目录
01-高阶函数
# 1. 把一个函数当做另一个函数的返回值
def test():
print('我是test函数')
return 'hello'
def demo():
print('我是demo函数')
return test
def bar():
print('我是bar函数')
return test()
a = bar()
# a() a是一个字符串,不是函数
print(a)
x = test()
print(x)
y = demo() # y 是test函数
print(y)
z = y()
print(z) # hello
# 2. 把一个函数当做另一个函数的参数.lambda表达式的使用
# sort filter map reduce
# 3. 在函数内部再定义一个函数
# 1. 把一个函数当做另一个函数的返回值# 2. 把一个函数当做另一个函数的参数.lambda表达式的使用 # sort filter map reduce # 3. 在函数内部再定义一个函数
02-函数的嵌套
def outer(x):
m = 100 # 局部变量
print('我是outer函数')
def inner(): # inner函数是定义在outer函数内部的一个函数
print('我是inner函数')
if x > 18:
inner()
return 'hello'
# print(m)
# inner()
# outer(12)
outer(21)
03-闭包的概念
def outer():
x = 10 # 在外部函数里定义了一个变量x,是一个局部变量
def inner():
# 在内部函数如何修改外部函数的局部变量
nonlocal x # 此时,这里的x不再是新增的变量,而是外部的局部变量x
y = x + 1
print('inner里的y = ', y)
x = 20 # 不是修改外部的x变量,而是在inner函数内部又创建了一个新的变量x
return inner
outer()#这个啥也没有
outer()()
print(outer())
print(outer()())
'''
-------
inner里的y = 11
<function outer.<locals>.inner at 0x03A20F18>
inner里的y = 11
None
'''
04-计算一段代码的执行时间
import time # time模块可以获取当前的时间
# 代码运行之前,获取一下时间
start = time.time() # time模块里的time方法,可以获取当前时间的时间戳
# 时间戳是从 1970-01-01 00:00:00 UTC 到现在的秒数
# 从 1970-01-01 00:00:00 UTC ~ 2020-2-21 02:11 UTC
print('start =', start) # 1582251025.9522343
x = 0
for i in range(1, 100000000):
x += i
print(x)
# 代码运行完成以后,再获取一下时间
end = time.time()
print('代码运行耗时{}秒'.format(end - start))
05-优化计算时间的代码
import time
def cal_time(fn):
start = time.time()
fn()
end = time.time()
print('代码运行耗时{}秒'.format(end - start))
def demo():
x = 0
for i in range(1, 100000000):
x += i
print(x)
def foo():
print('hello')
time.sleep(3)
print('world')
cal_time(demo)
cal_time(foo)
06-装饰器的使用
import time
def cal_time(fn):
print('我是外部函数,我被调用了!!!')
print('fn = {}'.format(fn))
def inner():
start = time.time()
fn()
end = time.time()
print('代码耗时', end - start)
return inner
@cal_time # 第一件事调用cal_time;第二件事把被装饰的函数传递给fn
def demo():
x = 0
for i in range(1, 100000000):
x += i
print(x)
# 第三件事:当再次调用demo函数时,才是的demo函数已经不再是上面的demo
print('装饰后的demo = {}'.format(demo))
demo()
Python 函数装饰器
分类 编程技术
装饰器(Decorators)是 Python 的一个重要部分。简单地说:他们是修改其他函数的功能的函数。他们有助于让我们的代码更简短,也更Pythonic(Python范儿)。大多数初学者不知道在哪儿使用它们,所以我将要分享下,哪些区域里装饰器可以让你的代码更简洁。 首先,让我们讨论下如何写你自己的装饰器。
这可能是最难掌握的概念之一。我们会每次只讨论一个步骤,这样你能完全理解它。
一切皆对象
首先我们来理解下 Python 中的函数:
def hi(name="yasoob"): return "hi " + name print(hi()) # output: 'hi yasoob' # 我们甚至可以将一个函数赋值给一个变量,比如 greet = hi # 我们这里没有在使用小括号,因为我们并不是在调用hi函数 # 而是在将它放在greet变量里头。我们尝试运行下这个 print(greet()) # output: 'hi yasoob' # 如果我们删掉旧的hi函数,看看会发生什么! del hi print(hi()) #outputs: NameError print(greet()) #outputs: 'hi yasoob'
在函数中定义函数
刚才那些就是函数的基本知识了。我们来让你的知识更进一步。在 Python 中我们可以在一个函数中定义另一个函数:
def hi(name="yasoob"): print("now you are inside the hi() function") def greet(): return "now you are in the greet() function" def welcome(): return "now you are in the welcome() function" print(greet()) print(welcome()) print("now you are back in the hi() function") hi() #output:now you are inside the hi() function # now you are in the greet() function # now you are in the welcome() function # now you are back in the hi() function # 上面展示了无论何时你调用hi(), greet()和welcome()将会同时被调用。 # 然后greet()和welcome()函数在hi()函数之外是不能访问的,比如: greet() #outputs: NameError: name 'greet' is not defined
