deff1():
x= 1
deff2():print("from f2.")
f2()#只能在函数内部调用
f1()
2. 名称空间
2.1 介绍
名称空间:存放名字的地方,准确的说名称空间是存放名字与变量值绑定关系的地方。
内置名称空间:在python解析器启动时产生,存放一些python内置的名字。
全局名称空间:在执行文件时产生,存放文件级别定义的名字。
局部名称空间:在执行文件的过程中,如果调用了函数,则会产生该函数的局部名称空间,用来存放该函数内定义的名字,该名字在函数调用时生效,在函数调用结束后失效。
2.2 加载、查找顺序
加载顺序:内置名称空间 --> 全局名称空间 --> 局部名称空间
查找顺序:局部名称空间 --> 全局名称空间 --> 内置名称空间
3. 作用域
3.1 基本概念
作用域:作用的范围
全局作用域:全局存活、全局有效
局部作用域:临时存活、局部有效
查看作用域:globals(),locals()
查看全局作用域:globals()
查看局部作用域:locals()
3.2 global
局部修改全局的名字:global
针对全局不可变类型,用global进行修改
针对全局可变类型,在函数内部可以直接修改全局变量的内容
利用global,在函数内部进行修改全局变量;此种方法慎用;以后尽量避免利用局部修改全局的名字
#不可变类型,利用global进行修改全局变量值x= 20
deffoo():globalx
x= 30foo()print(x) #此时x的值已经被修改,变为30
#可变类型的全局变量,在函数内部进行直接修改l=[]deffoo():
l.append("jack")
foo()print(l) #此时l已经变为:['jack']
3.3 nonlocal
nonlocal,修改的局部变量的上一层变量,只是修改局部的变量;
x =0deff1():
x= 100
deff2():
x= 200
deff3():
nonlocal x
x= 300f3()print(x) #利用nonlocal定义的变量 进行修改上一层的局部变量
f2()print(x) #nonlocal只修改上一层局部变量,此时打印f1定义的变量
f1()
3.2 作用域关系
作用域关系:在函数定义时就已经确定,与调用位置无关;在调用函数时,必须回到函数原来定义的位置去找作用域关系
x = 1
deff1():deff2():print(x)returnf2
func=f1()
x= 10000func()#此时打印1000,只是打印的是x = 1定义的地方,只是在后面进行修改 x = 10000
#作用域关系,在定义阶段就已经确定,与调用位置无关
x= 1
deff1():deff2():print(x)returnf2deffoo(func):
x= 30000func()#相当于调用f2,打印x为1
foo(f1())
4. 闭包函数
4.1 定义
闭包函数简单理解就是:闭合、包裹的函数
闭包函数:定义在函数内部的函数,包含对外部作用域名字的引用,而不是对全局作用域名字的引用,那么该内部函数就称为闭包函数
4.2 实例
#wrapper称为闭包函数,定义deco内部的函数,并对外部x的引用,而变量x不是全局变量
defdeco():
x= 1000
defwrapper():print(x)returnwrapper
func=deco()
func()
4.3 闭包应用-惰性计算
爬网页的简单程序
import requests #pip3 install requests
defindex(url):defwrapper():#return requests.get(url).text
print(requests.get(url).text)returnwrapper
python_web= index("https://www.python.org")
baidu_web= index("https://www.baidu.com")
python_web()
baidu_web()
4.4 查看闭包函数参数
查看闭包函数外面包裹的参数
import requests #pip3 install requests
defindex(url):defwrapper():print(requests.get(url).text)returnwrapper
python_web= index("https://www.python.org")print(python_web.__closure__) #(,)
print(python_web.__closure__[0].cell_contents) #查看闭包函数的包裹的参数 https://www.python.org
5. 装饰器
5.1 基本概念
开放封闭原则:对扩展是开放的,对修改是封闭的
装饰器:装饰其他对象的工具
装饰器本身可以是任意可调用对象,被装饰的对象也可以是任意可调用对象
装饰器的遵循的原则:
1.不修改被装饰对象的源代码
2.不修改被调用对象的调用方式
装饰器的目的是:
在遵循1和2原则的前提,为其他可调用对象添加新功能
装饰器名:必须写在被装饰对象的正上方,并且是单独一行
5.2 装饰器前奏
5.2.1 修改源代码
importtimedefindex():
start_time=time.time()
time.sleep(2)print("from in index")
stop_time=time.time()print("run time is %s" % (stop_time -start_time))
index()
5.2.2 修改了调用方式
importtimedefwrapper(func):
start_time=time.time()
time.sleep(2)
func()
stop_time=time.time()print("run time is %s" % (stop_time -start_time))defindex():
time.sleep(2)print("from in index.")
