Python 之 进阶 学习

一切皆对象

1. 变量和函数皆对象

在python中, 所有的变量函数都是一个对象

print(type(1))
print(type(1.))
print(type(True))
print(type(None))

结果:

<class 'int'>
<class 'float'>
<class 'bool'>
<class 'NoneType'>

可以看出, 变量都是对象, 它们的类型都是class, 再看看函数

def f():
    pass

print(type(f))

结果:

<class 'function'>

从上面的例子可以看出, 实际上函数就是一个对象, 那么函数可以当某个函数的参数和返回值了

2. 模块和类皆对象

就连模块和类都是对象

import sys

print(type(sys))
class A:
    pass

print(type(A))

结果:

<class 'module'>
<class 'type'>

3. 对象的基本操作

(1). 可以赋值给变量

(2). 可以添加到集合中

(3). 可以作为函数参数

(4). 可以作为函数返回值返回

4. object, type, class之间的关系

(1). object类

object类是所有类都要继承的一个基础类(父类)

class People:
    pass
print(People.__bases__)

结果:

(<class 'object'>,)

(2).type类和type对象

type()函数查看变量类型, 但是type也是一个类, 还是一个对象

a = 1
print(type(a))
print(type(int))

结果:

<class 'int'>
<class 'type'>

因此, type类 生成 int类, int类 生成 1, 1 赋值给 a, 所以 a是int类的对象

所以, type类生成其他类

print(type.__bases__)
print(type(type))
print(type(object))
print(object.__bases__)

结果:

(<class 'object'>,)
<class 'type'>
<class 'type'>
()

可以看出, object类的父类是空

type类继承object类, type类又生成object类

type类生成type类

闭包

一个函数中的变量由其外部环境变量所决定的整体, 即函数 + 环境变量

闭包的意义: 保存了函数, 和函数定义时的变量

def func1():
    a = 5
    def ax2(x):
        return a * x * 2

    return ax2

a 是环境变量, ax2()是函数, 它们构成了一个闭包

1. 查看闭包

(1). 查看闭包

只有闭包才拥有内置属性__closure__

def func1():
    a = 5
    def ax2(x):
        return a * x * 2

    return ax2

f = func1()
print(f.__closure__)

(<cell at 0x0000025E9917AF50: int object at 0x0000025E99010170>,)

(2). 查看环境变量

def func1():
    a = 5
    def ax2(x):
        return a * x * 2

    return ax2

f = func1()
print(f.__closure__[0].cell_contents)

5

2. 分析闭包

函数里定义变量后不是闭包

def fun1():
    a = 5
    def fun2():
        b = 10
        return b

    return fun2

f = fun1()
print(f.__closure__)

None

def fun1():
    a = 5
    def fun2():
        return a

    return fun2

f = fun1()
print(f.__closure__)

(<cell at 0x0000025E9917AF50: int object at 0x0000025E99010170>,)

3. 闭包的用处

问题: 实现函数, 每次返回结果, 要在加入上一次的结果

假设开始 x = 0, 函数名是 add()

第一次 add(5), x = 5

第二次 add(10), x = 15

第三次 add(40), x = 40

x的值是在上一次的结果上叠加

• 不用闭包

x = 0

def add(v):
    global x
    x += v
    return x

print('第一次:' , add(1))
print('第二次:' , add(5))
print('第三次:' , add(6))
print('第四次:' , add(10))

结果

第一次: 1
第二次: 6
第三次: 12
第四次: 22

• 使用闭包

x = 0

def start(x):
    def add(v):
        nonlocal x
        x += v
        return x

    return add

add = start(x)
print('第一次:' , add(1))
print('第二次:' , add(5))
print('第三次:' , add(6))
print('第四次:' , add(10))

使用nonlocal关键字

闭包的意义在于可以记录了上一次的值

Lambda 表达式

1. 匿名函数

没有函数名的函数

语法:

lambda parameter_list: expression

定义使用labmda关键字

expression只能是表达式

def add(x, y):
    return x + y


f = lambda x, y: x + y
print(f(1, 2))

