Self-study Python Fish-C Note13 P48to49

weixin_46530456

已于 2024-07-25 17:24:36 修改

阅读量656

点赞数 9

分类专栏：鱼C_python课程文章标签： python 开发语言

于 2024-07-24 19:38:52 首次发布

本文链接：https://blog.csdn.net/weixin_46530456/article/details/140671656

版权

鱼C_python课程专栏收录该内容

12 篇文章 0 订阅

订阅专栏

函数 (part 3)

本节主要讲函数的 lambda 表达式，生成器

lambda 表达式（匿名函数）（P48)

匿名函数（lambda 表达式）语法规则：lambda arg1, arg2, arg3, ... argN : expression。
其中 arg 为参数，expression 为函数实现的表达式以及返回值
我们把lambda表达式作为极致精简的函数，相当于传统函数定义的：
def <lambda> (arg1,arg2,arg3,... argN): return expression
示例 1：

# 传统定义的函数
def squareX(x):
    return x*x
squareX(3)

# lambda 表达式
squareY = lambda y : y*y
squareY(3)

# 传统定义的函数函数名就是一个函数的引用
squareX

<function __main__.squareX(x)>

# 而 lambda 表达式，整个表达式就是一个函数的引用
squareY

<function __main__.<lambda>(y)>

两者重大的区别就是，lambda 是一个表达式，可以用在常规函数不可能存在的地方。
示例2：lambda 表达放入列表（这里只是做示例示范可以，但不推荐大家开发的时候这么写哈）

y = [lambda x:x*x,2,3]
y[0](y[1]) # 把 y 列表的第二个值(2),传入列表第一个值 lambda 表达式中

lambda 表达式与 map，filter 等函数合用。这两者的参数都是要求传入一个用于计算的函数，此时就可以使用 lambda 表达式。
比如 map 函数，第一个参数就是传入一个函数的引用，第二个参数要求是序列类型，其会把每个元素挨个传递给第一个参数指定的函数，在运算之后把结果构成一个迭代器返回。
示例3：

mapped = map(lambda x:ord(x)+10, 'abcdef')
list(mapped)

[107, 108, 109, 110, 111, 112]

# 如果我们用传统的函数
def tradation(x):
    return ord(x)+10
list(map(tradation,'abcdef'))

[107, 108, 109, 110, 111, 112]

# 再比如我们用在 filter 上
list(filter(lambda x : x%2,range(10))) # 求 10 以内的所有奇数

[1, 3, 5, 7, 9]

总结，lambda 是一个表达式而非语句，所以它能够出现在 Python 语法不允许 def 语句出现的地方（优势）。但由于所有的功能代码都局限在一个表达式中实现，因此 lambda 通常也只能实现那些较为简单的需求。一般来讲，匿名函数用于实现简单的需求，def 语句负责用于定义功能复杂的函数，去处理复杂的工作。

生成器 (generator) （P49)

对于调用一个普通的 Python 函数来说，一般我们都是从函数的第一行代码开始执行的，当所有语句执行完毕，或者遇到 return 语句的时候，这个函数就算是结束了。一旦函数将控制权交还给调用者的时候，这就意味这这个函数的结束。函数中做的所有工作，以及保存在局部变量中的数据也都会丢失。当再次调用的时候，一切从头开始。
有没有办法让函数在退出之后还能保留状态呢？使用闭包或者全局变量。不过过多使用全局变量会污染命名空间，闭包的定义又相对复杂。
此时，生成器 (generator) 就是一个更简单和安全的方法。
定义一个生成器：

在函数中使用 `yield` 表达式来代替 `return`语句

示例1：

def counter():
    i=0
    while i <= 3:
        yield i
        i+=1
# 这样我们就定义了一个 叫 counter 的生成器
# 现在我们调用 counter() 函数
counter() # 可以看到得到的不再是一个返回值，而是一个生成器对象 `generator object`

<generator object counter at 0x0000017F4A3B8430>

# counter 现在是一个生成器了，我们可以在 for 中使用
for i in counter():
    print(i)

我们知道 for 语句，是从一个可迭代对象里面每次获取一个数据。这个 counter 生成器的作用就是每次调用的时候提供一个数据，注意是提供一个数据。
更深入讲，每次在执行到 yield i的时候，就生成一个数据，暂停并保留状态。下一次调用则从下一个语句 i+=1开始继续执行。
注意：生成器它不像是列表，元组之类的可迭代对象，生成器可以看作是一个制作机器，他的作用就是每调用一次提供一个数据，并且会记住当时的状态。而列表元组这些可迭代对象则是容器，他们里面存放的是早已经准备好的所有数据。生成器是一种特殊的迭代器，他首先不走回头路，其次支持 next()函数

c = counter()
next(c)

next(c)

next(c)

next(c)
# 如果再 使用 next(c) 就会抛出 StopIteration 的异常

由于生成器每调用一次获取一个结果的特性，所以生成器对象是无法使用下标索引这种随机访问的方式的

c = counter()
print(next(c))
print(next(c)) # 此时 c 的状态 i =1
print('_'*30)
for i in c: # 再调用是从 i=1开始 i=i+1
    print(i)

0
1
______________________________
2
3

示例2：
使用生成器来实现斐波那契数列
斐波那契数列：由 0 和 1 开始，之后的斐波那契数就是由之前的两数相加而得出:0,1,1,2,3,5,8 …

def fib():
    back1,back2 = 0,1
    while True:
        yield back1
        back1,back2 = back2,back1+back2
        
f = fib()
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))

这里我们写了一个无限的斐波那契数列，如果我们不小心用到了 for 上，他就会一直生成下去。此时要用 control+C 强制退出，否则会一直进行下去

生成器表达式 (generator expression)

在之前的课程中我们提到过，列表有列表推导是而元组则没有。这里就可以做一个解答，列表推导式的 [] 换成 ()，其实就变成了生成器表达式。
示例：

(i**2 for i in range(3))

<generator object <genexpr> at 0x0000017F4A3C49E0>

t = (i**2 for i in range(3)) # range(3) 包括 0，1，2 不包括 3
print(next(t))
print(next(t))
print(next(t))

0
1
4

这种利用推导的形式获得生成器的方法，我们称之为生成器表达式。生成器表达式和列表推导式最大的不同就是，列表推导式会一下子将所有数据生产出来并放到一个列表中，但是生成器表达式一次只生成一个数据。
总结来说，生成生成器的两种方法一个就是使用 yield 表达式，另一个就是直接使用生成器表达式。

附言：题目：Self-study Python Fish-C Note-13 P48-P49 本文为自学B站上鱼C的python课程随手做的笔记。一些概念和例子我个人为更好的理解做了些查询和补充因本人水平有限，如有任何问题，欢迎大家批评指正！原视频链接：https://www.bilibili.com/video/BV1c4411e77t?p=8