现在我们知道了可以在函数中定义另外的函数。也就是说:我们可以创建嵌套的函数。现在你需要再多学一点,就是函数也能返回函数。
从函数中返回函数
其实并不需要在一个函数里去执行另一个函数,我们也可以将其作为输出返回出来:
def hi(name="yasoob"): def greet(): return "now you are in the greet() function" def welcome(): return "now you are in the welcome() function" if name == "yasoob": return greet else: return welcome a = hi() print(a) #outputs: <function greet at 0x7f2143c01500> #上面清晰地展示了`a`现在指向到hi()函数中的greet()函数 #现在试试这个 print(a()) #outputs: now you are in the greet() function
再次看看这个代码。在 if/else 语句中我们返回 greet 和 welcome,而不是 greet() 和 welcome()。为什么那样?这是因为当你把一对小括号放在后面,这个函数就会执行;然而如果你不放括号在它后面,那它可以被到处传递,并且可以赋值给别的变量而不去执行它。 你明白了吗?让我再稍微多解释点细节。
当我们写下 a = hi(),hi() 会被执行,而由于 name 参数默认是 yasoob,所以函数 greet 被返回了。如果我们把语句改为 a = hi(name = "ali"),那么 welcome 函数将被返回。我们还可以打印出 hi()(),这会输出 now you are in the greet() function。
将函数作为参数传给另一个函数
def hi(): return "hi yasoob!" def doSomethingBeforeHi(func): print("I am doing some boring work before executing hi()") print(func()) doSomethingBeforeHi(hi) #outputs:I am doing some boring work before executing hi() # hi yasoob!
现在你已经具备所有必需知识,来进一步学习装饰器真正是什么了。装饰器让你在一个函数的前后去执行代码。
你的第一个装饰器
在上一个例子里,其实我们已经创建了一个装饰器!现在我们修改下上一个装饰器,并编写一个稍微更有用点的程序:
def a_new_decorator(a_func): def wrapTheFunction(): print("I am doing some boring work before executing a_func()") a_func() print("I am doing some boring work after executing a_func()") return wrapTheFunction def a_function_requiring_decoration(): print("I am the function which needs some decoration to remove my foul smell") a_function_requiring_decoration() #outputs: "I am the function which needs some decoration to remove my foul smell" a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration) #now a_function_requiring_decoration is wrapped by wrapTheFunction() a_function_requiring_decoration() #outputs:I am doing some boring work before executing a_func() # I am the function which needs some decoration to remove my foul smell # I am doing some boring work after executing a_func()
你看明白了吗?我们刚刚应用了之前学习到的原理。这正是 python 中装饰器做的事情!它们封装一个函数,并且用这样或者那样的方式来修改它的行为。现在你也许疑惑,我们在代码里并没有使用 @ 符号?那只是一个简短的方式来生成一个被装饰的函数。这里是我们如何使用 @ 来运行之前的代码:
@a_new_decorator def a_function_requiring_decoration(): """Hey you! Decorate me!""" print("I am the function which needs some decoration to " "remove my foul smell") a_function_requiring_decoration() #outputs: I am doing some boring work before executing a_func() # I am the function which needs some decoration to remove my foul smell # I am doing some boring work after executing a_func() #the @a_new_decorator is just a short way of saying: a_function_requiring_decoration = a_new_decorator(a_function_requiring_decoration)
希望你现在对 Python 装饰器的工作原理有一个基本的理解。如果我们运行如下代码会存在一个问题:
print(a_function_requiring_decoration.__name__) # Output: wrapTheFunction这并不是我们想要的!Ouput输出应该是"a_function_requiring_decoration"。这里的函数被warpTheFunction替代了。它重写了我们函数的名字和注释文档(docstring)。幸运的是Python提供给我们一个简单的函数来解决这个问题,那就是functools.wraps。我们修改上一个例子来使用functools.wraps:
