python基础 刻意练习 task05函数与Lambda表达式 by littlecircle327

python基础 刻意练习

17天打卡内容

Task01：变量、运算符与数据类型（1day）
Task02：条件与循环（1day）
Task03：列表与元组（2day）
Task04：字符串与序列（1day）
Task05：函数与Lambda表达式（2day）
Task06：字典与集合（1day）
Task07：文件与文件系统（2day）
Task08：异常处理（1day）
Task09：else 与 with 语句（1day）
Task10：类与对象（2day）
Task11：魔法方法（2day）
Task12：模块（1day）

---

2019.10.23 2020.1.15

Task05 函数与Lambda表达式

老马链接
老马链接2汉诺塔

---

1、函数

它的函数是用def定义，跟matlab用function来定义差不多，主要内容我再matlab接触过，但特别灵活的函数我没有接触过。这里面深化了函数定义的很多类型，使他变得复杂了，所以需要用2day来好好学习。

函数的定义

函数以def关键词开头，后接函数名和圆括号()。
函数执行的代码以冒号起始，并且缩进。

return

return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回None（注意不是不返回的）。
return [1,3,5] 会返回列表型的，return 1,3,5 会返回元组型的

形参与实参

括弧里面的东西叫实参，实际传递来里面的{0} {1}是实参 。

函数文档

养成写函数文档是个好习惯，函数文档一般会在函数中用文档而非注释来写出来。
用help() 以及 MyFirstFunction.doc （前后各二下划线）获得主程序里的东西

def MyFirstFunction(name):
  "函数定义过程中name是形参"
    # 因为Ta只是一个形式，表示占据一个参数位置
    print('传递进来的{0}叫做实参，因为Ta是具体的参数值！'.format(name))

MyFirstFunction('老马的程序人生')  
# 传递进来的老马的程序人生叫做实参，因为Ta是具体的参数值！

print(MyFirstFunction.__doc__)  
# 函数定义过程中name是形参

help(MyFirstFunction)
# Help on function MyFirstFunction in module __main__:
# MyFirstFunction(name)
#    函数定义过程中name是形参

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：
位置参数 (positional argument)
默认参数 (default argument)
可变参数 (variable argument)
关键字参数 (keyword argument)
命名关键字参数 (name keyword argument)
参数组合

1. 位置参数
def functionname(arg1):
arg1 - 位置参数 ，这些参数在调用函数 (call function) 时位置要固定。
最一般的我熟悉的。

2. 默认参数
def functionname(arg1, arg2=v):
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。
Python 允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值。
（我认为是解决了那种有的值懒得给出来，省略部分给定值的问题，让表达变得简单）
注意：如果需要多个变量，用 XX=XX的方式，变量是可以前后互换的，这种设置可以防止忘记前后的情况。

def printinfo(name, age=8):
    print('Name:{0},Age:{1}'.format(name, age))


printinfo('小马')  # Name:小马,Age:8
printinfo('小马', 10)  # Name:小马,Age:10


def printinfo(name, age):
    print('Name:{0},Age:{1}'.format(name, age))


printinfo(age=8, name='小马')  # Name:小马,Age:8 

3. 可变参数
顾名思义，可变参数就是传入的参数个数是可变的，可以是 0, 1, 2 到任意个，是不定长的参数。注意，*args里面相当于把那些值打包成一个元组。
def functionname(arg1, arg2=v, *args):

def printinfo(arg1, *args):
    print(arg1)
    for var in args:
        print(var)

printinfo(70, 60, 50)

# 70
# 60
# 50

4. 关键字参数
def functionname(arg1, arg2=v, *args, **kw):
**kw - 关键字参数，可以是从零个到任意个，自动组装成字典。{‘a’: 1, ‘b’: 2}。
「可变参数」和「关键字参数」的同异总结如下：
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)，它需要是一个有等号那种类型的，不然get不到。

def printinfo(arg1, *args, **kwargs):
    print(arg1)
    print(args)
    print(kwargs)

printinfo(70, 60, 50)
# 70
# (60, 50)
# {}
printinfo(70, 60, 50, a=1, b=2)
# 70
# (60, 50)
# {'a': 1, 'b': 2}

5. 命名关键字参数
def functionname(arg1, arg2=v, *args, *, nkw, **kw):