wrapper(index)#修改了函数的调用方式
5.2.3 应用实例
importtimedeftimmer(func):defwrapper():
start_time=time.time()
func()
stop_time=time.time()print("run time is %s" %(stop_time -start_time))returnwrapper
@timmer#index=timmer(index)
defindex():
time.sleep(2)print("from in index")
@timmer#home=timmer(home)
defhome():
time.sleep(2)print("from in home")
index()
home()
运行结果:
from inindex
run timeis 2.0001142024993896
from inhome
run timeis 2.0001144409179688
5.3 被装饰的对象有参数
解决装饰器的闭包函数,能够适应有参数、无参数、各种各样的参数的形式
importtimedeftimmer(func):def wrapper(*args, **kwargs):
start=time.time()
func(*args, **kwargs)
stop=time.time()print('run time is %s' %(stop-start))returnwrapper
@timmer#home=timmer(home)
defhome(name):
time.sleep(2)print('welcome %s to home page' %name)
home('jack') #hom('jack') wrapper('jack')
5.4 被装饰的对象有返回值
有返回值的情况,需要在装饰器处理有返回值的情况,也就是在wrapper最后,利用return进行返回处理结果
importtimedeftimmer(func):def wrapper(*args, **kwargs):
start=time.time()
res=func(*args, **kwargs)
stop=time.time()print("run time is %s" %(stop-start))returnresreturnwrapper
@timmer#home=timmer(home)
defhome(name):
time.sleep(2)print("welcome %s to home page" %name)return "from home return ok."res= home('jack') #wrapper('jack')
print(res) #from home return ok.
5.5 装饰器:登录认证
实行认证功能的装饰器,需要对用户输入用户名和密码进行验证,在输入正确的情况下,才执行被装饰函数的内容。
5.5.1 无参数装饰器实现认证
current_user={'user':None}defauth(func):def wrapper(*args, **kwargs):if current_user['user']: #自带bool判断功能
return func(*args, **kwargs)
name=input('name:').strip()
password=input('password:').strip()
with open('db.txt', encoding='utf-8') as f:
user_dic=eval(f.read())if name in user_dic and password ==user_dic[name]:
res=func(*args,**kwargs)
current_user['user']=namereturnreselse:print('user or password error')returnwrapper
@auth#index=auth(index) index=wrapper
defindex():print('from index')
@authdefhome(name):print('welcome %s' %name)
index()#wrapper()
home('jack')
5.5.2 有参函数装饰器
current_user={"user":None}def auth(auth_type="file"):defdeco(func):def wrapper(*args, **kwargs):if auth_type == "file":if current_user["user"]:return func(*args, **kwargs)
name= input("name:").strip()
password= input("password:").strip()
with open("db.txt", encoding="utf-8") as f:
user_dic=eval(f.read())if name in user_dic and password ==user_dic[name]:
res= func(*args, **kwargs)
current_user["user"] =namereturnreselse:print("user or password error")elif auth_type == "mysql":print("mysql")elif auth_type == "ldap":print("ldap")else:print("not valid auth_type")returnwrapperreturndeco
@auth(auth_type="mysql") #@deco #index=deco(index)
defindex():print("from index")
@auth(auth_type='file')defhome(name):print("welcome %s" %name)
index()#wrapper()
home('jack')
5.6 装饰器的其他属性
5.6.1 被装饰函数的注释信息
需要导入functools模块,在被装饰的函数上方加@wraps(func)
from functools importwrapsdefdecorator(func):
@wraps(func)def wrapper(*args,**kwargs):
res= func(*args,**kwargs)returnresreturnwrapper
@decoratordefindex():'''这是注释index信息'''
print('from to index')return "in the index"
print(index.__doc__)#print(help(index))
5.6.2 一个函数被多个装饰器装饰
一个函数的多个装饰器,在上面的装饰器先执行,在下面的装饰器后执行
deftimmer(func):def wrapper(*args, **kwargs):print("this is timmer.")