from functools import wraps def a_new_decorator(a_func): @wraps(a_func) def wrapTheFunction(): print("I am doing some boring work before executing a_func()") a_func() print("I am doing some boring work after executing a_func()") return wrapTheFunction @a_new_decorator def a_function_requiring_decoration(): """Hey yo! Decorate me!""" print("I am the function which needs some decoration to " "remove my foul smell") print(a_function_requiring_decoration.__name__) # Output: a_function_requiring_decoration
现在好多了。我们接下来学习装饰器的一些常用场景。
蓝本规范:
from functools import wraps def decorator_name(f): @wraps(f) def decorated(*args, **kwargs): if not can_run: return "Function will not run" return f(*args, **kwargs) return decorated @decorator_name def func(): return("Function is running") can_run = True print(func()) # Output: Function is running can_run = False print(func()) # Output: Function will not run
注意:@wraps接受一个函数来进行装饰,并加入了复制函数名称、注释文档、参数列表等等的功能。这可以让我们在装饰器里面访问在装饰之前的函数的属性。
使用场景
现在我们来看一下装饰器在哪些地方特别耀眼,以及使用它可以让一些事情管理起来变得更简单。
授权(Authorization)
装饰器能有助于检查某个人是否被授权去使用一个web应用的端点(endpoint)。它们被大量使用于Flask和Django web框架中。这里是一个例子来使用基于装饰器的授权:
from functools import wraps def requires_auth(f): @wraps(f) def decorated(*args, **kwargs): auth = request.authorization if not auth or not check_auth(auth.username, auth.password): authenticate() return f(*args, **kwargs) return decorated
日志(Logging)
日志是装饰器运用的另一个亮点。这是个例子:
from functools import wraps def logit(func): @wraps(func) def with_logging(*args, **kwargs): print(func.__name__ + " was called") return func(*args, **kwargs) return with_logging @logit def addition_func(x): """Do some math.""" return x + x result = addition_func(4) # Output: addition_func was called
我敢肯定你已经在思考装饰器的一个其他聪明用法了。
带参数的装饰器
来想想这个问题,难道@wraps不也是个装饰器吗?但是,它接收一个参数,就像任何普通的函数能做的那样。那么,为什么我们不也那样做呢? 这是因为,当你使用@my_decorator语法时,你是在应用一个以单个函数作为参数的一个包裹函数。记住,Python里每个东西都是一个对象,而且这包括函数!记住了这些,我们可以编写一下能返回一个包裹函数的函数。
在函数中嵌入装饰器
我们回到日志的例子,并创建一个包裹函数,能让我们指定一个用于输出的日志文件。
from functools import wraps def logit(logfile='out.log'): def logging_decorator(func): @wraps(func) def wrapped_function(*args, **kwargs): log_string = func.__name__ + " was called" print(log_string) # 打开logfile,并写入内容 with open(logfile, 'a') as opened_file: # 现在将日志打到指定的logfile opened_file.write(log_string + '\n') return func(*args, **kwargs) return wrapped_function return logging_decorator @logit() def myfunc1(): pass myfunc1() # Output: myfunc1 was called # 现在一个叫做 out.log 的文件出现了,里面的内容就是上面的字符串 @logit(logfile='func2.log') def myfunc2(): pass myfunc2() # Output: myfunc2 was called # 现在一个叫做 func2.log 的文件出现了,里面的内容就是上面的字符串
装饰器类
现在我们有了能用于正式环境的logit装饰器,但当我们的应用的某些部分还比较脆弱时,异常也许是需要更紧急关注的事情。比方说有时你只想打日志到一个文件。而有时你想把引起你注意的问题发送到一个email,同时也保留日志,留个记录。这是一个使用继承的场景,但目前为止我们只看到过用来构建装饰器的函数。
幸运的是,类也可以用来构建装饰器。那我们现在以一个类而不是一个函数的方式,来重新构建logit。
from functools import wraps class logit(object): def __init__(self, logfile='out.log'): self.logfile = logfile def __call__(self, func): @wraps(func) def wrapped_function(*args, **kwargs): log_string = func.__name__ + " was called" print(log_string) # 打开logfile并写入 with open(self.logfile, 'a') as opened_file: # 现在将日志打到指定的文件 opened_file.write(log_string + '\n') # 现在,发送一个通知 self.notify() return func(*args, **kwargs) return wrapped_function def notify(self): # logit只打日志,不做别的 pass