*, 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。
其实print 打开它的程序说明就知道它有可变参数还有关键字参数，我们用Print的时候也在把它对应进去，其实end=’ ’就是关键字参数，当然它有默认。

def myf(*args, exp):
    print('第一个字是',args[0]) 
    print('关键字参数是',exp)

myf(1,2,3)  #wrong
myf(1, 2, 3, exp = 8)

def printinfo(arg1, *, nkw, **kwargs):
    print(arg1)
    print(nkw)
    print(kwargs)

printinfo(70, nkw=10, a=1, b=2)
# 70
# 10
# {'a': 1, 'b': 2}

printinfo(70, 10, a=1, b=2)
# TypeError: printinfo() takes 1 positional argument but 2 were given
没写参数名，10 被当成位置参数，而原函数只有 1 个位置函数，调用了 2 个程序会报错。

6. 参数组合

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。

要注意定义可变参数和关键字参数的语法：
*args 是可变参数，args 接收的是一个 tuple
**kw 是关键字参数，kw 接收的是一个 dict

命名关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值。定义命名关键字参数不要忘了写分隔符 *，否则定义的是位置参数。
警告：虽然可以组合多达 5 种参数，但不要同时使用太多的组合，否则函数很难懂。

---

全局变量和局部变量

Python 中，程序的变量并不是在哪个位置都可以访问的，访问权限决定于这个变量是在哪里赋值的。
定义在函数内部的变量拥有局部作用域，该变量称为局部变量。
定义在函数外部的变量拥有全局作用域，该变量称为全局变量。
即 在def外面定义的就是全局变量

局部变量只能在其被声明的函数内部访问，而全局变量可以在整个程序范围内访问。
（比如你知道一个函数，你想在外面输出局部函数的值，无法输出。在程序里面也无法修改其值（修改的话 python会在内部新建一个局部变量名字一样然后还该怎么怎么）。

def discounts(price, rate):
    final_price = price * rate
    old_price=50
    print('1',old_price)  #50
    return final_price


old_price = float(input('请输入原价:'))  # 98
rate = float(input('请输入折扣率:'))  # 0.9
new_price = discounts(old_price, rate)
print('2',old_price)  #98
print('打折后价格是:%.2f' % new_price)  # 88.20

num = 1
def fun1():
    global num  # 需要使用 global 关键字声明
    print(num)  # 1
    num = 123
    print(num)  # 123


fun1()
print(num)  # 123

---

内嵌函数

（我感觉是在需要多层嵌套，需要都给他们打包、封装的情况下来搞的这种内嵌函数）
外部无法调用内嵌函数。

def outer():
    print('outer函数在这被调用')
    def inner():
        print('inner函数在这被调用')
    inner()  # 该函数只能在outer函数内部被调用

outer()
# outer函数在这被调用
# inner函数在这被调用

闭包

是函数式编程的一个重要的语法结构，是一种特殊的内嵌函数。
如果在一个内部函数里对外层非全局作用域的变量进行引用，那么内部函数就被认为是闭包。
通过闭包可以访问外层非全局作用域的变量，这个作用域称为 闭包作用域。
闭包的返回值通常是函数。

def funX(x):
    def funY(y):
        return x * y
    return funY

i = funX(8)
print(type(i))  # <class 'function'>    i是一个函数！
print(i(5))  # 40


def make_counter(init):
    counter = [init]
    def inc(): counter[0] += 1
    def dec(): counter[0] -= 1
    def get(): return counter[0]
    def reset(): counter[0] = init
    return inc, dec, get, reset


inc, dec, get, reset = make_counter(0)
inc()
inc()
inc()
print(get())  # 3
dec()
print(get())  # 2
reset()
print(get())  # 0

如果要修改闭包作用域中的变量则需要 nonlocal 关键字
（python3之前，如果你的内部函数调用了外面的那个值，会被屏蔽，只能用jar的方法来解决，因为放到jar里就不会被屏蔽了。 x[0]=x[0]**2。后面又发明了nonlocal）

def outer():
    num = 10
    def inner():
        nonlocal num  # nonlocal关键字声明
        num = 100
        print(num)
    inner()
    print(num)

outer()
# 100
# 100


def myfun():
    x=5
    def myfun2():
        nonlocal x  #必须加这么一句
        x=x*x
        return x
    return myfun2()  #这块必须加双括弧才行，我也不知道为啥  输入myfun()直接出25

