Python基础入门：（三）从函数到高级魔法方法 --阿里云天池

---

一、学习内容概括：

学习地址：https://tianchi.aliyun.com/specials/promotion/aicamppython

这一节主要学习到的内容有：

1. 函数
2. Lambda-表达式
3. 类与对象
4. 魔法方法

---

二、值得注意内容：

值得注意的内容记录如下：

1. 函数文档

def myfunction(temp):
    '这是函数文档'
    print(temp)

myfunction('hello')
print(myfunction.__doc__)

• 函数的第一行语句可以选择性地使用文档字符串—用于存放函数说明。；

2. 函数参数

Python 的函数具有非常灵活多样的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。从简到繁的参数形态如下：

• arg1 - 位置参数 ，这些参数在调用函数 (call function) 时位置要固定；
  
  

• arg2 = v - 默认参数 = 默认值，调用函数时，默认参数的值如果没有传入，则被认为是默认值；

  - 默认参数一定要放在位置参数 后面，不然程序会报错。
  
  

• *args - 可变参数，可以是从零个到任意个，自动组装成元组；

  - 加了星号（*）的变量名会存放所有未命名的变量参数。
  
  

• **kw - 关键字参数，可以是从零个到任意个，自动组装成字典；

  - 可变参数允许传入零个到任意个参数，它们在函数调用时自动组装为一个元组 (tuple)。
  - 关键字参数允许传入零个到任意个参数，它们在函数内部自动组装为一个字典 (dict)。
  
  

• *, nkw - 命名关键字参数，用户想要输入的关键字参数，定义方式是在nkw 前面加个分隔符 *；

  - 如果要限制关键字参数的名字，就可以用「命名关键字参数」
  - 使用命名关键字参数时，要特别注意不能缺少参数名。

在 Python 中定义函数，可以用位置参数、默认参数、可变参数、命名关键字参数和关键字参数，这 5 种参数中的 4 个都可以一起使用，但是注意，参数定义的顺序必须是：

• 位置参数、默认参数、可变参数和关键字参数。

• 位置参数、默认参数、命名关键字参数和关键字参数。

3. 匿名函数的应用

匿名函数 常常应用于函数式编程的高阶函数 (high-order function)中，主要有两种形式：

• 参数是函数 (filter, map)

• 返回值是函数 (closure)

如，在 filter和map函数中的应用：

• filter(function, iterable) 过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使用 list() 来转换，如：

odd = lambda x: x % 2 == 1
templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(templist))  # [1, 3, 5, 7, 9]

• map(function, *iterables) 根据提供的函数对指定序列做映射，如：

m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5])
print(list(m1))  
# [1, 4, 9, 16, 25]

m2 = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
print(list(m2))  
# [3, 7, 11, 15, 19]

除了 Python 这些内置函数，我们也可以自己定义高阶函数，如：

def apply_to_list(fun, some_list):
    return fun(some_list)

lst = [1, 2, 3, 4, 5]
print(apply_to_list(sum, lst))
# 15

print(apply_to_list(len, lst))
# 5

print(apply_to_list(lambda x: sum(x) / len(x), lst))
# 3.0

4. 一些相关的内置函数（BIF）

• issubclass(class, classinfo) 方法用于判断参数 class 是否是类型参数 classinfo 的子类；

  - 一个类被认为是其自身的子类；
  - classinfo可以是类对象的元组，只要class是其中任何一个候选类的子类，则返回True；
  
  

• isinstance(object, classinfo) 方法用于判断一个对象是否是一个已知的类型，类似type()；

  - type()不会认为子类是一种父类类型，不考虑继承关系；
  - isinstance()会认为子类是一种父类类型，考虑继承关系；
  - 如果第一个参数不是对象，则永远返回False；
  - 如果第二个参数不是类或者由类对象组成的元组，会抛出一个TypeError异常；

class A:
    pass

class B(A):
    pass

print(isinstance(A(), A))  # True
print(type(A()) == A)  # True
print(isinstance(B(), A))  # True
print(type(B()) == A)  # False

还有一些不知道哪里会用到的函数：

• hasattr(object, name)用于判断对象是否包含对应的属性；

• getattr(object, name[, default])用于返回一个对象属性值。

• setattr(object, name, value)对应函数 getattr()，用于设置属性值，该属性不一定是存在的。

• delattr(object, name)用于删除属性。

• class property([fget[, fset[, fdel[, doc]]]])用于在新式类中返回属性值。
  - fget – 获取属性值的函数
  - fset – 设置属性值的函数
  - fdel – 删除属性值函数
  - doc – 属性描述信息

