：函数是第一类对象，即函数可以当作数据传递 1 可以被引用 2 可以当作参数传递 3 返回值可以是函数 3 可以当作容器类型的元素 #利用该特性，优雅的取代多分支的if def foo(): print('foo') def bar(): print('bar') dic={ 'foo':foo, 'bar':bar, } while True: choice=input('>>: ').strip() if choice in dic: dic[choice]() 二：函数的嵌套 1 函数的嵌套调用 def max(x,y): return x if x > y else y def max4(a,b,c,d): res1=max(a,b) res2=max(res1,c) res3=max(res2,d) return res3 print(max4(1,2,3,4)) 2 函数的嵌套定义 def f1(): def f2(): def f3(): print('from f3') f3() f2() f1() f3() #报错 三 名称空间和作用域： 名称空间：存放名字的地方，三种名称空间，（之前遗留的问题x=1，1存放于内存中，那名字x存放在哪里呢？名称空间正是存放名字x与1绑定关系的地方） 加载顺序是？ 名字的查找顺序？（在全局无法查看局部的，在局部可以查看全局的） # max=1 def f1(): # max=2 def f2(): # max=3 print(max) f2() f1() print(max)
作用域即范围 - 全局范围：全局存活，全局有效 - 局部范围：临时存活，局部有效 - 作用域关系是在函数定义阶段就已经固定的，与函数的调用位置无关，如下
x=1 def f1(): def f2(): print(x) return f2 def f3(func): x=2 func() f3(f1())
查看作用域：globals(),locals() global nonlocal LEGB 代表名字查找顺序: locals -> enclosing function -> globals -> __builtins__ locals 是函数内的名字空间，包括局部变量和形参 enclosing 外部嵌套函数的名字空间（闭包中常见） globals 全局变量，函数定义所在模块的名字空间 builtins 内置模块的名字空间 四：闭包:内部函数包含对外部作用域而非全局作用域的引用 提示：之前我们都是通过参数将外部的值传给函数，闭包提供了另外一种思路，包起来喽，包起呦，包起来哇 def counter(): n=0 def incr(): nonlocal n x=n n+=1 return x return incr c=counter() print(c()) print(c()) print(c()) print(c.__closure__[0].cell_contents) #查看闭包的元素 闭包的意义：返回的函数对象，不仅仅是一个函数对象，在该函数外还包裹了一层作用域，这使得，该函数无论在何处调用，优先使用自己外层包裹的作用域 应用领域：延迟计算（原来我们是传参，现在我们是包起来） from urllib.request import urlopen def index(url): def get(): return urlopen(url).read() return get baidu=index('http://www.baidu.com') print(baidu().decode('utf-8')) 五: 装饰器（闭包函数的一种应用场景） 1 为何要用装饰器： 开放封闭原则：对修改封闭，对扩展开放 2 什么是装饰器 装饰器他人的器具，本身可以是任意可调用对象，被装饰者也可以是任意可调用对象。 强调装饰器的原则：1 不修改被装饰对象的源代码 2 不修改被装饰对象的调用方式 装饰器的目标：在遵循1和2的前提下，为被装饰对象添加上新功能 3. 先看简单示范 import time def timmer(func): def wrapper(*args,**kwargs): start_time=time.time() res=func(*args,**kwargs) stop_time=time.time() print('run time is %s' %(stop_time-start_time)) return res return wrapper @timmer def foo(): time.sleep(3) print('from foo') foo() 4 def auth(driver='file'): def auth2(func): def wrapper(*args,**kwargs): name=input("user: ") pwd=input("pwd: ") if driver == 'file': if name == 'egon' and pwd == '123': print('login successful') res=func(*args,**kwargs) return res elif driver == 'ldap': print('ldap') return wrapper return auth2 @auth(driver='file') def foo(name): print(name) foo('egon') 5 装饰器语法： 被装饰函数的正上方，单独一行 @deco1 @deco2 @deco3 def foo(): pass foo=deco1(deco2(deco3(foo))) 6 装饰器补充：wraps from functools import wrapsdef deco(func): @wraps(func) #加在最内层函数正上方 def wrapper(*args,**kwargs): return func(*args,**kwargs) return wrapper@decodef index(): '''哈哈哈哈''' print('from index')print(index.__doc__)
7 装饰器练习
一：编写函数，（函数执行的时间是随机的）
二：编写装饰器，为函数加上统计时间的功能三：编写装饰器，为函数加上认证的功能四：编写装饰器，为多个函数加上认证的功能（用户的账号密码来源于文件），要求登录成功一次，后续的函数都无需再输入用户名和密码
注意：从文件中读出字符串形式的字典，可以用eval('{"name":"egon","password":"123"}')转成字典格式五：编写装饰器，为多个函数加上认证功能，要求登录成功一次，在超时时间内无需重复登录，超过了超时时间，则必须重新登录
六：编写下载网页内容的函数，要求功能是：用户传入一个url，函数返回下载页面的结果
七：为题目五编写装饰器，实现缓存网页内容的功能：
具体：实现下载的页面存放于文件中，如果文件内有值（文件大小不为0），就优先从文件中读取网页内容，否则，就去下载，然后存到文件中扩展功能：用户可以选择缓存介质/缓存引擎，针对不同的url，缓存到不同的文件中