---

递归

如果一个函数在内部调用自身本身，这个函数就是递归函数。

Sample01：n! = 1 x 2 x 3 x … x n

循环：

n = 5
for k in range(1, n):
    n = n * k
print(n)  # 120

递归： #这块老马写错了 应该是factorial 然后上面那块range(1, n)改成n比5要好

def factorial(n):
    if n == 1:
        return 1
    return n * factorial(n - 1) 

print(factorial(5)) # 120

Samp02：斐波那契数列 f(n)=f(n-1)+f(n-2), f(0)=0 f(1)=1

循环：

n=10
mylist=[0,1]
for i in range(1,n):
    temp=mylist[i]+mylist[i-1]
    mylist.append(temp)
print(mylist)
# [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

递归：

def recur_fibo(n):
    if n <= 1:
        return n
    return recur_fibo(n - 1) + recur_fibo(n - 2)

lst = list()
for k in range(11):
    lst.append(recur_fibo(k))
print(lst)  
# [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

设置递归的层数，Python默认递归层数为 100

import sys
sys.setrecursionlimit(1000)

汉诺塔

i=1
def move(n,a,b,c):
	global i
	if n == 1:
		print('第{0}次，{1} {2}'.format(i,a,c))  #print('第' i '次'，a c) 
		i+=1
		# 后面没有else就加return 但我也不知道返回啥。
	else:
		move(n-1,a,c,b)
		move(1,a,b,c)
		move(n-1,b,a,c)

n=int(input('请输入汉诺塔层数'))
move(n,'a','b','c')

2的执行 move(2,a,b,c)
move(1, a, c, b) #ab
move(1, a, b, c) #ac
move(1, b, a, c) #bc

3的执行
move(2, a, c, b)
move(1, a, b, c) #ac
move(1, a, c, b) #ab
move(1, c, a, b) #cb
move(1, a, b, c) #ac
move(2, b, a, c)
move(1, b, c, a) #ba #bc #ac

---

2. Lambda 表达式

在 Python 里有两种函数：
用 def 关键词的正规函数
用 lambda 关键词的匿名函数

匿名函数 (anonymous function)

所谓匿名，即不再使用def语句定义一个函数。
python 使用 lambda 来创建匿名函数。
lambda 只是一个表达式，函数体比def简单很多。
lambda 函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。
lambda 函数没有所谓的函数名 (function_header)，这也是它为什么叫匿名函数。
lambda比较简洁，有它的适用性，可不命名，不需要先读def
函数名直接是 啥 = lambda x :x*2 啥 = lambda 参数 :返回值 ）

sumary = lambda arg1, arg2: arg1 + arg2
print(sumary(10, 20))  # 30

func = lambda *args: sum(args)
print(func(1, 2, 3, 4, 5))  # 15

匿名函数 VS 正规函数

lbd_sqr = lambda x: x ** 2
print(lbd_sqr)
# <function <lambda> at 0x000000BABB6AC1E0>
def sqr(x):
    return x ** 2
print(sqr)
# <function sqr at 0x000000BABD3A4400>

print(sqr(9))  # 81
print(lbd_sqr(9))  # 81

误用情况：如果用 lambda 函数只是为了赋值给一个变量，用 def 的正规函数。
lbd_sqr 的返回值是以 标识的函数，而 sqr 的返回时是以 sqr 为标识的函数，明显后者一看就知道该函数是「计算平方」用的。

Lambda 表达式的应用

高阶函数 (high-order function) 在函数化编程 (functional programming) 很常见，主要有两种形式：
参数是函数 (filter, map)
返回值是函数 (closure)
下面，看看 map, filter的语法：

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。（真的是过滤）

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]  奇数
templist2 = filter(None, [0，1, 2, 3, 4, 5, 6, 7, 8, 9]) 
# [1, 2, 3, 4, 5, 6, 7, 8, 9] 会返回True的值

map(function, iterable, …) 根据提供的函数对指定序列做映射。（或者说批处理？）

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，如下：

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

下面代码分别求出列表中所有元素的和、个数和均值。

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

---

其他：

1、print ：
print(‘传递进来的{0}叫做实参，因为Ta是具体的参数值！’.format(name))
用.format(name)引用实参。

2、如何做到列表元素互换。用temp先暂存一个值，然后赋值互换就行了。

---

今日的总结

学到的概念：函数 lambda
学到的函数：
help() 、MyFirstFunction.doc 、nonlocal、global、

import sys
sys.setrecursionlimit(100)

filter(function, iterable) 过滤序列
map(function, iterable, …)

很开心，自己把斐波那契数列写出来了~