2. 三元表达式

条件为真返回结果 if 条件 else 条件为假返回结果

x = 1
y = 6
print(x if x > y else y)

如果 x > y 返回 x 的值, 否则返回 y 的值

3. map类

map类接收两个参数, 一个是函数, 另一个是序列

map的使用方法是, 对序列中的每一个元素都进行前面函数的操作, 并把结果存放新的序列中, 最后返回

x = [1, 2, 3]

def square(x):
    return x * x

r = map(square, x)

print('结果: ', list(r))
print('x: ', x)

这个代码相当于使用for循环

x = [1, 2, 3]

def square(x):
    return x * x

# r = map(square, x)
r = []
for v in x:
    r.append(square(v))

print('结果: ', list(r))
print('x: ', x)

结果是一样的:

结果:  [1, 4, 9]
x:  [1, 2, 3]

4. map与lambda表达式结合使用

可以简化代码

x = [1, 2, 3]

r = map(lambda x: x + x, x)

print('结果: ', list(r))
print('x: ', x)

结果:

x = [1, 2, 3]

r = map(lambda x: x * x, x)

print('结果: ', list(r))
print('x: ', x)

使用多个序列, 需要注意, 后面传入的序列个数和lambda表达式参数个数一直

x = [1, 2, 3]
y = [10, 20, 30, 40]
# 传入x和y两个参数, lambda表示参数个数也是2
r = map(lambda x, y: x * y, x, y)

print('结果: ', list(r))
print('x: ', x)

结果:

结果:  [10, 40, 90]
x:  [1, 2, 3]

返回结果的长度是最小的序列长度

5. reduce函数

from functools import reduce

recude(函数, 序列, 初值)

from functools import reduce

def add(x, y):
    return x + y

x = [1, 2, 3]
r = reduce(add, x)
print(r)

结果

6

reduce()函数运算原理

• 没有初值的情况

  第一次执行, 调用add(1, 2), r = add(1, 2)

  第二次执行, 调用add(r, 3), r = add(r, 3)

  此时, 序列已经执行到最后一个元素了, 返回执行的结果

  所以结果是: add(add(1, 2), 3)

• 有初值的情况
  第一次执行, 调用add(初值, 2), r = add(初值, 2)

  第二次执行, 调用add(r, 2), r = add(r, 2)

  第三次执行, 调用add(r, 3), r = add(r, 3)

  此时, 序列已经执行到最后一个元素了, 返回执行的结果

  所以结果是: add(add(add(初值, 1), 2), 3)

from functools import reduce

def add(x, y):
    return x + y

x = ['1', '2', '3']
r = reduce(add, x, 'v')
print(r)

结果:

v123

6. filter函数

filter(函数, 序列)

例子: 保留x列表中值大于3的元素

x = [1, 2, 6, 5, 4, 3]

def fun(x):
    return True if x > 3 else False

r = filter(fun, x)

print(list(r))

装饰器

1. 引例

现在有三个函数, 在每个函数中都要输出函数调用的时间

import time

def practice():
    def func1():
        print(time.time())
        print('func1')

    def func2():
        print(time.time())
        print('func2')

    def func3():
        print(time.time())
        print('func3')

    return func1, func2, func3

printTime = practice()

for i in printTime:
    i()

结果:

1653194377.809377
func1
1653194377.809377
func2
1653194377.809377
func3

如果此时, 将打印时间改为打印函数名, 是不是需要对每一个函数进行修改?