八：还记得我们用函数对象的概念，制作一个函数字典的操作吗，来来来，我们有更高大上的做法，在文件开头声明一个空字典，然后在每个函数前加上装饰器，完成自动添加到字典的操作
九 编写日志装饰器，实现功能如：一旦函数f1执行，则将消息2017-07-21 11:12:11 f1 run写入到日志文件中，日志文件路径可以指定
注意：时间格式的获取 import time time.strftime('%Y-%m-%d %X') #题目一:略#题目二:略#题目三:略#题目四：db='db.txt'login_status={ 'user':None,'status':False}def auth(auth_type='file'): def auth2(func): def wrapper(*args,**kwargs): if login_status['user'] and login_status['status']: return func(*args,**kwargs) if auth_type == 'file': with open(db,encoding='utf-8') as f: dic=eval(f.read()) name=input('username: ').strip() password=input('password: ').strip() if name in dic and password == dic[name]: login_status['user']=name login_status['status']=True res=func(*args,**kwargs) return res else: print('username or password error') elif auth_type == 'sql': pass else: pass return wrapper return auth2@auth()def index(): print('index')@auth(auth_type='file')def home(name): print('welcome %s to home' %name)# index()# home('egon')#题目五import time,randomuser={ 'user':None,'login_time':None,'timeout':0.000003,}def timmer(func): def wrapper(*args,**kwargs): s1=time.time() res=func(*args,**kwargs) s2=time.time() print('%s' %(s2-s1)) return res return wrapperdef auth(func): def wrapper(*args,**kwargs): if user['user']: timeout=time.time()-user['login_time'] if timeout < user['timeout']: return func(*args,**kwargs) name=input('name>>: ').strip() password=input('password>>: ').strip() if name == 'egon' and password == '123': user['user']=name user['login_time']=time.time() res=func(*args,**kwargs) return res return wrapper@authdef index(): time.sleep(random.randrange(3)) print('welcome to index')@authdef home(name): time.sleep(random.randrange(3)) print('welcome %s to home ' %name)index()home('egon')#题目六:略#题目七：简单版本import requestsimport oscache_file='cache.txt'def make_cache(func): def wrapper(*args,**kwargs): if not os.path.exists(cache_file): with open(cache_file,'w'):pass if os.path.getsize(cache_file): with open(cache_file,'r',encoding='utf-8') as f: res=f.read() else: res=func(*args,**kwargs) with open(cache_file,'w',encoding='utf-8') as f: f.write(res) return res return wrapper@make_cachedef get(url): return requests.get(url).text# res=get('https://www.python.org')# print(res)#题目七:扩展版本import requests,os,hashlibengine_settings={ 'file':{ 'dirname':'./db'}, 'mysql':{ 'host':'127.0.0.1', 'port':3306, 'user':'root', 'password':'123'}, 'redis':{ 'host':'127.0.0.1', 'port':6379, 'user':'root', 'password':'123'},}def make_cache(engine='file'): if engine not in engine_settings: raise TypeError('egine not valid') def deco(func): def wrapper(url): if engine == 'file': m=hashlib.md5(url.encode('utf-8')) cache_filename=m.hexdigest() cache_filepath=r'%s/%s' %(engine_settings['file']['dirname'],cache_filename) if os.path.exists(cache_filepath) and os.path.getsize(cache_filepath): return open(cache_filepath,encoding='utf-8').read() res=func(url) with open(cache_filepath,'w',encoding='utf-8') as f: f.write(res) return res elif engine == 'mysql': pass elif engine == 