python wrapper函数_初学Python函数的笔记整理

定义

返回单值 def my_abs(x):

if x >= 0:

return x

else:

return -x

返回多值

返回多值就是返回一个tuple import math

def move(x, y, step, angle=0):

nx = x + step * math.cos(angle)

ny = y - step * math.sin(angle)

return nx, ny

空函数 def nop():

pass

指定默认参数

必选参数在前，默认参数在后。默认参数需指向不可变对象(默认参数值在函数定义时被计算) def power(x, n=2):

s = 1

while n > 0:

n = n - 1

s = s * x

return s

可变参数 def calc(*numbers):

sum = 0

for n in numbers:

sum = sum + n * n

return sum

调用可变参数的函数方法 >>> calc(1, 2)

5

>>> calc()

0

>>> nums = [1, 2, 3]

>>> calc(*nums)

14

关键字参数 def person(name, age, **kw):

print 'name:', name, 'age:', age, 'other:', kw

调用关键字参数的方法 >>> person('Michael', 30)

name: Michael age: 30 other: {}

>>> person('Bob', 35, city='Beijing')

name: Bob age: 35 other: {'city': 'Beijing'}

>>> person('Adam', 45, gender='M', job='Engineer')

name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'}

>>> kw = {'city': 'Beijing', 'job': 'Engineer'}

>>> person('Jack', 24, **kw)

name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}

注：

参数定义的顺序必须是：必选参数、默认参数、可变参数和关键字参数。

对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。

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。

尾递归

在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。

高阶函数 变量可以指向函数(函数可以赋值给一个变量) 函数名也是变量(函数名可以赋值其他值) 函数可以做为函数的参数(高阶函数)

map(func, list)

map()函数接收两个参数，一个是函数，一个是序列，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list返回。 >>> def f(x):

... return x * x

...

>>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

[1, 4, 9, 16, 25, 36, 49, 64, 81] reduce(func_with_two_params, list)

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。 reduce(f, [x1, x2, x3, x4])

#相当于：

f(f(f(x1, x2), x3), x4)

>>> def add(x, y):

... return x + y

...

>>> reduce(add, [1, 3, 5, 7, 9])

25

filter(func_return_bool, list)

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

filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])

# 结果: [1, 5, 9, 15]

sorted

对于两个元素x和y，如果认为x < y，则返回-1，如果认为x == y，则返回0，如果认为x > y，则返回1， >>> sorted([36, 5, 12, 9, 21])

[5, 9, 12, 21, 36]

高阶函数用法 def reversed_cmp(x, y):

if x > y:

return -1

if x < y:

return 1

return 0

>>> sorted([36, 5, 12, 9, 21], reversed_cmp)

[36, 21, 12, 9, 5]

函数做为返回值 def lazy_sum(*args):

def sum():

ax = 0

for n in args:

ax = ax + n

return ax

return sum

>>> f = lazy_sum(1, 3, 5, 7, 9)

>>> f

>>> f()

25

注：每次调用lazy_sum()都会返回一个新的函数，即使传入相同的参数。

闭包 def count():

fs = []

for i in range(1, 4):

def f():

return i*i

fs.append(f)

return fs

f1, f2, f3 = count()

>>> f1()

9

>>> f2()

9

>>> f3()

9

原因是调用count的时候循环已经执行，但是f()还没有执行，直到调用其时才执行。所以返回函数不要引用任何循环变量，或者后续会发生变化的变量。

匿名函数(lambda表达式)

等价于: def f(x):

return x * x

关键字lambda表示匿名函数，冒号前面的x表示函数参数。

匿名函数做为返回值 def build(x, y):

return lambda: x * x + y * y

装饰器(@func)

在代码运行期间动态增加功能的方式，称之为“装饰器”(Decorator)，本质上，decorator就是一个返回函数的高阶函数。 def log(func):

def wrapper(*args, **kw):

print 'call %s():' % func.__name__

return func(*args, **kw)

return wrapper

@log

def now():

print '2013-12-25'

>>> now()

call now():

2013-12-25

#相当于执行：

now = log(now)

回到顶部

带参数的装饰器

def log(text):

def decorator(func):

def wrapper(*args, **kw):

print '%s %s():' % (text, func.__name__)

return func(*args, **kw)

return wrapper

return decorator

@log('execute')

def now():

print '2013-12-25'

#执行结果

>>> now()

execute now():

2013-12-25

#相当于执行：

>>> now = log('execute')(now)

剖析：首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。 __name__

由于函数的__name__已经改变，依赖于此的代码就会出错。因此使用functools.wraps。

import functools

def log(func):

@functools.wraps(func)

def wrapper(*args, **kw):

print 'call %s():' % func.__name__

return func(*args, **kw)

return wrapper

#对于带参函数

import functools

def log(text):

def decorator(func):

@functools.wraps(func)

def wrapper(*args, **kw):

print '%s %s():' % (text, func.__name__)

return func(*args, **kw)

return wrapper

return decorator 偏函数(固定函数默认值)

>>> import functools

>>> int2 = functools.partial(int, base=2)

>>> int2('1000000')

64

>>> int2('1010101')

85

#相当于：

def int2(x, base=2):

return int(x, base)

max2 = functools.partial(max, 10)

相当于为max函数指定了第一个参数 max2(5, 6, 7)

#相当于：

max(10, 5, 6, 7)