一、函数
1.高阶函数
- 变量可以指向函数
>>> x=abs
>>> x(-1)
1
x变量指向了这个函数,并可以通过这个变量来调用这个函数了
- 函数名也是变量
>>> def sum(a,b):
... return a+b
...
>>> sum=10
>>> sum(1,1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
把sum指向了10这个整数之后,不能通过sum(1,1)调用这个函数了。
- 传入函数
既然变量可以指向函数,函数的参数能接收变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称之为高阶函数。
求绝对值之和:
>>> def add(x, y, f):
... return f(x) + f(y)
...
>>> print(add(-5, 6, abs))
11
1.1 map函数
用法:map()
函数接收两个参数,一个是函数,一个是Iterable
,map
将传入的函数依次作用到序列的每个元素,并把结果作为新的Iterator
返回。
map()
传入的第一个参数是f
,即函数对象本身。由于结果z是一个Iterator
,Iterator
是惰性序列,因此通过list()
函数让它把整个序列都计算出来并返回一个list。
>>> def f(x):
... return -x
...
>>> z=map(f,[1,2,3,4,5])
>>> list(z)
[-1, -2, -3, -4, -5]
map()
作为高阶函数,事实上它把运算规则抽象了,上面的代码对list中的每个值调用f函数,我们可以直接看出这是要计算相反数。
2.2 reduce函数
用法:reduce
把一个函数作用在一个序列[x1, x2, x3, ...]
上,这个函数必须接收两个参数,reduce
把结果继续和序列的下一个元素做累积计算。
效果等价:reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
例子:
>>> from functools import reduce
>>> def f(x,y):
... return x*10+y
...
>>> reduce(f,[x for x in range(1,6)])
12345
2.3 filter函数
filter()
函数用于过滤序列,filter()
把传入的函数依次作用于每个元素,然后根据返回值是True
还是False
决定保留还是丢弃该元素。
>>> def is_odd(n):
... return n%2==1
...
>>> list(filter(is_odd,[1,2,3,4,5,6,7,8,9]))
[1, 3, 5, 7, 9]
注意到filter()
函数返回的是一个Iterator
,也就是一个惰性序列,所以要强迫filter()
完成计算结果,需要用list()
函数获得所有结果并返回list。
2.4 sorted函数
- 可以对直接对list进行排序
>>> sorted([3,2,4])
[2, 3, 4]
sorted()
函数也是一个高阶函数,它还可以接收一个key
函数来实现自定义的排序,例如按绝对值大小排序:
- key指定的函数将作用于list的每一个元素上,并根据key函数返回的结果进行排序
>>> sorted([2,4,-3],key=abs)
[2, -3, 4]
- sorted函数还可以传入第三个参数
实现忽略大小写的排序,并进行反向排序:
>>> sorted(['abc','Cab','acb'],key=str.lower,reverse=True)
['Cab', 'acb', 'abc']
2.返回函数
2.1 函数作为返回值
高阶函数除了可以接受函数作为参数外,还可以把函数作为结果值返回。
当我们调用lazy_sum()
时,返回的并不是求和结果,而是求和函数:
>>> def lazy_sum(*args):
... def sum():
... s=0
... for n in args:
... s=s+n
... return s
... return sum
...
>>> f=lazy_sum(1,2,3,4,5)
>>> f
<function lazy_sum.<locals>.sum at 0x00000202F6F4A438>
调用函数f
时,才真正计算求和的结果:
>>> f()
15
在这个例子中,我们在函数lazy_sum
中又定义了函数sum
,并且,内部函数sum
可以引用外部函数lazy_sum
的参数和局部变量,当lazy_sum
返回函数sum
时,相关参数和变量都保存在返回的函数中,这种程序结构称为“闭包(Closure)”。
当调用lazy_sum()
时,每次调用都会返回一个新的函数,即使传入相同的参数:
>>> f1=lazy_sum(1,2,3,4,5)
>>> f2=lazy_sum(1,2,3,4,5)
>>> f1==f2
False
2.2 闭包
闭包中返回的函数并没有立刻执行,而是直到调用了f()
才执行。
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
全部都是9
!原因就在于返回的函数引用了变量i
,但它并非立刻执行。等到3个函数都返回时,它们所引用的变量i
已经变成了3
,因此最终结果为9
。
>>> f1()
9
>>> f2()
9
>>> f3()
9
如果一定要引用循环变量怎么办?方法是再创建一个函数,用该函数的参数绑定循环变量当前的值,无论该循环变量后续如何更改,已绑定到函数参数的值不变:
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i)) # f(i)立刻被执行,因此i的当前值被传入f()
return fs
>>> f1, f2, f3 = count()
>>> f1()
1
>>> f2()
4
>>> f3()
9
3.匿名函数
用法:关键字lambda
表示匿名函数,冒号前面的x
表示函数参数。
举例:还是以map()
函数为例,计算f(x)=x2时,除了定义一个f(x)
的函数外,还可以直接传入匿名函数。
>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]
用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。此外,匿名函数也是一个函数对象,也可以把匿名函数赋值给一个变量,再利用变量来调用该函数。