'redis': pass else: pass return wrapper return deco@make_cache(engine='file')def get(url): return requests.get(url).text# print(get('https://www.python.org'))print(get('https://www.baidu.com'))#题目八route_dic={}def make_route(name): def deco(func): route_dic[name]=func return deco@make_route('select')def func1(): print('select')@make_route('insert')def func2(): print('insert')@make_route('update')def func3(): print('update')@make_route('delete')def func4(): print('delete')print(route_dic)#题目九import timeimport osdef logger(logfile): def deco(func): if not os.path.exists(logfile): with open(logfile,'w'):pass def wrapper(*args,**kwargs): res=func(*args,**kwargs) with open(logfile,'a',encoding='utf-8') as f: f.write('%s %s run\n' %(time.strftime('%Y-%m-%d %X'),func.__name__)) return res return wrapper return deco@logger(logfile='aaaaaaaaaaaaaaaaaaaaa.log')def index(): print('index')index()
六：迭代器 迭代的概念:重复的过程称为迭代，每次重复即一次迭代，并且每次迭代的结果是下一次迭代的初始值 # while True: #只满足重复，因而不是迭代 # print('====>') #迭代 l=[1,2,3] count=0 while count < len(l): #只满足重复，因而不是迭代 print('====>',l[count]) count+=1 为何要有迭代器？ 可迭代的对象？ 哪些是可迭代对象？ 迭代器？ l={'a':1,'b':2,'c':3,'d':4,'e':5} i=l.__iter__() #等于i=iter(l) print(next(i)) print(next(i)) print(next(i)) StopIteration? for循环 迭代器的优缺点： 优点： 提供统一的且不依赖于索引的迭代方式 惰性计算，节省内存 缺点： 无法获取长度 一次性的，只能往后走，不能往前退 迭代器协议 练习：判断以下对象哪个是可迭代对象，哪个是迭代器对象 s='hello'
l=[1,2,3,4]t=(1,2,3)d={'a':1}set={1,2,3}f=open('a.txt')七 生成器 yield: 把函数做成迭代器 对比return，可以返回多次值，挂起函数的运行状态 # def foo(): # return 1 # return 2 # return 3 # # res=foo() # print(res) def foo(): yield 1 yield 2 yield 3 res=foo() print(res) from collections import Iterable,Iterator print(isinstance(res,Iterator)) print(next(res)) print(next(res)) print(next(res)) 应用一： def counter(n): print('start') i=0 while i < n: yield i i+=1 print('end') c=counter(5) # print(next(c)) #0 # print(next(c)) #1 # print(next(c)) #2 # print(next(c)) #3 # print(next(c)) #4 # print(next(c)) #5 --->没有yield，抛出StopIteration for i in counter(5): print(i) 应用二:管道tail -f a.txt |grep 'python' import time def tail(filepath): with open(filepath,encoding='utf-8') as f: f.seek(0,2) while True: line=f.readline() if line: yield line else: time.sleep(0.5) def grep(pattern,lines): for line in lines: if pattern in line: yield line for i in grep('python',tail('a.txt')): print(i) #协程函数 def eater(name): print('%s说：我开动啦' %name) food_list=[] while True: food=yield food_list food_list.append(food) print('%s 吃了 %s' %(name,food)) e=eater('egon') e.send(None) #next(e) #初始化装饰器， e.close() #关闭 面向过程编程： import os def init(func): def wrapper(*args,**kwargs): g=func(*args,**kwargs) next(g) return g return wrapper def search(file_dir,target): for par_dir,_,files in os.walk(file_dir): for file in files: filepath='%s\%s' %(par_dir,file) target.send(filepath) @init def opener(target): while True: filepath=yield with open(filepath) as f: target.send((f,filepath)) @init def cat(target): while True: res=False f,filepath=yield res for line in f: print(line,end='') res=target.send((line,filepath)) if res: break @init def grep(pattern,target): res = False while True: line,filepath=yield res res=False if pattern in line: res=True target.send(filepath) @init def printer(): while True: filepath=yield print(filepath) search(r'C:\Users\Administrator\PycharmProjects\test\字符编码\a', opener(cat(grep('python',printer())))) #注意：target.send(...)