res=func(*args,**kwargs)returnresreturnwrapperdef auth(auth_type='file'):defdeco(func):def wrapper(*args, **kwargs):print("this is auth.")return func(*args, **kwargs)returnwrapperreturndeco
@timmer#index=timmer(wrapper)
@auth() #@deco #index=deco(index) #wrapper
defindex():'''这是index函数'''
print('welcome to index')return "from in index"index()
6. 迭代器
6.1 解析
迭代:是一个重复的过程,每一次重复,都是基于上一次的结果而来;取出序列类型的元素,就是迭代
序列类型:列表、元组、字符串
下面的方法按照索引的取值方式,不适用没有索引的数据类型
l=['aa','bb','cc','dd']
count=0while count
count+=1
不依赖索引方式,进行取值,就是迭代器;迭代非序列类型编程可能。
6.2可迭代对象
可迭代对象iterable:凡是对象下有__iter__方法:对象.__iter__,该对象就是可迭代对象
s='hello' #字符串
l=['a','b','c','d'] #列表
t=('a','b','c','d') #元组
dic={'name':'egon','sex':'m'} #字典
set1={1,2,3} #集合
f=open('db.txt') #文件
s.__iter__()
l.__iter__()
t.__iter__()
dic.__iter__()
set1.__iter__()
f.__iter__()
6.3迭代器对象
迭代器对象:可迭代对象执行内置的__iter__方法,得到的结果就是迭代器对象
迭代器:本身也是可迭代对象
什么是迭代器对象:
1.有__iter__,执行得到仍然是迭代本身
2.有__next__方法
dic = {'name': 'egon', 'sex': 'm', "age": 18}
i= dic.__iter__()#print(i) #iterator迭代器
#i.__next__() #next(i)
print(next(i))print(next(i))print(next(i))print(next(i)) #StopIteration
l= ['a', 'b', 'c', 'd']
i= l.__iter__()print(next(i))print(next(i))print(next(i))print(next(i))print(next(i)) #StopIteration
可以不依赖于索引的取值方式
l=['a','b','c','d']
dic={'name':'egon','sex':'m',"age":18}
iter_l=iter(l)
iter_dic=iter(dic)whileTrue:try:#print(next(iter_l))
k=next(iter_dic)print(k,dic[k])exceptStopIteration:break
6.4迭代器优缺点
迭代器对象的优点
1:提供了一种统一的(不依赖于索引的)迭代方式
2:迭代器本身,比起其他数据类型更省内存
l = ['a', 'b', 'c', 'd']
i=iter(l)
dic= {'a': 1, 'b': 2}
x=dic.keys()print(x)
i= x.__iter__() #执行__iter()__,成为迭代器对象;可以对i执行next()的方法
#文件是迭代器对象
with open('a.txt') as f:#print(next(f))
#print(next(f))
#print(next(f))
f.read()
迭代器对象的缺点
1:一次性,只能往后走,不能回退,不如索引取值灵活
2:无法预知什么时候取值结束,即无法预知长度
l=['a','b','c','d']
i=iter(l)print(next(i))print(next(i))print(next(i))
6.5 for循环原理
for循环遵循迭代器协议,有__iter__方法,还有__next__方法。
for循环,利用迭代器,进行循环;for,可跟可迭代对象的数据类型;自动进行捕捉异常,自动调用__iter__方法
例如列表:for循环,先调用__iter__方法,变为迭代器对象,然后再进行循环
迭代器:有__iter__方法,为for循环准备的。
l=['a','b','c','d']for item in l: #iter_l=l.__iter__()
print(item)for item in {1,2,3,4}: #可循环集合
print(item)
with open('a.txt') as f:#for line in f: #i=f.__iter__() 可循环文件 把文件变成可迭代对象
#print(line)
print(f is f.__iter__())
6.6 判断可迭代对象、迭代器对象
需要利用模块Iterable、Iterator进行判断
from collections importIterable,Iterator
s='hello'l=['a','b','c','d']
t=('a','b','c','d')
dic={'name':'egon','sex':'m',"age":18}
set1={1,2,3}
f=open('a.txt')#判断是否可迭代对象;所有对象都是可迭代对象
print(isinstance(s,Iterable))print(isinstance(l,Iterable))print(isinstance(t,Iterable))print(isinstance(dic,Iterable))print(isinstance(set1,Iterable))print(isinstance(f,Iterable))#判断是否迭代器对象
print(isinstance(s,Iterator))print(isinstance(l,Iterator))print(isinstance(t,Iterator))print(isinstance(dic,Iterator))print(isinstance(set1,Iterator))print(isinstance(f,Iterator)) #只有文件是迭代器对象
7. 生成器
7.1 简介
