6.4.5 参数收集的逆过程
假设有如下函数:
def add(x,y): return x+y
比如说有个包含由两个相加的数字组成的元组:
params = (1,2)
使用*运算符对参数进行“分配”,不过是在调用而不是在定义时使用:
>>> add(*params)
3
======
同样,可以使用 双星号 运算符来处理字典。
假设之前定义了hello_3,那么可以这样使用:
>>> params = {'name':Sir Robin','greeting':'Well met'}
>>> hello_3(**params)
Well met.Sir Robin
星号只在 定义函数(允许使用不定数目的参数)或者 调用(“分割”字典或者序列)时才有用。
6.5 作用域
在执行x=1赋值语句后,名称x引用到值1。这就像是使用字典一样,键引用值。当然,变量和所对应的值用的是个“不可见”的字典。
內建的vars函数可以返回这个字典:
>>> x = 1
>>> scope = vars()
>>> scope['x']
1
>>> scope['x'] += 1
>>> x
2
这类“不可见字典”叫做 命名空间 或者 作用域 。除了全局作用域外,每个函数调用都会创建一个新的作用域:
>>> def foo(): x = 42
...
>>> x = 1
>>> foo()
>>> x
1
这里的foo函数改变(重绑定)了变量x,但是在最后的时候,x并没有变。这是因为当调用foo的时候,新的命名空间就被创建了,它作用于foo内的代码块。赋值语句x=42只在内部作用域(局部命名空间)起作用,所以它并不影响外部(全局)作用域中的x。
函数内的变量被称为局部变量(local variable),这是与全局变量相反的概念。参数的工作原理类似于局部变量,所以用全局变量的名字作为参数名并没有问题。
>>> def output(x): print x
...
>>> x = 1
>>> y = 2
>>> output(y)
2
======
重绑定全局变量:
如果在函数内部将值赋予一个变量,它将会自动成为局部变量——除非告知Python将其声明为全局变量:
>>> x = 1
>>> def change_global():
global x
x = x + 1
>>> change_global()
>>> x
2
======
嵌套作用域
Python的函数是可以嵌套的:
def foo():
def bar():
print "Hello,World!"
bar()
函数嵌套有一个很突出的应用,例如需要一个函数“创建”另一个。也就意味着可以像下面这样(在其他函数内)书写函数:
def multiplier(factor):
def multiplier(number):
return number*factor
returnmultiplyByFactor
一个函数位于另外一个里面,外层函数返回里层函数。也就是说函数本身被返回了,但并没有被调用。重要的是返回的函数还可以访问它的定义所在的作用域。换句话说,它“带着”它的环境(和相关的局部变量)。
每次调用外层函数,它内部的函数都被重新绑定。factor变量每次都有一个新的值。由于Python的嵌套作用域,来自(`multiplier的)外部作用域的这个变量,稍后会被内层函数访问:
>>> double = multiplier(2)
>>> double(5)
10
>>> triple = multiplier(3)
>>> triple(3)
9
>>> multiplier(5)(4)
20
类似multiplayByFactor函数存储子封闭作用域的行为叫做闭包(closure)。
6.6 递归
递归的定义(包括递归函数定义)包括它们自身定义内容的引用。
关于递归,一个类似的函数定义如下:
def recursion():
return recursion()
理论上讲,上述程序应该永远地运行下去,然而每次调用函数都会用掉一点内存,在足够的函数调用发生后(在之前的调用返回后),空间就不够了,程序会以一个“超过最大递归深度”的错误信息结束。
这类递归就做无穷递归(infinite recursion),类似于以while True开始的无穷循环,中间没有break或者return语句。因为(理论上讲)它永远不会结束。
有用的递归函数包含以下几个部分:
当函数直接返回值时有基本实例(最小可能性问题)
递归实例,包括一个或者多个问题较小部分的递归调用。
这里的关键就是将问题分解成小部分,递归不可能永远继续下去,因为它总是以最小可能性问题结束,而这些问题又存储在基本实例中的。