在拿到target的返回值后才算执行结束import osdef init(func): def wrapper(*args,**kwargs): g=func(*args,**kwargs) next(g) return g return wrapper@initdef search(target): while True: search_dir=yield for par_dir,_,files in os.walk(search_dir): for file in files: file_abs_path=r'%s\%s' %(par_dir,file) # print(file_abs_path) target.send(file_abs_path)@initdef opener(target): while True: file_abs_path=yield with open(file_abs_path,encoding='utf-8') as f: target.send((file_abs_path,f))@initdef cat(target): while True: file_abs_path,f=yield print('检索文件',file_abs_path) for line in f: tag=target.send((file_abs_path,line)) print('检索文件的行： %s' %line) if tag: break@initdef grep(pattern,target): tag=False while True: file_abs_path,line=yield tag tag=False if pattern in line: tag=True target.send(file_abs_path)@initdef printer(): while True: file_abs_path=yield print('过滤出的结果=========>',file_abs_path)search_dir=r'C:\Users\Administrator\PycharmProjects\test\函数备课\a'e=search(opener(cat(grep('python',printer()))))e.send(search_dir)
八：三元表达式，列表推导式，生成器表达式==============================#三元表达式name='alex'name='linhaifeng'res='SB' if name == 'alex' else 'shuai'print(res)
==============================列表推导式
------------------1：引子生一筐鸡蛋egg_list=[]for i in range(10): egg_list.append('鸡蛋%s' %i) egg_list=['鸡蛋%s' %i for i in range(10)] #列表解析------------------2：语法
[expression for item1 in iterable1 if condition1 for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN ]类似于res=[]for item1 in iterable1: if condition1: for item2 in iterable2: if condition2 ... for itemN in iterableN: if conditionN: res.append(expression)------------------3：优点
方便，改变了编程习惯，声明式编程 ------------------4：应用l1=[3,-4,-1,5,7,9][i**i for i in l1]
[i for i in l1 if i >0]
s='egon'
[(i,j) for i in l1 if i>0 for j in s] #元组合必须加括号[i,j ...]非法
==============================生成器表达式
------------------1：引子生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性egg_list=[]for i in range(10): egg_list.append('鸡蛋%s' %i) chicken=('鸡蛋%s' %i for i in range(10))>>> chicken<generator object <genexpr> at 0x10143f200>>>> next(chicken)'鸡蛋5'------------------2：语法
语法与列表推导式类似，只是[]->()(expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN )------------------3：优点
省内存，一次只产生一个值在内存中------------------4：应用
读取一个大文件的所有内容，并且处理行f=open('a.txt')g=(line.strip() for line in f) list(g) #因g可迭代，因而可以转成列表------------------5:示例
#一with open('a.txt') as f: print(max(len(line) for line in f)) print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字节数，为何得到的值为0?#二
print(max(len(line) for line in open('a.txt')))print(sum(len(line) for line in open('a.txt')))#三
with open('a.txt') as f: g=(len(line) for line in f)print(sum(g)) #为何报错？
==============================声明式编程
文件a.txt内容apple 10 3tesla 100000 1mac 3000 2lenovo 30000 3chicken 10 3