5. 魔法方法

魔法方法总是被双下划线包围，例如__init__；

魔法方法的神奇之处就是它总能够在适当的时候被自动调用；

魔法方法的第一个参数应为cls（类方法） 或者self（实例方法）；

5.1 基本的魔法方法

• __init__(self[, ...]) 构造器，当一个实例被创建的时候调用的初始化方法；

• __new__(cls[, ...]) 在一个对象实例化的时候所调用的第一个方法，在调用__init__初始化前，先调用__new__；
  - __new__至少要有一个参数cls，代表要实例化的类，此参数在实例化时由 Python 解释器自动提供，后面的参数直接传递给__init__。
  - __new__对当前类进行了实例化，并将实例返回，传给__init__的self。但是，执行了__new__，并不一定会进入__init__，只有__new__返回了，当前类cls的实例，当前类的__init__才会进入。

class A(object):
    def __init__(self, value):
        print("into A __init__")
        self.value = value

    def __new__(cls, *args, **kwargs):
        print("into A __new__")
        print(cls)
        return object.__new__(cls)


class B(A):
    def __init__(self, value):
        print("into B __init__")
        self.value = value

    def __new__(cls, *args, **kwargs):
        print("into B __new__")
        print(cls)
        return super().__new__(cls, *args, **kwargs)


b = B(10)

# 结果：
# into B __new__
# <class '__main__.B'>
# into A __new__
# <class '__main__.B'>
# into B __init__

class A(object):
    def __init__(self, value):
        print("into A __init__")
        self.value = value

    def __new__(cls, *args, **kwargs):
        print("into A __new__")
        print(cls)
        return object.__new__(cls)


class B(A):
    def __init__(self, value):
        print("into B __init__")
        self.value = value

    def __new__(cls, *args, **kwargs):
        print("into B __new__")
        print(cls)
        return super().__new__(A, *args, **kwargs)  # 改动了cls变为A


b = B(10)

# 结果：
# into B __new__
# <class '__main__.B'>
# into A __new__
# <class '__main__.A'>

----- 若__new__没有正确返回当前类cls的实例，那__init__是不会被调用的，即使是父类的实例也不行，将没有__init__被调用。例子：利用__new__实现单例模式。

class Earth:
    pass


a = Earth()
print(id(a))  # 260728291456
b = Earth()
print(id(b))  # 260728291624

class Earth:
    __instance = None  # 定义一个类属性做判断

    def __new__(cls):
        if cls.__instance is None:
            cls.__instance = object.__new__(cls)
            return cls.__instance
        else:
            return cls.__instance


a = Earth()
print(id(a))  # 512320401648
b = Earth()
print(id(b))  # 512320401648

----- __new__方法主要是当你继承一些不可变的 class 时（比如int, str, tuple）， 提供给你一个自定义这些类的实例化过程的途径。

class CapStr(str):
    def __new__(cls, string):
        string = string.upper()
        return str.__new__(cls, string)


a = CapStr("i love lsgogroup")
print(a)  # I LOVE LSGOGROUP

• __del__(self) 析构器，当一个对象将要被系统回收之时调用的方法；

  Python 采用自动引用计数（ARC）方式来回收对象所占用的空间，当程序中有一个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 1；当程序中有两个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 2，依此类推，如果一个对象的引用计数变成了 0，则说明程序中不再有变量引用该对象，表明程序不再需要该对象，因此 Python 就会回收该对象。
  
  大部分时候，Python 的 ARC 都能准确、高效地回收系统中的每个对象。但如果系统中出现循环引用的情况，比如对象 a 持有一个实例变量引用对象 b，而对象 b 又持有一个实例变量引用对象 a，此时两个对象的引用计数都是 1，而实际上程序已经不再有变量引用它们，系统应该回收它们，此时 Python 的垃圾回收器就可能没那么快，要等专门的循环垃圾回收器（Cyclic Garbage Collector）来检测并回收这种引用循环。

• __str__(self):
  - 当你打印一个对象的时候，触发__str__
  - 当你使用%s格式化的时候，触发__str__
  - str强转数据类型的时候，触发__str__

• __repr__(self)：
  - repr是str的备胎
  - 有__str__的时候执行__str__,没有实现__str__的时候，执行__repr__
  - repr(obj)内置函数对应的结果是__repr__的返回值
  - 当你使用%r格式化的时候 触发__repr__