修改是封闭的, 扩展是开放的, 修改不能解决根本

优化

import time

def practice():

    def printTime(func):
        print(time.time())
        func()

    def func1():
        print('func1')

    def func2():
        print('func2')

    def func3():
        print('func3')

    return func1, func2, func3, printTime


func1, func2, func3, printTime = practice()

printTime(func1)
printTime(func2)
printTime(func3)

结果:

1653194518.6538224
func1
1653194518.6538224
func2
1653194518.6538224
func3

为了更简便, 这就引入了装饰器

2. 装饰器

import time

# 定义装饰器
def decorator(func):
    def wrapper():
        print(time.time())
        func()

    return wrapper

def func1():
    print('func1')
    
# 使用装饰器
func1 = decorator(func1)
func1()

看上去, 这种使用跟printTime()这种方法没什么区别

3. 装饰器使用

使用@简化调用

使用方法: @装饰器名字

import time


def decorator(func):
    def wrapper():
        print(time.time())
        func()

    return wrapper

@decorator
def func1():
    print('func1')

func1()

结果

1653195433.3289523
func1

4. 对带有参数的函数定义装饰器

对于wrapper()函数使用可变参数

import time


def decorator(func):
    def wrapper(*parameters):
        print(time.time())
        func(*parameters)

    return wrapper

@decorator
def func1(x):
    print('func1', x)

@decorator
def func2(x, y):
    print('func1', x, y)    
    
func1(1)
func2('aaa', 'bbb')

结果:

1653196573.0688334
func1 1
1653196573.0688334
func1 aaa bbb

这种情况也有问题, 不兼容 **args参数

import time

def decorator(func):
    def wrapper(*parameters):
        print(time.time())
        func(*parameters)

    return wrapper

@decorator
def func1(**x):
    print('func1', x)

func1(a = 2, b = 3)

会报错

解决办法:

import time

def decorator(func):
    def wrapper(*parameters, **kwargs):
        print(time.time())
        func(*parameters, **kwargs)

    return wrapper

@decorator
def func1(**x):
    print('func1', x)


func1(a = 2, b = 3)

5. 带有参数的装饰器的理解

*parameters用于获取函数默认的传参顺序所获得的值

**kwargs用于获取可变参数列表的值

def decorator(func):
    def wrapper(*parameters, **kwargs):
        print(parameters)
        print(kwargs)
        func(*parameters, **kwargs)

    return wrapper

@decorator
def func1(p1, p2, **x):
    print('func1', p1, p2, x)


func1(1, 2, a = 2, b = 3)

结果:

(1, 2)
{'a': 2, 'b': 3}
func1 1 2 {'a': 2, 'b': 3}

6. 装饰器完整定义

def 装饰器名字(func):
    def wrapper(*parameters, **kwargs):
        所要执行的逻辑
        func(*parameters, **kwargs)

    return wrapper

使用

 @装饰器名称

7. 使用python装饰器保存内置变量的值

from functools import wraps

def 装饰器名字(func):
    @wraps(func)
    def wrapper(*parameters, **kwargs):
        所要执行的逻辑
        func(*parameters, **kwargs)

    return wrapper

8. 数据类装饰器 dataclass

用来简化构造函数赋值

原来的样子

class Student:
    def __init__(self, name, age):
        self.name = name
        self.age = age

使用修饰器

from dataclasses import dataclass

@dataclass
class Student:
    name: str
    age: int
    # def __init__(self, name, age):
    #     self.name = name
    #     self.age = age

    def showInfo(self):
        print(self.name, self.age)

student = Student('小米', 18)
student.showInfo()

看一下dataclass函数

def dataclass(cls=None, /, *, init=True, repr=True, eq=True, order=False,
              unsafe_hash=False, frozen=False, match_args=True,
              kw_only=False, slots=False):
              ...