f=open('a.py')
#求花了多少钱g=(line.split() for line in f)sum(float(price)*float(count) for _,price,count in g)
模拟数据库查询>>> f=open('a.txt')>>> g=(line.split() for line in f)>>> goods_l=[{'name':n,'price':p,'count':c} for n,p,c in g]过滤查询
>>> goods_l=[{'name':n,'price':p,'count':c} for n,p,c in g if float(p) > 10000]
九：匿名函数lambda 匿名就是没有名字def func(x,y,z=1): return x+y+z
匿名
lambda x,y,z=1:x+y+z #与函数有相同的作用域，但是匿名意味着引用计数为0，使用一次就释放，除非让其有名字func=lambda x,y,z=1:x+y+z func(1,2,3)#让其有名字就没有意义
有名函数：循环使用，保存了名字，通过名字就可以重复引用函数功能
匿名函数：一次性使用，随时随时定义
应用：max，min，sorted,map,reduce,filter
十 内建函数
注意：内置函数id()可以返回一个对象的身份，返回值为整数。这个整数通常对应与该对象在内存中的位置，但这与python的具体实现有关，不应该作为对身份的定义，即不够精准，最精准的还是以内存地址为准。is运算符用于比较两个对象的身份，等号比较两个对象的值，内置函数type()则返回一个对象的类型
字典的运算：最小值，最大值，排序salaries={ 'egon':3000, 'alex':100000000, 'wupeiqi':10000, 'yuanhao':2000}迭代字典，取得是key，因而比较的是key的最大和最小值>>> max(salaries)'yuanhao'>>> min(salaries)'alex'可以取values，来比较>>> max(salaries.values())>>> min(salaries.values())但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键>>> max(salaries,key=lambda k:salary[k])'alex'>>> min(salaries,key=lambda k:salary[k])'yuanhao'也可以通过zip的方式实现salaries_and_names=zip(salaries.values(),salaries.keys()) 先比较值，值相同则比较键>>> max(salaries_and_names)(100000000, 'alex')salaries_and_names是迭代器，因而只能访问一次>>> min(salaries_and_names)Traceback (most recent call last): File " ", line 1, in ValueError: min() arg is an empty sequencesorted(iterable，key=None,reverse=False) #字符串可以提供的参数 's' None>>> format('some string','s')'some string'>>> format('some string')'some string'#整形数值可以提供的参数有 'b' 'c' 'd' 'o' 'x' 'X' 'n' None>>> format(3,'b') #转换成二进制'11'>>> format(97,'c') #转换unicode成字符'a'>>> format(11,'d') #转换成10进制'11'>>> format(11,'o') #转换成8进制'13'>>> format(11,'x') #转换成16进制 小写字母表示'b'>>> format(11,'X') #转换成16进制 大写字母表示'B'>>> format(11,'n') #和d一样'11'>>> format(11) #默认和d一样'11'#浮点数可以提供的参数有 'e' 'E' 'f' 'F' 'g' 'G' 'n' '%' None>>> format(314159267,'e') #科学计数法，默认保留6位小数'3.141593e+08'>>> format(314159267,'0.2e') #科学计数法，指定保留2位小数'3.14e+08'>>> format(314159267,'0.2E') #科学计数法，指定保留2位小数，采用大写E表示'3.14E+08'>>> format(314159267,'f') #小数点计数法，默认保留6位小数'314159267.000000'>>> format(3.14159267000,'f') #小数点计数法，默认保留6位小数'3.141593'>>> format(3.14159267000,'0.8f') #小数点计数法，指定保留8位小数'3.14159267'>>> format(3.14159267000,'0.10f') #小数点计数法，指定保留10位小数'3.1415926700'>>> format(3.14e+1000000,'F') #小数点计数法，无穷大转换成大小字母'INF'#g的格式化比较特殊，假设p为格式中指定的保留小数位数，先尝试采用科学计数法格式化，得到幂指数exp，如果-4<=exp >> format(0.00003141566,'.1g') #p=1,exp=-5 ==》 -4<=exp >> format(0.00003141566,'.2g') #p=1,exp=-5 ==》 -4<=exp >> format(0.00003141566,'.3g') #p=1,exp=-5 ==》 -4<=exp >> format(0.00003141566,'.3G') #p=1,exp=-5 ==》 -4<=exp >> format(3.1415926777,'.1g') #p=1,exp=0 ==》 -4<=exp >> format(3.1415926777,'.2g') #p=1,exp=0 ==》 -4<=exp >> format(3.1415926777,'.3g') #p=1,exp=0 ==》 -4<=exp >> format(0.00003141566,'.1n') #和g相同'3e-05'>>> format(0.00003141566,'.3n') #和g相同'3.14e-05'>>> format(0.00003141566) #和g相同'3.141566e-05'
https://docs.python.org/3/library/functions.html?highlight=built#ascii
十一：内建函数补充（结合lambda）