__str__(self) 的返回结果可读性强。__str__ 的意义是得到便于人们阅读的信息，就像下面的 ‘2019-10-11’ 一样。

__repr__(self) 的返回结果应更准确。__repr__ 存在的目的在于调试，便于开发者使用。

import datetime

today = datetime.date.today()
print(str(today))  # 2019-10-11
print(repr(today))  # datetime.date(2019, 10, 11)
print('%s' %today)  # 2019-10-11
print('%r' %today)  # datetime.date(2019, 10, 11)

5.2 算术运算符

• __add__(self, other)定义加法的行为：+

• __sub__(self, other)定义减法的行为：-

• __mul__(self, other)定义乘法的行为：*

• __truediv__(self, other)定义真除法的行为：/

• __floordiv__(self, other)定义整数除法的行为：//

• __mod__(self, other) 定义取模算法的行为：%

• __divmod__(self, other)定义当被 divmod() 调用时的行为
  - divmod(a, b)把除数和余数运算结果结合起来，返回一个包含商和余数的元组(a // b, a % b)。

• __pow__(self, other[, module])定义当被 power() 调用或 ** 运算时的行为

• __lshift__(self, other)定义按位左移位的行为：<<

• __rshift__(self, other)定义按位右移位的行为：>>

• __and__(self, other)定义按位与操作的行为：&

• __xor__(self, other)定义按位异或操作的行为：^

• __or__(self, other)定义按位或操作的行为：|

5.3 反算术运算符

反运算魔方方法，与算术运算符保持一一对应，不同之处就是反运算的魔法方法多了一个“r”。当文件左操作不支持相应的操作时被调用。

• __radd__(self, other)定义加法的行为：+

• __rsub__(self, other)定义减法的行为：-

• __rmul__(self, other)定义乘法的行为：*

• __rtruediv__(self, other)定义真除法的行为：/

• __rfloordiv__(self, other)定义整数除法的行为：//

• __rmod__(self, other) 定义取模算法的行为：%

• __rdivmod__(self, other)定义当被 divmod() 调用时的行为

• __rpow__(self, other[, module])定义当被 power() 调用或 ** 运算时的行为

• __rlshift__(self, other)定义按位左移位的行为：<<

• __rrshift__(self, other)定义按位右移位的行为：>>

• __rand__(self, other)定义按位与操作的行为：&

• __rxor__(self, other)定义按位异或操作的行为：^

• __ror__(self, other)定义按位或操作的行为：|

a + b 这里加数是a，被加数是b，因此是a主动，反运算就是如果a对象的__add__()方法没有实现或者不支持相应的操作，那么 Python 就会调用b的__radd__()方法，例如：

class Nint(int):
    def __radd__(self, other):
        return int.__sub__(other, self) # 注意 self 在后面


a = Nint(5)
b = Nint(3)
print(a + b)  # 8   这里为什么会以 + 来进行运算？
print(1 + b)  # -2

5.4 增量赋值运算符

• __iadd__(self, other)定义赋值加法的行为：+=

• __isub__(self, other)定义赋值减法的行为：-=

• __imul__(self, other)定义赋值乘法的行为：*=

• __itruediv__(self, other)定义赋值真除法的行为：/=

• __ifloordiv__(self, other)定义赋值整数除法的行为：//=

• __imod__(self, other)定义赋值取模算法的行为：%=

• __ipow__(self, other[, modulo])定义赋值幂运算的行为：**=

• __ilshift__(self, other)定义赋值按位左移位的行为：<<=

• __irshift__(self, other)定义赋值按位右移位的行为：>>=

• __iand__(self, other)定义赋值按位与操作的行为：&=

• __ixor__(self, other)定义赋值按位异或操作的行为：^=

• __ior__(self, other)定义赋值按位或操作的行为：|=

5.5 一元运算符

• __neg__(self)定义正号的行为：+x

• __pos__(self)定义负号的行为：-x

• __abs__(self)定义当被abs()调用时的行为

• __invert__(self)定义按位求反的行为：~x

5.6 属性访问

• __getattr__(self, name): 定义当用户试图获取一个不存在的属性时的行为；

• __getattribute__(self, name)：定义当该类的属性被访问时的行为（先调用该方法，查看是否存在该属性，若不存在，接着去调用__getattr__）；