当每次函数被调用时,针对这个调用的新命名空间会被创建,意味着当函数调用“自身”时,实际上运行的是两个不同的函数(或者说是同一个函数具有两个不同的命名空间)。实际上,可以将它想象成和同种类的一个生物进行对话的另一个生物对话。
6.6.1 递归经典案例:阶乘和幂
计算数n的的阶乘:
def factorial(n):
result = n
for i in range(1,n):
result *= 1
return result
递归实现:
1的阶乘是1;
大于1的数n的阶乘是n乘n-1的阶乘。
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
======
计算幂
例子:power(x,n)(x为n的幂次)是x自乘n-1次的结果(所以x用作乘数n次。
def power(x,n):
result = 1
for i in range(n):
result *= x
return result
递归实现:
对于任意数字x来说,`power(x,0)是1;
对于任何大于0的书来说,power(x,n)是x乘以(x,n-1)的结果。
def power(x,n):
if n == 0:
return 1
else:
return x * power(x,n-1)
6.6.2 递归经典案例:二分法查找
递归实现:
如果上下限相同,那么就是数字所在位置,返回;
否则找到两者的中点(上下限的平均值),查找数字是在左侧还是在右侧,继续查找数字所在的那半部分。
def search(sequence,number,lower,upper):
if lower == upper:
assert number == sequence[upper]
return upper
else:
#整数除法//,浮点数除法/
middle = (lower + upper) // 2
if number > sequence[middle]:
return search(sequence,number,middle+1,upper)
else:
return search(sequence,number,lower,middle)
提示:标准库中的bisect模块可以非常有效地实现二分查找。
补充:函数式编程
Python在应对“函数式编程”方面有一些有用的函数:map、filter和reduce函数(Python3.0中都被移至fuctools模块中)。
map和filter在目前版本的Python并非特别有用,并且可以使用列表推导式代替。不过可以使用map函数将序列中的元素全部传递给一个函数:
>>> map(str,range(10)) #Equivalent to [str(i) for i in range(10)]
['0','1','2','3','4','5','6','7','8','9']
filter函数可以基于一个返回布尔值的函数对元素进行过滤。
#island 判断字符变量是否为字母或数字,
#若是则返回非零,否则返回零
>>> def fun(x):
return x.isalnum()
>>> seq = ["foo","x41","?!","***"]
>>> filter(func,seq)
['foo','x41']
本例中,使用列表推导式可以不用专门定义一个函数:
>>> [x for x in seq if x.isalnum()]
['foo','x41']
事实上,还有个叫做lambda表达式的特性,可以创建短小的函数。
>>> filter(lambda x: x.isalnum().seq)
['foo','x41']
=======
reduce函数一般来说不能轻松被列表推导式替代,但是通常用不到这个功能。它会将序列的前两个元素与给定的函数联合使用,并且将它们的返回值和第3个元素继续联合使用,直到整个序列都处理完毕,并且得到一个最终结果。
可以使用reduce函数加上lambda x,y:x+y(继续使用相同的数字):
>>> numbers = [72,101,108,108,111,44,32,119,111,114,108,100,33]
>>> reduce(lambda x,y:x+y,numbers)
1161
当然,这里也可以使用内建函数sum。
6.7 小结
抽象。抽象是隐藏多余细节的艺术。定义处理细节的函数可以让程序更抽象。
函数定义。函数使用def语句定义。它们是由语句组成的块,可以从“外部世界”获取值(参数),也可以返回一个或者多个值作为运算的结果。
参数。函数从参数中得到需要的信息,也就是函数调用时设定的变量。Python中有两类参数:位置参数 和 关键数参数。参数在给定默认值时是可选的。