这个实现有一个附加优势,在于比嵌套函数的方式更加整洁,而且包裹一个函数还是使用跟以前一样的语法:
@logit() def myfunc1(): pass现在,我们给 logit 创建子类,来添加 email 的功能(虽然 email 这个话题不会在这里展开)。
class email_logit(logit): ''' 一个logit的实现版本,可以在函数调用时发送email给管理员 ''' def __init__(self, email='admin@myproject.com', *args, **kwargs): self.email = email super(email_logit, self).__init__(*args, **kwargs) def notify(self): # 发送一封email到self.email # 这里就不做实现了 pass
简单实例::
class email_logit(logit): ''' 一个logit的实现版本,可以在函数调用时发送email给管理员 ''' def __init__(self, email='admin@myproject.com', *args, **kwargs): self.email = email super(email_logit, self).__init__(*args, **kwargs) def notify(self): # 发送一封email到self.email # 这里就不做实现了 pass
import random from cal_time import cal_time def insert_sort_gap(li,gap): for i in range(gap,len(li)): tmp=li[i] j= i- gap while j>=0 and li[j] >tmp: li[j+gap] = li[j] j -=gap li[j+gap] = tmp @cal_time def shell_sort(li): d = len(li)//2 while d>= 1 : insert_sort_gap(li,d) d//=2 # # li = list (range(1000)) # li = [6,5,6,8,3,9,3] # import random # random.shuffle(li) li = [115,181,95,15,154,1748,13,54] # print(li) # shell_sort(li) # print(li) # li = [random.randint(0,1000) for i in range(100)] li2 = [random.randint(0,10000) for i in range(10000)] shell_sort(li2) print(li2)
07-装饰器详解
import time
def cal_time(fn):
print('我是外部函数,我被调用了!!!')
print('fn = {}'.format(fn))
def inner(x, *args, **kwargs): # x = 100000000
start = time.time()
s = fn(x)
end = time.time()
# print('代码耗时', end - start)
return s, end - start
return inner
@cal_time
def demo(n):
x = 0
for i in range(1, n):
x += i
return x
m = demo(100000000, 'good', y='hello')
print('m的值是', m)
08-装饰器的使用
# 产品经理: 提需求 / 改需求.
# 如果超过22点不让玩儿游戏,如果不告诉时间,默认让玩儿游戏
# 开放封闭原则
def can_play(fn):
def inner(x, y, *args, **kwargs):
# print(args)
# clock = kwargs['clock']
clock = kwargs.get('clock', 23)
if clock <= 22:
fn(x, y)
else:
print('太晚了,赶紧睡')
return inner
@can_play
def play_game(name, game):
print('{}正在玩儿{}'.format(name, game))
play_game('张三', '王者荣耀', m='hello', n='good', clock=18)
play_game('李四', '吃鸡')
09-导入模块的语法
# 模块:在Python里一个py文件,就可以理解为以模块
# 不是所有的py文件都能作为一个模块来导入
# 如果想要让一个py文件能够被导入,模块名字必须要遵守命名规则
# Python为了方便我们开发,提供了很多内置模块
import time # 1.使用 import 模块名直接导入一个模块
from random import randint # 2. from 模块名 import 函数名,导入一个模块里的方法或者变量
from math import * # 3. from 模块名 import * 导入这个模块里的"所有"方法和变量
import datetime as dt # 4. 导入一个模块并给这个模块起一个别名
from copy import deepcopy as dp # 5. from 模块名 import 函数名 as 别名
# 导入这个模块以后,就可以使用这个模块里的方法和变量
print(time.time())
randint(0, 2) # 生成 [0,2]的随机整数
print(pi)
print(dt.MAXYEAR)
dp(['hello', 'good', [1, 2, 3], 'hi'])
10-os模块介绍
# os全称 OperationSystem操作系统
# os 模块里提供的方法就是用来调用操作系统里的方法
import os
# os.name ==> 获取操作系统的名字 windows系列 ==>nt / 非windows ==>posix
print(os.name) # nt
print(os.sep) # 路径的分隔符 windows \ 非windows /
# os模块里的 path 经常会使用
# abspath ==> 获取文件的绝对路径
print(os.path.abspath('01-高阶函数.py'))
# isdir判断是否是文件夹
print(os.path.isdir('02-函数的嵌套.py')) # False
print(os.path.isdir('xxx')) # True
# isfile 判断是否是文件
print(os.path.isfile('03-闭包的概念.py')) # True
print(os.path.isfile('xxx')) # False
# exists 判断是否存在
print(os.path.exists('05-优化计算时间的代码.py')) # True
print(os.path.exists('mmm.py')) # False
file_name = '2020.2.21.demo.py'
