目录在最上面
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:
- 函数
- Lambda-表达式
- 类与对象
- 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。