作用域。变量存储在作用域(也叫作命名空间)中。Python有两类主要的作用域——全局作用域 和 局部作用域。作用域可以嵌套。
递归。 函数可以调用自身即递归。一切用递归实现的功能都能用循环实现,但是有些时候递归函数更易读。
函数式编程。Python有一些进行函数式编程的机制。包括lambda表达式以及map、filter和reduce函数。
6.7.1 本章的新函数
| 函数 | 描述 |
| ------------- |:-------------|
| map(func,seq[,seq,...])| 对序列中的每个元素应用函数 |
| filter(fuc,seq) | 返回其函数为真的元素的列表 |
| reduce(func,seq[,initial]) | 等同于func(func(func(seq[0],seq[1],se1[2]... |
| sum(seq) | 返回seq所有元素的和 |
| apply(func,args[,kwargs]] | 调用函数,可以提供参数 |
第7章 更加抽象
在面对对象程序设计中,术语对象(object)基本上可以看做数据(特性)以及由一系列可以存取、操作这些数据的方法所组成的集合。使用对象替代全局变量和函数的原因可能有很多,其中对象最重要的优点包括以下几方面:
多态(Polymorphism):意味着可以对不同类的对象使用同样的操作,它们会像“被施了魔法一般”工作。
封装(Encapsulation):对外部世界隐藏对象的工作细节。
继承(Inheritance):以通用的类为基础建立专门的类对象。
7.1.1 多态
术语多态的意思是“有多种形式”。多态意味着就算不知道变量所引用的对象类型是什么,还是能它进行操作,而它也会根据对象(或类)类型的不同而表现出不同的行为。
repr函数是多态特性的代表之一,可以对任何东西使用:
def length_message(x):
print "The length of",repr(x),"is",len(x)
>>> length_message('Fnord')
The length of 'Fnord' is 5
>>> length_message([1,2,3])
The length of [1,2,3] is 3
很多函数和运算符都是多态的——你写的绝大多数程序可能都是,只要使用多态函数和运算符,就会与“多态”发生关联。事实上,唯一能毁掉多态的就是使用函数显式地检查类型,比如type、isinstance以及issubclass函数等等。如果可能的话,应该尽力避免使用这些毁掉多态的方式。真正重要的是如何让对象按照你所希望的方式工作,不管它是不是真正的类型(或者类)。
7.1.2 封装
封装是指向程序中的其他部分隐藏对象的具体实现细节的原则。
但是封装并不等同于多态,多态可以让用户对于不知道什么是类(对象类型)的对象进行方法调用,而封装是可以不用关心对象是如何构建的而直接进行使用。
基本上,需要将对象进行抽象,调用方法的时候不用关心其他的东西,比如它是否干扰了全局变量。
可以将其作为 特性(attribute) 存储。特性是作为变量构成对象的一部分,事实上方法更像是绑定到函数上的属性。
对象有着自己的状态(state)。对象的状态由它的特性(比如名称)来描述。对象的方法可以改变它的特性。所以就像是将一大堆函数(方法)捆在一起,并且给予他们访问变量(特性)的权力。它们可以在函数调用之间保持保存的值。
7.1.3 继承
略
7.2 类和类型
7.2.1 类到底是什么
类是一种对象,所有的对象都属于某一个类,称为类的实例(instance)。
当一个对象所属的类是另外一个对象所属类的子集时,前者就被称为后者的 子类(subclass),所以“百灵鸟类”是“鸟类”的子类。相反,“鸟类”是“百灵鸟类”的“超类”(superclass)。但是,在面向程序设计中,子类的关系是隐式的,因为一个类的定义取决于它所支持的方法。类的所有实例都会包含这些方法,所以所有子类的所有实例都有这些方法。定义子类只是个定义更多(也有可能是重载已经存在的)方法的过程。
7.2.2 创建自己的类
7.2.3 特性、函数和方法
事实上,self参数正是方法和参数的区别。方法(更专业一点可以称为绑定方法)将它们的第一个参数绑定到所属的实例上,因此无需显式提供该参数。当然也可以将特性绑定到一个普通函数上,这样就不会有特殊的self参数了:
>>> class Class:
def method(self):
print 'I hava a self'
>>> def function():
print "I don't..."
