内置方法,就是python3提供的各种函数,可以认为是关键字,帮助进行一些列的牛x运算。
abs()#取绝对值 all([])#可迭代对象中的所有元素都为True 则为True,只要至少一个为False则结果为False any() #可迭代对象中的元素只要有任意一个为True,则结果为True bin() #10进制转为二进制 bool() #判断一个对象的boolean值 bytes() #转换为字节,字符串需要"abc".encode("utf-8") ,字符串和字节都不可修改。 bytearray() #可修改的字节格式,b=bytearray("abc".encode("utf-8")),b[2]= 97, b="aac"了 callable() #判断一个对象是否可以调用。比如函数,True/False chr() #输入一个数字,返回ascii中对应的字符 ord() #输入一个字符,返回ascii中对应的数字 classmethod() #类方法 code="print('hello world')" gooo=compile(code,'','exec') #用于编译代码。。。。,相当于import,但是如果代码是片段,且是其他途径传过来的, # 无法import,就这么干,用的地方不多,不过都有代码了,直接exec()就行了。。。。 呵呵 exec(gooo) complex()#复数 dict() #生成字典,一般直接{} dir()#查看对象有哪些方法。 divmod(5,2) #计算两个数相除的余数 eval() #计算器, exec() #程序运行器 #补充:匿名函数: mmm=lambda n:0 if n < 5 else 10 print(mmm(6)) filter() #过滤器,参数1:过滤方法(支持匿名函数),参数2:需要过滤的数据,可迭代对象,filter以后结果是个filter对象,迭代器的一种。 res=filter((lambda a:a>5),range(10)) print(type(res)) for i in res: print(i) map() #按照参数1的方法,对参数2可迭代对象的数据进行处理。结果是个map对象,迭代器的一种。 map(lambda n:n*n,range(10)) import functools res=functools.reduce() #reduce方法在python3中,移到了标准库里了,这是累加 res=functools.reduce(lambda n,m:m+n,range(101)) print(res) float()#转换为浮点型 format() #和字符串的.format(name="xiaoming"),一样的 frozenset()#不可变的集合,没有add方法什么的。 set()#可变的集合,有add方法什么的。 globals()#返回本文件整个程序中的所有全局的东西,返回个字典。可以用来判断变量什么的。他还有内部方法 globals().get() #用来取哪个全局的xx的值 locals() #与globals对应,这个是仅打印局部变量。 locals().get() #用来取哪个局部的xx的值,用在函数内部。。。。装饰器中??? 生成器中??? hash(object) #取得对象的hash值 help() #查看python的帮助 hex() #把数字转为16进制 oct() #把数字转为8进制 id() #返回对象的内存地址 input()#接收命令行输入的字符串。 int()#转换为整形 isinstance("gogo",str) #判断一个东西是否是第二个参数的对象类型 issubclass() #判断是否是个子类 iter() #可迭代对象转化为迭代器 len() #取得长度,主要针对数组,元组,字典。等等 max() #返回可迭代对象中最大的那个。。。。。 min() #返回可迭代对象中最小的那个。。。。。 next() #返回迭代器的下一个值,与迭代器的__next__()方法一致 open() #打开文件。。。。。查看文件操作。 pow() #运算出,第一个参数数字的第二个参数数字次方 print() #输出到屏幕。 range() #取得一段数字数组。 repr() #用字符串表示一个对象。 reversed() #反转一个序列,和列表list的[].reverse()方法一样 round() #保留一个数字的n位小数。不写多少位小数,则取整 slice() #切片,和[2:5]一样的 sorted() #排序,可以用于排序本来没有顺序属性的对象,比如字典,a={1:44,2:33:9:33,7:88,6:33} sorted(a.items()),按照key来排序,如果不取items则排序完就剩下key了,这个不改变原对象 #上述 如果用value来进行排序,需要用匿名函数来做,sorted(a.items(),key=lambda x:x[1]) key为sorted第二个参数关键字。 sum() #求和,对于一个可迭代对象的求和,只能用数字的可迭代对象。 super() #面向对象的继承。 type() #查看数据类型 , python中所有的数据类型的根本都是type类型的 vars() #返回一个对象所有的属性名。 zip() #两个list按索引位置,对应起来,变成元组列表。 __import__("xxxxx") #引入模块,挺重要的
装饰器:
# 实现装饰器知识储备: # 1、高阶函数 --- 把函数名字做为实参传个另一个函数(不修改原函数的源代码),返回值中包含原函数名(不改变原函数的调用方式) # 2、函数即变量 # 3、函数嵌套 ----第一层,接收原函数名,第二层开始处理增加的装饰业务,第一层return 第二层的函数名,即可完成装饰器 # 高阶函数 + 函数嵌套 ==》 装饰器 # # 装饰器定义:为其他函数增加额外功能的函数,本质上装饰器就是函数 # 原则:1、不去修改被装饰函数的源代码 # 2、不去修改被装饰函数的调用方式
import time def timer(func): #装饰器必然使用嵌套函数和告诫函数,嵌套外层,定义装饰器名字,和传递的函数名 def deco(*args,**kwargs): #装饰器嵌套函数的内层,描述装饰的额外功能,和传递原函数的各种参数,一般用*args,**kwargs start_time=time.time() func(*args,**kwargs) stop_time=time.time() print("func run time:{rt}".format(rt=stop_time-start_time)) return deco @timer def test1(): # time.sleep(3) print("i'm test1") test1() # 最牛X的 装饰器传参数: def log_in(log_type): def wrapper(func): print("now func is {ffff}".format(ffff=func)) def rawrapper(*args,**kwargs): print("login,{type}".format(type=log_type)) return func(*args,**kwargs) return rawrapper return wrapper
生成器&迭代器:
#a=[i * 2 for i in range(1000000)] #这叫列表生成式 可以让代码更简洁,和装逼 a=(i*2 for i in range(1000000)) #这叫生成器 与生成式最大的区别就是 生成式的数据根据算法全部准备好, # 但生成器就是个算法,木有数据,只有在有需要数据访问时,提供那一个数据,相当省资源, # 但直接访问某次数据,未生成的会异常,也就是说,生成器不允许切片使用 #b=a[1000] #print(b) #生成器取值,需要用生成器自己的方法来做。只能往后读,无法往前读,只记录当前位置的数据,其他都不记录了,省内存。 #一般通过循环来取值 a.__next__() #python3.0 a.next() #python2.0 print(a.__next__()) ''' #复杂的逻辑生成器,可以用函数的形式定义,但要有yield关键字来说明返回的是生成的值
#斐波那契数列: def fib(max): n,a,b = 0,0,1 while n < max : yield b #表示生成器值的在这个算法中就是b,所以这里的print改为yield,这个fib就不再是函数而是生成器了。 a,b=b,a+b n +=1 return "----done----" #可以用return来定义生成器溢出异常的描述值 f=fib(10) print(f) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) # print(f.__next__()) #超出生成器取值范围后,会异常,异常描述值,可以是定义生成器return 来进行定义 #用循环来取生成器的值比较常见,由于生成器的特性决定,循环一般不会有溢出异常 for i in f: print(i) while True: try: print(f.__next__()) except StopIteration as e: print(e) break
#利用生成器,做单线程下的并发,这玩意叫协程,比线程单位小,异步IO的雏形,epoll的雏形 #生产者,消费者模式?消费者,吃包子的,生产者,做包子的,消费者自己弄个生成器来吃包子,生产者做个包子让消费者来吃。 #yield关键字在生成器中是个标记,__next__()方法调用yield,开始生成器第一次算法值,返回当前的yield,但不传值, # send()方法,用来给yield传值,并且开始一次算法值 def custom(name): print("i'm customer %s"%name) while True: baozi=yield print("%s eat the baozi [%s]"%(name,baozi)) # c1=custom("wy") # c1.__next__() # c1.send("baozi") def product(name1,name2): c1=custom(name1) c2=custom(name2) c1.__next__() c2.__next__() for baozi in range(20): print("begin make baozi : [%s]"%baozi) c1.send(baozi) c2.send(baozi) product("wangyue","laopeng") #补充:next()方法是可以取下一个值的内置方法。 #迭代器: #只要是可以作用于for循环的对象,比如string,list,set,tuple,dict等等,就都叫可迭代对象(Iterable)。 #用isinstance()方法判断是否为可迭代对象,返回值True/False, #使用的这个方法需要引入, # from collections import Iterable # isinstance(...,Iterable) #不但可以循环,并且可以被next()方法返回下一个值的对象,就叫迭代器(Iterator) #用isinstance()方法判断是否为可迭代器,返回值True/False, # from collections import Iterable # isinstance(...,Iterabor) #补充,可以通过dir()方法来查看全部方法,dir(....),迭代器dir()以后必须包含__next__()方法 #明确: # ----生成器一定是可迭代对象,一定是迭代器 # ----迭代器一定是可迭代对象 #可以使用iter()方法,将字典dict、列表list、字符串str等可迭代对象,转化为迭代器