• __setattr__(self, name, value)：定义当一个属性被设置时的行为；

• __delattr__(self, name)：定义当一个属性被删除时的行为；

5.7 描述符

描述符就是将某种特殊类型的类的实例指派给另一个类的属性。

• __get__(self, instance, owner)用于访问属性，它返回属性的值；

• __set__(self, instance, value)将在属性分配操作中调用，不返回任何内容；

• __del__(self, instance)控制删除操作，不返回任何内容；

5.8 定制序列

容器类型的协议

• 如果说你希望定制的容器是不可变的话，你只需要定义__len__()和__getitem__()方法。
• 如果你希望定制的容器是可变的话，除了__len__()和__getitem__()方法，你还需要定义__setitem__()和__delitem__()两个方法。

【例子】编写一个不可改变的自定义列表，要求记录列表中每个元素被访问的次数：

class CountList:
    def __init__(self, *args):
        self.values = [x for x in args]
        self.count = {}.fromkeys(range(len(self.values)), 0)

    def __len__(self):
        return len(self.values)

    def __getitem__(self, item):
        self.count[item] += 1
        return self.values[item]


c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1])  # 3
print(c2[2])  # 6
print(c1[1] + c2[1])  # 7

print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}

print(c2.count)
# {0: 0, 1: 1, 2: 1, 3: 0, 4: 0}

• __len__(self)定义当被len()调用时的行为（返回容器中元素的个数）；

• __getitem__(self, key)定义获取容器中元素的行为，相当于self[key]；

• __setitem__(self, key, value)定义设置容器中指定元素的行为，相当于self[key] = value；

• __delitem__(self, key)定义删除容器中指定元素的行为，相当于del self[key]；

【例子】编写一个可改变的自定义列表，要求记录列表中每个元素被访问的次数：

class CountList:
    def __init__(self, *args):
        self.values = [x for x in args]
        self.count = {}.fromkeys(range(len(self.values)), 0)

    def __len__(self):
        return len(self.values)

    def __getitem__(self, item):
        self.count[item] += 1
        return self.values[item]

    def __setitem__(self, key, value):
        self.values[key] = value

    def __delitem__(self, key):
        del self.values[key]
        for i in range(0, len(self.values)):
            if i >= key:
                self.count[i] = self.count[i + 1]
        self.count.pop(len(self.values))


c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1])  # 3
print(c2[2])  # 6
c2[2] = 12
print(c1[1] + c2[2])  # 15
print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
print(c2.count)
# {0: 0, 1: 0, 2: 2, 3: 0, 4: 0}
del c1[1]
print(c1.count)
# {0: 0, 1: 0, 2: 0, 3: 0}

6. 迭代器

迭代是 Python 最强大的功能之一，是访问集合元素的一种方式;
迭代器是一个可以记住遍历的位置的对象;
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束;
迭代器只能往前不会后退;
字符串，列表或元组对象都可用于创建迭代器;

• 迭代器有两个基本的方法：iter() 和 next()。

• iter(object) 函数用来生成迭代器;

• next(iterator[, default]) 返回迭代器的下一个项目;
  - iterator – 可迭代对象
  - default – 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发 StopIteration 异常。

把一个类作为一个迭代器使用需要在类中实现两个魔法方法 __iter__() 与 __next__() 。

• __iter__(self)定义当迭代容器中的元素的行为，返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成;

• __next__() 返回下一个迭代器对象;

• StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代;

class Fibs:
    def __init__(self, n=10):
        self.a = 0
        self.b = 1
        self.n = n

    def __iter__(self):
        return self

    def __next__(self):
        self.a, self.b = self.b, self.a + self.b
        if self.a > self.n:
            raise StopIteration
        return self.a


fibs = Fibs(100)
for each in fibs:
    print(each, end=' ')

# 1 1 2 3 5 8 13 21 34 55 89

7. 生成器

• 在 Python 中，使用了 yield 的函数被称为生成器（generator）。
• 跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
• 在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
• 调用一个生成器函数，返回的是一个迭代器对象。

【例子】用生成器实现斐波那契数列：

def libs(n):
    a = 0
    b = 1
    while True:
        a, b = b, a + b
        if a > n:
            return
        yield a


for each in libs(100):
    print(each, end=' ')

# 1 1 2 3 5 8 13 21 34 55 89

---

三、学习总结：

1. 虽然可以组合多达 5 种参数，但通常情况下不要同时使用太多的组合，否则函数很难懂；

2. 关于__new__方法的理解暂时还不是很清楚，在之后的学习中需要注意这里；

3. __str__(self) 的返回结果可读性强。也就是说，__str__ 的意义是得到便于人们阅读的信息，
__repr__(self) 的返回结果应更准确。即，__repr__ 存在的目的在于调试，便于开发者使用；

---

四、学习时间：

学习时间：2021年4月14日

修改时间：2021年4月21日

---

以上内容仅作为个人学习笔记。