可以看出, 在@dataclass后面可以指定参数

init=True 表示默认产生构造函数

用字典映射代替switch case

C语言中的switch case语句

switch (表达式) {
    case 整型数值1: 语句 1;
    case 整型数值2: 语句 2;
    ......
    case 整型数值n: 语句 n;
    default: 语句 n+1;
}

python中使用字典

switcher = {
    值1: 函数1
    值2: 函数2
    ......
    值n: 函数n
}

r = switcher.get(值, default函数)()

例子: 输入1 ~ 7之间的数字, 输出对应的星期

def isMonday():
    return '星期一'

def isTuesday():
    return '星期二'

def isWednesday():
    return '星期三'

def isThursday():
    return '星期四'

def isFriday():
    return '星期五'

def isSaturday():
    return '星期一'

def isSunday():
    return '星期天'

def default():
    return '输入错误'

switcher = {
    1: isMonday,
    2: isTuesday,
    3: isWednesday,
    4: isThursday,
    5: isFriday,
    6: isSaturday,
    7: isSunday
}

v = input()
r = switcher.get(int(v), default)()
print(r)

列表推导式

列表推导式: 使用列表, 字典, 元组, 集合, 创建一个新的列表, 字典, 元组, 集合

(1). 简单使用

[ 表达式 i for in x ]

def add(x):
    return x + x

x = [1, 2, 3]

b = [add(i) for i in x if i == 2]

print(b)

结果:

[2, 4, 6]

(2). 带有条件的列表推导式

[ 表达式 i for in x if 表达式 ]

当i满足条件e()时, 执行f(), 将结果放入新的列表中

def add(x):
    return x + x

def condition(x):
    return x == 2

x = [1, 2, 3]

b = [add(i) for i in x if condition(i)]

print(b)

结果:

[4]

(3). 使用列表推导式创建元组

def add(x):
    return x + x

def condition(x):
    return x >= 2

x = [1, 2, 3, 4, 5]

b = (add(i) for i in x if condition(i))

print(b)

结果:

<generator object <genexpr> at 0x00000134B19F18C0>

此时结果不是元组, 而是一个generator, 遍历一下generator

def add(x):
    return x + x

def condition(x):
    return x >= 2

x = [1, 2, 3, 4, 5]

b = (add(i) for i in x if condition(i))

for i in b:
    print(i)

结果:

4
6
8
10

转换一下可以得到元组

def add(x):
    return x + x

def condition(x):
    return x >= 2

x = [1, 2, 3, 4, 5]

b = tuple((add(i) for i in x if condition(i)))

print(b)

结果:

(4, 6, 8, 10)

(4). 字典列表推导式

items()

students = {
    '张三': 18,
    '李四': 19,
    '王五': 21
}

s = [key for key, value in students.items()]

print(s)

结果:

['张三', '李四', '王五']

需要注意的是, 字典遍历需要使用items()函数

字典推导字典

将students字典中的key变成value, value变成key

students = {
    '张三': 18,
    '李四': 19,
    '王五': 21
}

s = {value: key for key, value in students.items()}

print(s)

结果:

{18: '张三', 19: '李四', 21: '王五'}

函数式编程

for i in range(start, end, step = 1):
    pass

代替

[pass for i in range(start, end, step = 1)]

list(
    map(lambda i: dosomething, [i for i in range(start, end, step = 1)])
)

迭代器

(1). 可迭代对象 和 迭代器

可迭代对象: 可以使用for-in循环遍历的对象

迭代器: 是一个类, 可以被for-in循环遍历

(2). 自定义迭代器

类实现两个函数, __iter__()和 __next__()

def __iter__(self):
    pass

def __next__(self):
    pass

例子:

class BookCollection:
    def __init__(self):
        self.data = ['1', '2', '3']
        self.cur = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.cur >= len(self.data):
            self.cur = 0
            raise StopIteration()
        r = self.data[self.cur]
        self.cur += 1
        return r


books = BookCollection()
[print(i) for i in books]

结果:

1
2
3

生成器

生成器是针对函数的, 保存一个算法

def generate(end):
    n = 0
    while n < end:
        n += 1
        yield n

print(generate(100))

使用列表推导式得到生成器

print(i for i in range(1, 9))

海象运算符 :=

可以使用在if中, 使得函数调用的值赋给一个变量, 同时进行条件判断操作, 省去了在外定义变量

a = "Python"

if l := len(a) > 5:
    print(l)

结果:

6

使用前:

a = "Python"
l = len(a)
if l > 5:
    print(l)