python 基础
python基础
# 是注释。通过空格进行缩进，当一行语句以 : 结尾时，缩进的语句视为一段代码块。按约定俗成的规范，使用4个空格进行缩进。最后代码就类似这样：
# output name
a = 100
if a > 10:
print("a>10")
else:
print("a<=10")
1. 数据类型和变量
1.1. 数据类型
整数：例如：1, -10, 0等。十六进制表示整数方式为：以 0x 为前缀，后面为0-9, a-f，例如：0x11af
浮点数：例如：0.12, -0.1。对于很大的浮点数就用科学计数法表示，把10用e表示，例如：1.23 * 10的9次方表示为1.23e9 或 12.3e8
整数和浮点数在计算器存储方式不同，整数运算永远是精确的，但是浮点数可能会出现四舍五入的误差。
1.2. 字符串
字符串：以 单引号'' 或 双引号"" 括起来的文本，例如：'abc', "abc"。
\ 是转义符，例如：'I\'m ok' 中\转义字符串内部中的'，输出结果为 I'm ok。此外 \n 表示换行符，\t 表示制表符。
为了简化，还可以通过 r'' 表示''内部的字符串不转义。通过'''...'''来表示很多行，示例：
>>> print('\转义: ', '\\\t\\')
\转义: \ \
>>> print('不转义:', r'\\\t\\')
不转义: \\\t\\
>>> print('多行： ', '''line1
... line2
... line3''')
多行： line1
line2
line3
1.3. 布尔值
布尔值只有 True 和 False 两种，可以通过 and, or, not 分别进行与、或、非运算。例如：
>>> True and True True >>> True or Flase True >>> not 5 > 1 False
1.4. 空值
空值使用 None 表示，类似null的含义。
1.5. 变量
变量可以是任意数据类型，变量名必须是 大小写、数字、_ 组成，不能以数字开头。变量通过 = 赋值，例如：a = 123 将变量a赋值为整数123。
python是动态语言，变量的类型是不固定的。而例如Java则是静态语言，变量在定义时必须指定类型，例如：int a = 123;，赋值时候如果类型不匹配，
则编译时会报错。与静态语言相比，动态语言更灵活。
1.6. 常量
常量就是不能变的变量。一般习惯上将常量大写。
python中除法有 / 和 //。/ 计算结果是浮点数，// 计算结果则为整数。通过 % 来取两个整数相除的余数。例如：
>>> 10 / 3 3.3333333333333335 >>> 10 // 3 3 >>> 10 % 3 1
2. 字符串和编码
2.1. 字符串
python中的字符串类型为str，在内存中以Unicode表示，一个字符对应若干字节。如果在网络上传输或保存到磁盘，就需要把str转化为字节bytes。bytes类型数据用带b前缀的单引号或双引号表示：x = b'abc'，注意 abc是str类型，而b'abc'则是bytes类型。
str通过encode()可以将编码为指定的bytes，例如：
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> 'abc'.encode('ascii')
b'abc'
>>> '中文'.encode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
英文的str可以用ASCII编码为bytes，中文的str可以用UTF-8编码为bytes，而中文的str无法通过ASCII编码，因为中文超出ASCII的编码范围，故报错。
bytes可以通过decode()方法解码为str，例如：
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'
>>> b'abc'.decode('ascii')
'abc'
通过len()可以计算str的字符数或bytes的字节数。例如：
>>> len('中文')
2
>>> len('中文'.encode('utf-8'))
6
操作字符串时，我们经常会将str和bytes互相转换，为了避免乱码的问题，一般推荐使用utf-8编码方式。
2.2. 格式化
python中的字符串格式化方式和C语言类似，都是通过%运算符实现。例如：
>>> "Hi, %s, you have %d" % ('peter', 100)
'Hi, peter, you have 100'
有几个占位符，后面就有几个变量，顺序要对应好。常见的占位符有：
- %s: 字符串
- %d: 整数
- %f: 浮点数，%.2f 表示保留2位小数
另一种格式化字符串的方法是使用字符串的format()方法，它会用传入的参数依次替换字符串内的占位符{0}、{1}...，例如：
>>> "Hi, {0}, you have {1:.2f}".format('peter', 3.1415926)
'Hi, peter, you have 3.14'
3. 基本数据结构
3.1 list
list是内置的数据结构：列表，表示有序的数据集合。例如：books = ['a', 'b', 'c']，books就是一个list。使用的一些方法如下：