>>> instance = Class()
>>> instance.method()
I hava a self!
>>> instance.method =function
>>> instance.method()
I don't...
注意,self参数并不依赖于调用方法的方式,前面使用的是instance.method(实例.方法)的形式,可以随意使用其他变量引用同一个方法:
>>> class Bird:
song = 'Squaawk!'
def sing(self):
print self.song
>>> bird = Bird()
>>> bird.sing()
Squaawk!
>>> birdsong = bird.sing
>>> birdsong()
Squaawk!
尽管最后一个方法调用看起来与函数调用十分相似,但是变量birdsongs引用绑定方法bird.sing上,也就意味着这还是会对self参数进行访问(也就是说,它仍旧绑定到类的相同实例上)。
再论私有化
默认情况下,程序可以从外部访问一个对象的特性:
>>> c.name
'Sir Lancelot'
>>> c.name = 'Sir Gumby'
>>> c.getName()
'Sir Gumby'
为了避免这类事情的发生,应该使用私有(private)特性,这是外部对象无法访问到,但getName和setName等访问器(accessor)能够访问的特性。
Python并不直接支持私有防暑,为了让方法或者特性变为私有(从外部无法访问),只要在它的名字前面加上双下划线即可。
class Secretive:
def __inacessible(self):
print "Bet you can't see me.."
def accessible(self):
print "The secret message is:"
self.__inaccessible
现在,__inaccessible从外界是无法访问的,而在类内部还能使用(比如从accessible)访问:
>>> s = Secretive()
>>> s.__inaccessible()
Traceback (most recent call last):
File "",;ine 1, in ?
s.__inaccessible()
AttributeError: Secretive instance has no attribute '__inaccessible'
>>> s.accessible()
The secret message is:
Bet you can't see me...
尽管双下划线有些奇怪,但是看起来像是其他鱼鱼中的标准的私有方法。而在类的内部定义中,所有以双下划线开始的名字都被“翻译”成前面加上单下划线类名的形式。
>>> Secretive._Secret__inaccsible
但实际上还是能够在类外访问这些私有方法,尽管不应该这么做:
>>> s._Secretive.__inaccessible
Bet you can't see me..
简而言之,确保他人不会访问对象的方法和特性是不可能的,但是这类“名称变化”是提醒他们不应该访问这些函数或者特性的强有力信号。
如果不需要使用这种方法但是又想让其他对象不要访问内部数据,那么可以使用单下划线,这不过是个习惯,但的确有实际效果。例如,前面有下划线的名字都不会被带星号的import语句(from module import *)导入。
7.2.4 类的命名空间
下面的两个语句几乎等价:
def foo(x):return x*x
foo = lambda X:x*x
两者都创建了返回参数平方的函数,而且都将变量foo绑定到函数上。变量foo可以在全局(模块)范围内进行定义,也可处在局部的函数或方法内。定义类时,太阳的事情也会发生,所有位于class语句中的代码块都在特殊的命名空间中执行——类命名空间(class namespace)。这个命名空间可由类内所有成员访问。但并不是所有Python程序员都知道类的定义其实就是执行代码块。
7.2.5 指定超类
子类可以拓展超类的定义。将其他类名写在class语句后的圆括号内可以指定超类。
7.2.6 检查继承
如果想要查看一个类是否是另一个的子类,可以使用内建的issubclass函数。
如果想要知道已知类的基类(们),可以直接使用它的特殊特性__base__:
同样,还能使用isinstance方法检查一个对象是否是一个类的实例:
7.2.7 多个超类
7.2.8 接口和内省
7.3 一些关于面向对象设计的思考
7.4 小结
第8章 异常
8.1 什么是异常