一、*args和**kwargs用法
*args和**kwargs主要用于函数定义,可以将不定数量的参数传递给一个函数。
这里的不定的意思是:预先并不知道函数使用者会传递多少个参数给你。*args是用来发送一个非键值对的可变数量的参数列表给一个函数。
def test_var_args(f_arg, *argv):
print("first normal arg:", f_arg)
for arg in argv:
print("another arg through *argv:", arg)
test_var_args('yasoob', 'python', 'eggs', 'test')
输出:
argv是一个tupel元组类型
first normal arg: yasoob
another arg through *argv:python
another arg through *argv:eggs
another arg through *argv:test
def greet(**kwargs):
for key,value in kwargs.items():
print("{0} == {1}".format(key,value))
greet(name="python")
输出:
kwargs的类型是dict字典
name == python
二、生成器(Generators)
迭代器:
1、可迭代对象(Iterabel)
一个可迭代对象是python中任意的对象,只要定义了可以返回一个迭代器的__iter__方法
或者定义可以支持下标索引的__getitem方法,可迭代对象可以是任意对象,只要他能给我们提供一个迭代器。
2、迭代器(Iterator)
一个迭代器是任意一个对象,只要定义了next或者__next__方法,这就是迭代器。
3、迭代(Iteration)
简单讲,他就是从某个地方(列表)取出一个元素的过程。当时用一个循环来遍历某个东西时,这就叫一个迭代。
4、生成器
生成器也是一种迭代器,但是只能对其迭代一次。这是因为他们并没有把所有的值存在内存中,而是在运行时生成值。通过遍历来使用他们,要么用一个“for”循环,要么将他们传递给任意可以进行迭代的函数和结构。大多数生成器是以函数来实现的。然而,他们并不返回一个值,而是yield一个值。
例如:
def generator_function():
for i in range(10):
yield i
for item in generator_function:
print(item)
python2里的标准库函数都会返回列表,python3都修改成返回生成器,因为生成器占用更少的资源。
下面是一个计算斐波那契数列的生成器(占用资源少):
def fibon(n):
a = b = 1
for i in range(n):
yield a
a, b = b, a+b
for x in fibon(100):
print(x)
然而,如果这样实现:
def fibon(n):
a = b = 1
result = []
for i in range(n):
result.append(a)
a, b = b, a+b
return result
这也许会在计算很大的输入参数时用尽所有的资源。
生成器使用一次迭代,在测试之前需要知道python内置函数,next(),它允许我们回去一个序列的下一个元素,如下:
def generator_finction():
for i in range(3)
yield i
gen = generator_function()
print(next(gen))
output 0
print(next(gen))
output 1
print(next(gen))
output 2
print(next(gen))
Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# StopIteration
可以看到,yield掉所有值后,next()触发了一个StopIteration的异常,异常说明所有值已经yield完。但是for循环为什么没有这个异常呢?因为for循环会自动捕获这个异常并停止调用next().
你知不知道python中一些内置的数据类型也会支持迭代,如下:
my_string = "yasoob"
next(my_string)
Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# TypeError: str object is not an iterator
这个异常说str不是一个迭代器,它是一个可迭代对象,但不是一个迭代器。这意味着他支持迭代,但是不能直接对其进行迭代操作。那如何迭代呢?内置函数,iter。它可以根据一个可迭代对象返回一个迭代器对象,如下:
my_string = "yasoob"
my_iter = iter(my_string)
next(my_iter)
output 'y'
三、内置函数
1、Map
Map会将一个函数映射一个输入列表的所以元素,如下规范:
map(function_to_apply, list_of_inputs)
当要把列表中所有与三俗一个个的传递给一个函数,并收集输出。如下:
items = [1,2,3,4]
lists =[]
for i in items:
lists.append(i)
使用map函数:
items = [1,2,3,4]
lists =list(map(lambda x:x**2, items))
大多数时候、我们使用匿名函数(lambdas)来配合map,不仅用于一列表的输入,甚至可以用于以列表的函数:
def multiply(x):
return (x*x)
def add(x):
return (x+x)
funcs = [multiply, add]
for i in range(5):
value = list(map(lambda x: x(i), funcs))
print(value)
# Output:
# [0, 0]
# [1, 2]
# [4, 4]
# [9, 6]
# [16, 8]
# Python进阶24Map
2、 Filter
filter能创建一个列表,其中每个元素都是对一个函数能返回True,例如:
number_list = range(-5, 5)
less_than_zero = list(filter(lambda x: x < 0, number_list))
print(less_than_zero)
# Output: [-5, -4, -3, -2, -1]
filter类似于一个for循环,但是他是一个内置函数,并且快。