>>> f=lambda x:x*x
>>> f
<function <lambda> at 0x0000012B8E0DA0D8>
>>> f(2)
4
同样,也可以把匿名函数作为返回值返回,比如:
def build(x, y):
return lambda: x * x + y * y
4.装饰器
定义:在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)。
(我自己就没怎么看懂用法,然后电脑蓝屏导致我写的博客内容都没了,这部分不写了)
5.偏函数
functools.partial
的作用就是,把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数,调用这个新函数会更简单。
举例:将字符串转换为数值,以二进制方式转换,int方法本身就接受一个base参数的,默认值10,定义了int2这个偏函数之后,之后就直接调用这个int2方法,而不需要每次都将给int方法多传参数很麻烦。
>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
二、面向对象编程
1.类和实例
通过定义一个特殊的__init__
方法,在创建实例的时候,就把自己需要的属性绑上去。而__init__
方法的第一个参数永远是self
,表示创建的实例本身,因此,在__init__
方法内部,就可以把各种属性绑定到self
,因为self
就指向创建的实例本身。
class Student(object):
def __init__(self,name,gender):
self.name=name
self.gender=gender
def print_gender(self):
print('%s:%s'%(self.name,self.gender))
me=Student('zw','女')
me.print_gender()
2.访问限制
如果要让内部属性不被外部访问,可以把属性的名称前加上两个下划线__
,在Python中,实例的变量名如果以__
开头,就变成了一个私有变量(private),只有内部可以访问,外部不能访问。
外部代码要实例中属性值通过定义的get方法获取,要修改属性值通过set方法修改,总之就是不能直接访问和修改属性的值。
class Student(object):
def __init__(self,name,gender):
self.__name=name
self.__gender=gender
def get_name(self):
return self.__name
def set_name(self,value):
self.__name=value
3.继承和多态
- 继承
在OOP程序设计中,当我们定义一个class的时候,可以从某个现有的class继承,新的class称为子类(Subclass),而被继承的class称为基类、父类或超类。
举例:
class Animal(object):
def run(self):
print('Animal')
class Cat(Animal):
pass
class Dog(Animal):
pass
- 多态
在子类中存在相同的run方法时,子类中的方法会覆盖父类中的run方法,而代码在运行的时候,总会调用子类的run方法,这就实现了多态。
class Animal(object):
def run(self):
print('Animal')
class Cat(Animal):
def run(self):
print('Cat')
class Dog(Animal):
def run(self):
print('Dog')
对于一个变量,我们只需要知道它是Animal
类型,无需确切地知道它的子类型,就可以放心地调用run()
方法,而具体调用的run()
方法是作用在Animal
、Dog
、Cat对象上,由运行时该对象的确切类型决定,这就是多态真正的好处。
4.获取对象信息
- 使用type()
基本类型都可以使用type()判断
>>> type(123)
<class 'int'>
>>> type('zw')
<class 'str'>
判断一个对象是否是函数:可以使用types模块中定义的常量
>>> import types
>>> def f():
... pass
...
>>> type(f)==types.FunctionType
True
- 使用isinstance()
对于class的继承关系来说,使用type()
就很不方便。要判断class的类型,可以使用isinstance()
函数。
假设继承关系为:
object -> Animal -> Dog
isinstance()
就可以判断一个对象是否是某种类型。
>>> class Animal(object):
... pass
...
>>> class Dog(Animal):
... pass
...
>>> a=Animal()
>>> d=Dog()
>>> isinstance(d,Dog)
True
虽然d是Dog类型,但是Dog是从Animal上继承下来的,所以d还是Animal类型。换句话说,isinstance()判断的是一个对象是否是该类型本身,或者位于该类型的父继承链上。
>>> isinstance(d,Animal)
True
并且还可以判断一个变量是否是某些类型中的一种,比如下面的代码就可以判断是否是list或者tuple:
>>> isinstance([1,2],(list,tuple))
True
- 使用dir()
如果要获得一个对象的所有属性和方法,可以使用dir()
函数,如果要获得一个对象的所有属性和方法,可以使用dir()
函数
5.实例属性和类属性
给实例绑定属性的方法是通过实例变量,或者通过self
变量:
class Student(object):
def __init__(self,name):
self.name=name
s=Student('zw')
s.score=100
如果一个类需要绑定一个属性,可以直接在class中定义,这种属性为类属性,归这个class所有,这个类的所有实例都能访问到。
class Student(object):
major='计算机科学与技术'
zw=Student()
print(zw.major)
zz=Student()
print(zz.major)