# print(file_name.rpartition('.'))
print(os.path.splitext(file_name))
# os里其他方法的介绍
# os.getcwd() # 获取当前的工作目录,即当前python脚本工作的目录
# os.chdir('test') # 改变当前脚本工作目录,相当于shell下的cd命令
# os.rename('毕业论文.txt','毕业论文-最终版.txt') # 文件重命名
# os.remove('毕业论文.txt') # 删除文件
# os.rmdir('demo') # 删除空文件夹
# os.removedirs('demo') # 删除空文件夹
# os.mkdir('demo') # 创建一个文件夹
# os.chdir('C:\\') # 切换工作目录
# os.listdir('C:\\') # 列出指定目录里的所有文件和文件夹
# os.name # nt->widonws posix->Linux/Unix或者MacOS
# os.environ # 获取到环境配置
# os.environ.get('PATH') # 获取指定的环境配置
11-sys模块
# sys 系统相关的功能
import sys
print('hello world')
print('呵呵呵呵')
# ['C:\\Users\\chris\\Desktop\\Python基础\\Day10-模块和包\\01-代码',
# 'C:\\Users\\chris\\Desktop\\Python基础\\Day10-模块和包\\01-代码',
# 'C:\\Users\\chris\\AppData\\Local\\Programs\\Python\\Python37\\python37.zip',
# 'C:\\Users\\chris\\AppData\\Local\\Programs\\Python\\Python37\\DLLs',
# 'C:\\Users\\chris\\AppData\\Local\\Programs\\Python\\Python37\\lib',
# 'C:\\Users\\chris\\AppData\\Local\\Programs\\Python\\Python37',
# 'C:\\Users\\chris\\AppData\\Roaming\\Python\\Python37\\site-packages',
# 'C:\\Users\\chris\\AppData\\Local\\Programs\\Python\\Python37\\lib\\site-packages']
print(sys.path) # 结果是一个列表,表示查找模块的路径
# sys.stdin # 可以像input一样,接收用户的输入。接收用户的输入,和 input 相关
# sys.stdout 和 sys.stderr 默认都是在控制台
# sys.stdout # 修改sys.stdout 可以改变默认输出位置
# sys.stderr # 修改sys.stderr 可以改变错误输出的默认位置
sys.exit(100) # 程序退出,和内置函数exit功能一致
12-math模块
# 数学计算相关的模块
import math
# 2 ** 10 / pow(2,10) / math.pow(2,10)
print(math.factorial(6))
print(math.pow(2, 10)) # 1024 幂运算
print(math.floor(12.98)) # 12.向下取整
print(math.ceil(15.0001)) # 16.向上取整
# round() 内置函数,实现四舍五入到指定位数
print(math.sin(math.pi / 6)) # 弧度 π=180°
print(math.cos(math.pi / 3))
print(math.tan(math.pi / 2))
13-random模块
# random模块用来生成一个随机数
import random
# randint(a,b) 用来生成[a,b]的随机整数 等价于 randrange(a,b+1)
print(random.randint(2, 9))
# randrange(a,b) 用来生成 [a,b)的随机整数
print(random.randrange(2, 9))
# random() 用来生成 [0,1)的随机浮点数
print(random.random())
# choice 用来在可迭代对象里随机抽取一个数据
print(random.choice(['zhangsan', 'lisi', 'jack', 'jerry', 'henry', 'tony']))
# sample 用来在可迭代对象里随机抽取 n 个数据
print(random.sample(['zhangsan', 'lisi', 'jack', 'jerry', 'henry', 'tony'], 2))
14-datetime模块
import datetime as dt