生成器:在函数内部包含yield关键,那么该函数执行的结果是生成器
生成器就是迭代器
yield的功能:
1 把函数的结果做成迭代器(以一种优雅的方式封装好__iter__,__next__)
2 函数暂停与再继续运行的状态是由yield保存
7.2 应用实例
实例1:
deffunc():print("first")yield 111
print("second")yield 222
print("third")yield 333
print("forth")
g=func()from collections importIteratorprint(isinstance(g,Iterator)) #生成器就是迭代器
#print(next(g))#print('======>')#print(next(g))#print('======>')#print(next(g))#print('======>')#print(next(g))
for i in g: #i=iter(g)
print(i)
实例2:
产生无穷无尽的值,是个重复的过程。利用生成器解决此问题。
deffunc(n):print('我开动啦')whileTrue:yieldn
n+=1g= func(0) #没有任何执行效果#print(next(g))#print(next(g))
for i ing:print(i)
实例3:
模拟range功能,在python3中,range只是一个迭代器对象,并没有产生所需数据。
defmy_range(start,stop):whileTrue:if start ==stop:raiseStopIterationyieldstart
start+=1g= my_range(1,5) #是个生成器,就是一个迭代器
print(next(g))print(next(g))print(next(g))for i in my_range(1,5):print(i)
7.3 yield与return的比较
相同:都有返回值的功能
不同:return只能返回一次值,而yield可以返回多次值
7.4 模拟tail、grep
#python3 tail.py -f access.log | grep 'error'
importtimedeftail(filepath):
with open(filepath,'r') as f:
f.seek(0,2)whileTrue:
line=f.readline()ifline:yieldlineelse:
time.sleep(0.2)defgrep(pattern,lines):for line inlines:if pattern inline:print(line,end='')
grep('error',tail('access.log'))
8. 三元表达式
deffoo(x):if x > 3:return 'ok'
else:return 'no'
#利用三元表达式,使代码更简洁
x = 5res= x if x > 3 else 'no'
print(res)defmax2(x,y):return x if x > y elseyprint(max2(1,3))
name='egon'
print('SB' if name == 'alex' else 'shuai')
9. 列表解析
列表解析,也就是列表生成式
列表解析,直接在列表中,写for循环进行生产列表
l=[]for i in range(10):
l.append('egg%s' %i)print(l)#产生10个值的列表
l=['egg%s' %i for i in range(10)]print(l)#按照条件,产生一个列表,支持if判断,不支持else
l=['egg%s' %i for i in range(10) if i > 5] #只有条件成立执行,不支持else
print(l)#对原列表进行附加操作,进行生产新列表
nums=[1,2,3,4,5,6]
nums_new=[item**2 for item in nums if item > 3]print(nums_new)#对原列表根据条件进行筛选,生产新列表
names=['alex_sb','wupeiqi_sb','egon','yuanhao_sb']
names_new=[name for name in names if name.endswith('sb')]print(names_new)
10. 生成器表达式
g=('egg%s' %i for i in range(1000))
上面就是生成器,其实就是迭代器;每次在内存中就只有一条值
场景:数据量大的场景,
生成器:就是生成值。
生成器表达式:就是拿到生产数据的机器。
实例1:
g=('egg%s' %i for i in range(1000))print(g)print(next(g))print(next(g))print(next(g))
实例2:
#获取文件最长一行的值
with open('db.txt',encoding='utf-8') as f:
res= max(len(line) for line in f) #python提供简写的形式,去掉多余的小括号
print(res)
实例3:
模拟求总价
with open('a.txt',encoding='utf-8') as f:
l= ( float(line.split()[1]) * int(line.split()[2]) for line in f) #解决文件过大的问题
print(sum(l))#等价于
with open('a.txt', encoding='utf-8') as f:
l=[]for line inf:
goods=line.split()
price=float(goods[1])
count=int(goods[2])
cost=price *count
l.append(cost)print(sum(l)) #196060.0
实例4:
模拟数据库查询,根据条件进行查询
#[{'name': 'apple', 'price': 333, 'count': 3}, ]
with open('a.txt',encoding='utf-8') as f:
info=[
{'name':line.split()[0],'price':float(line.split()[1]),'count':int(line.split()[2])
}for line in f if float(line.split()[1]) >= 30000]print(info)