字典的运算：最小值，最大值，排序salaries={ 'egon':3000, 'alex':100000000, 'wupeiqi':10000, 'yuanhao':2000}迭代字典，取得是key，因而比较的是key的最大和最小值
>>> max(salaries)'yuanhao'>>> min(salaries)'alex'可以取values，来比较
>>> max(salaries.values())100000000>>> min(salaries.values())2000但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键>>> max(salaries,key=lambda k:salary[k])'alex'>>> min(salaries,key=lambda k:salary[k])'yuanhao'
也可以通过zip的方式实现
salaries_and_names=zip(salaries.values(),salaries.keys())先比较值，值相同则比较键
>>> max(salaries_and_names)(100000000, 'alex') salaries_and_names是迭代器，因而只能访问一次>>> min(salaries_and_names)Traceback (most recent call last): File "<stdin>", line 1, in <module>ValueError: min() arg is an empty sequence
sorted(iterable，key=None,reverse=False)
#eval与compile
eval(str,[,globasl[,locals]])
eval('1+2+max(3,9,100)+1.3')my_globals={'x':1}
my_locals={'x':2}eval('1+x',my_globals,my_locals) exec('for i in range(10):print("i")')同样可以指定自己的名称空间 compile(str,filename,kind)filename:用于追踪str来自于哪个文件，如果不想追踪就可以不定义kind可以是：single代表一条语句，exec代表一组语句，eval代表一个表达式s='for i in range(10):print(i)'code=compile(s,'','exec')exec(code)s='1+2+3'code=compile(s,'','eval')eval(code)
十二：函数的递归调用
图解：递推和回溯 # salary(5)=salary(4)+300 # salary(4)=salary(3)+300 # salary(3)=salary(2)+300 # salary(2)=salary(1)+300 # salary(1)=100 # # salary(n)=salary(n-1)+300 n>1 # salary(1) =100 n=1 def salary(n): if n == 1: return 100 return salary(n-1)+300 print(salary(5))
函数在调用时，直接或间接调用了自身，就是递归调用
def fac(n):#阶乘运算
if n == 1:return 1 else:return n*fib(n-1) 递归效率低，需要在进入下一次递归时保留当前的状态，见51cto博客解决方法是尾递归，即在函数的最后一步（而非最后一行)调用自己但是python又没有尾递归，且对递归层级做了限制1. 必须有一个明确的结束条件
2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少
3. 递归效率不高，递归层次过多会导致栈溢出（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）
尾递归优化：http://egon09.blog.51cto.com/9161406/1842475 >>> sys.getrecursionlimit()1000 >>> n=1>>> def test():... global n... n+=1... print(n)... test()... >>> test() >>> sys.setrecursionlimit(10000)>>> test() #可以递归10000层了虽然可以设置，但是因为不是尾递归，仍然要保存栈，内存大小一定，不可能无限递归
十三 阶段性练习：
1 文件内容如下,标题为:姓名,性别,年纪,薪资
egon male 18 3000
alex male 38 30000wupeiqi female 28 20000yuanhao female 28 10000要求:
从文件中取出每一条记录放入列表中,列表的每个元素都是{'name':'egon','sex':'male','age':18,'salary':3000}的形式2 根据1得到的列表,取出薪资最高的人的信息
3 根据1得到的列表,取出最年轻的人的信息4 根据1得到的列表,将每个人的信息中的名字映射成首字母大写的形式5 根据1得到的列表,过滤掉名字以a开头的人的信息6 使用递归打印斐波那契数列(前两个数的和得到第三个数) 0 1 1 2 3 4 7...7 l=［1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]］
一个列表嵌套很多层，用递归取出所有的值 #1with open('db.txt') as f: items=(line.split() for line in f) info=[{ 'name':name,'sex':sex,'age':age,'salary':salary} \ for name,sex,age,salary in items]print(info)#2print(max(info,key=lambda dic:dic['salary']))#3print(min(info,key=lambda dic:dic['age']))# 4info_new=map(lambda item:{ 'name':item['name'].capitalize(), 'sex':item['sex'], 'age':item['age'], 'salary':item['salary']},info)print(list(info_new))#5g=filter(lambda item:item['name'].startswith('a'),info)print(list(g))#6#非递归def fib(n): a,b=0,1 while a < n: print(a,end=' ') a,b=b,a+b print()fib(10)#递归def fib(a,b,stop): if a > stop: return print(a,end=' ') fib(b,a+b,stop)fib(0,1,10)#7l=[1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]]def get(seq): for item in seq: if type(item) is list: get(item) else: print(item)get(l)