# 以一个下划线 _ 开始 _x
# 以两个两个下划线 __ 开始 __x
# 以两个下划线开始,再以连个下划线结束 __x__
# 涉及到四个类 datetime/date/time/timedelta
print(dt.datetime.now()) # 获取当前的日期时间
print(dt.date(2020, 1, 1)) # 创建一个日期
print(dt.time(18, 23, 45)) # 创建一个时间
print(dt.datetime.now() + dt.timedelta(3)) # 计算三天以后的日期时间
# 内置类
# list tuple int str
15-time模块
import time
print(time.time()) # 获取从 1970-01-01 00:00:00 UTC 到现在时间的秒数
print(time.strftime("%Y-%m-%d %H:%M:%S")) # 按照指定格式输出时间
print(time.asctime()) # Mon Apr 15 20:03:23 2019
print(time.ctime()) # Mon Apr 15 20:03:23 2019
print('hello')
print(time.sleep(10)) # 让线程暂停10秒钟
print('world')
16-calendar模块
import calendar # 日历模块
calendar.setfirstweekday(calendar.SUNDAY) # 设置每周起始日期码。周一到周日分别对应 0 ~ 6
print(calendar.firstweekday()) # 返回当前每周起始日期的设置。默认情况下,首次载入calendar模块时返回0,即星期一。
c = calendar.calendar(2020) # 生成2020年的日历,并且以周日为其实日期码
print(c) # 打印2019年日历
print(calendar.isleap(1900)) # True.闰年返回True,否则返回False
count = calendar.leapdays(1996, 2010) # 获取1996年到2010年一共有多少个闰年
print(count)
print(calendar.month(2200, 3)) # 打印2019年3月的日历
calendar # 日历模块
17-hashlib和hmac模块
import hashlib
import hmac
# 这两个模块都是用来进行数据加密
# hashlib模块里主要支持两个算法 md5 和 sha 加密
# 加密方式: 单向加密:只有加密的过程,不能解密md5/sha 对称加密 非对称加密rsa
# 需要将要加密的内容转换成为二进制
x = hashlib.md5('y239ym23r9b!'.encode('utf8')) # 生成一个md5对象
# x.update('y239ym23r9b!'.encode('utf8'))
print(x.hexdigest()) # 900150983cd24fb0d6963f7d28e17f72
# 'abc' ==> 900150983cd24fb0d6963f7d28e17f72
h1 = hashlib.sha1('123456'.encode())
print(h1.hexdigest()) # 7c4a8d09ca3762af61e59520943dc26494f8941b
h2 = hashlib.sha224('123456'.encode()) # 224位 一个十六进制占4位
print(h2.hexdigest()) # f8cdb04495ded47615258f9dc6a3f4707fd2405434fefc3cbf4ef4e6
h3 = hashlib.sha256('123456'.encode())
print(h3.hexdigest()) # 8d969eef6ecad3c29a3a629280e686cf0c3f5d5a86aff3ca12020c923adc6c92
h4 = hashlib.sha384('123456'.encode())
print(
h4.hexdigest()) # 0a989ebc4a77b56a6e2bb7b19d995d185ce44090c13e2984b7ecc6d446d4b61ea9991b76a4c2f04b1b4d244841449454
# hmac 加密可以指定秘钥
h = hmac.new('h'.encode(), '你好'.encode())
result = h.hexdigest()
print(result) # 获取加密后的结果
python3中digest()和hexdigest()区别 hashlib是涉及安全散列和消息摘要,提供多个不同的加密算法接口,如SHA1、SHA224、SHA256、SHA384、SHA512、MD5等。 其中 hash.digest() 返回摘要,作为二进制数据字符串值 hash.hexdigest() 返回摘要,作为十六进制数据字符串值 # 这两个模块都是用来进行数据加密 # hashlib模块里主要支持两个算法 md5 和 sha 加密 # 加密方式: 单向加密:只有加密的过程,不能解密md5/sha 对称加密 非对称加密rsa
归纳总结一下,以上的模块方法都得背下来,都是常用的(加密模块了解)