十四：二分法
l=[1,2,10,2,30,40,33,22,99,31] def search(num,l): print(l) if len(l) > 1: mid=len(l)//2 if num > l[mid]: #in the right l=l[mid:] search(num,l) elif num < l[mid]: #in the left l=l[:mid] search(num,l) else: print('find it') else: if num == l[0]: print('find it') else: print('not exists') search(100,l) def search(seq,num): print(seq) if len(seq) == 1: if num == seq[0]: print('you find it') else: print('not exist') return mid=len(seq)//2 if num > seq[mid]: #in the right seq=seq[mid:] search(seq,num) elif num < seq[mid]: #in the left seq=seq[:mid] search(seq,num) else: print('find it')search(l,3)
十五：面向过程编程，函数式编程
峰哥原创面向过程解释：
函数的参数传入，是函数吃进去的食物，而函数return的返回值，是函数拉出来的结果，面向过程的思路就是，把程序的执行当做一串首尾相连的函数，一个函数吃，拉出的东西给另外一个函数吃，另外一个函数吃了再继续拉给下一个函数吃。。。
面向过程：机械式思维，流水线式编程
例如：用户登录流程：前端接收处理用户请求-》将用户信息传给逻辑层，逻辑词处理用户信息-》将用户信息写入数据库验证用户登录流程：数据库查询/处理用户信息-》交给逻辑层，逻辑层处理用户信息-》用户信息交给前端，前端显示用户信息
函数式编程：http://egon09.blog.51cto.com/9161406/1842475
array=[1,3,4,71,2]ret=[]for i in array:ret.append(i**2)print(ret)#如果我们有一万个列表,那么你只能把上面的逻辑定义成函数def map_test(array):ret=[]for i in array:ret.append(i**2)return retprint(map_test(array))#如果我们的需求变了,不是把列表中每个元素都平方,还有加1,减一,那么可以这样def add_num(x):return x+1def map_test(func,array):ret=[]for i in array:ret.append(func(i))return retprint(map_test(add_num,array))#可以使用匿名函数print(map_test(lambda x:x-1,array))#上面就是map函数的功能,map得到的结果是可迭代对象print(map(lambda x:x-1,range(5)))
from functools import reduce#合并,得一个合并的结果array_test=[1,2,3,4,5,6,7]array=range(100)#报错啊,res没有指定初始值def reduce_test(func,array):l=list(array)for i in l:res=func(res,i)return res# print(reduce_test(lambda x,y:x+y,array))#可以从列表左边弹出第一个值def reduce_test(func,array):l=list(array)res=l.pop(0)for i in l:res=func(res,i)return resprint(reduce_test(lambda x,y:x+y,array))#我们应该支持用户自己传入初始值def reduce_test(func,array,init=None):l=list(array)if init is None:res=l.pop(0)else:res=initfor i in l:res=func(res,i)return resprint(reduce_test(lambda x,y:x+y,array))print(reduce_test(lambda x,y:x+y,array,50))
movie_people=['alex','wupeiqi','yuanhao','sb_alex','sb_wupeiqi','sb_yuanhao']def tell_sb(x):return x.startswith('sb')def filter_test(func,array):ret=[]for i in array:if func(i):ret.append(i)return retprint(filter_test(tell_sb,movie_people))#函数filter,返回可迭代对象print(filter(lambda x:x.startswith('sb'),movie_people)) #当然了,map,filter,reduce,可以处理所有数据类型name_dic=[{ 'name':'alex','age':1000},{ 'name':'wupeiqi','age':10000},{ 'name':'yuanhao','age':9000},{ 'name':'linhaifeng','age':18},]#利用filter过滤掉千年王八,万年龟,还有一个九千岁def func(x):age_list=[1000,10000,9000]return x['age'] not in age_listres=filter(func,name_dic)for i in res:print(i)res=filter(lambda x:x['age'] == 18,name_dic)for i in res:print(i)#reduce用来计算1到100的和from functools import reduceprint(reduce(lambda x,y:x+y,range(100),100))print(reduce(lambda x,y:x+y,range(1,101)))#用map来处理字符串列表啊,把列表中所有人都变成sb,比方alex_sbname=['alex','wupeiqi','yuanhao']res=map(lambda x:x+'_sb',name)for i in res:print(i)