>>> books = ['a', 'b', 'c'] >>> books ['a', 'b', 'c'] >>> len(books) # 计算list元素的个数 3 >>> books[0] # 通过索引访问list中的元素，索引下标从0开始 'a' >>> books[4] # 超出list的范围会报IndexError错误，最后一个下标是 len-1 Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: list index out of range >>> books[-1] # 下标-1代表最后一个元素，-2是倒数第二个元素，以此类推 'c' >>> books[-2] 'b' >>> books.append(True) # 往list队尾添加元素 >>> books.insert(1, ['abc', 'def']) # 往list指定下标位置(1)添加元素 >>> books # list内的元素可以是不同的类型 ['a', ['abc', 'def'], 'b', 'c', True] >>> books.pop() # 从队尾删除元素 True >>> books.pop(1) # 从list指定下标位置(index=1)删除元素 ['abc', 'def'] >>> books; ['a', 'b', 'c'] >>> books[1] = 'abc' # 可以类似数组，直接替换指定下标位置的元素 >>> list = list(range(5)) # 通过range()函数生成0-4的整数序列，再通过list()函数转换为list >>> list [0, 1, 2, 3, 4]
3.2 tuple
tuple是另一种有序数组，但和list不同的是tuple一经初始化就不能再修改，不能使用append()，pop()等修改方法。可以和list类似使用books[0]，books[-1]正常访问元素。不可变使得代码更安全。使用方法如下：
>>> books = (1,2,['a','b']) # 通过(... , ...)定义tuple >>> books (1, 2, ['a', 'b']) >>> books[2][1] 'b'
3.3 dict
dict全称为dictionary，是python的内置字典。使用 key-value 键值对存储，一个key只对应一个value。类似 java 中的 map，使用了哈希表的数据结构，有极快的查找速度。使用方法如下：
>>> dict = {'a':100, 'b':200, 'c':300}
>>> dict['c'] # 根据key获取value
300
>>> dict['Adam'] = 400 # 通过key放入value数据
>>> 'Adam' in dict # 判断key是否在字典中
True
>>> 'adam' in dict
False
>>> dict.get('Adam') # key如果不存在，则会返回None
400
>>> dict.pop('a') # 删除一个key-value对
100
注意：dict的key是不可变的
3.4 set
set和dict类似，也是一组key的集合，但不存储value。在set中，key不能重复。使用方法如下：
>>> set = set([1,2,3]) # 新建set，以list作为输入集合
>>> set.add(1) # 往set中添加元素，但set中元素不能重复
>>> set.remove(1) # 从set中移除元素
>>> s1 = set([1,2,3])
>>> s1
{1, 2, 3}
>>> s2 = set([2,3])
>>> s1 & s2 # 求s1和s2两个set的交集
{2, 3}
>>> s1 | s2 # 求s1和s2两个set的并集
{1, 2, 3}
4. 条件和循环
4.1. 条件判断
条件判读通过if, elif, else完成，完成形式如下：
if <条件判断1>:
<执行1>
elif <条件判断2>:
<执行2>
elif <条件判断3>:
<执行3>
else:
<执行4>
如果一个if判断为True，则会忽略下面的判断语句
4.2. 循环
循环方式有两种，一种是for...in循环，依次将list或tuple中的元素迭代出来，计算1-100的和：
sum = 0
for x in range(101):
sum += x
print(sum)
另一种方式是while循环，只要条件满足while后语句，就一直循环。计算1-100的和：
sum = 0
x = 1
while x <= 100:
sum += x
x += 1
print(sum)
可以通过break提前退出while循环，contince提前结束当前循环，进行下次循环。这两个语句通常需要配合if使用
三、 函数
1. 调用函数
如果想调用一个函数，需要知道这个函数的名称和参数。如abs()求绝对值的函数，只要一个参数，可以通过help(abs)查看该函数的帮助信息。
>>> abs(-1)
1
>>> abs(1,2)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: abs() takes exactly one argument (2 given)
>>> abs('abc')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: bad operand type for abs(): 'str'
如果传参的个数或类型不正确，会报TypeError错误，并提示错误信息。
函数名就是指向函数对象的引用，可以将函数名赋值给一个变量，相当于给函数起了个"别名"：
>>> a = abs # 将变量a指向函数abs() >>> a(-1) # 通过a调用abs()函数 1
2. 定义函数
定义函数使用def，函数的返回值使用return，例如：
def my_abs(x):
if not isinstance(x, (int, float)): # 检查 x 的数据类型
raise TypeError("type error") # 抛出TypeError异常
if x >= 0:
x;
else:
return -x;
print(my_abs(-1))
如果没有return值，则会返回None。
pass作为占位符，表示什么都不会做。如果没想好怎么写函数中的代码，可以先用pass让代码运行起来。而缺少了pass，代码会报错。
if x >= 0:
pass;
函数可以返回多个返回值，但其实是返回的单一值：tuple。但写起来方便，可以使用多个变量来接受一个tuple。
def test(x):
return 1,2
x, y = test('a')
print(test('a'))
输出：
(1, 2)
3. 函数的参数
函数除了必选参数外，还提供了默认参数，可变参数和关键字参数，使得定义的函数能处理复杂的参数，简化开发者的调用。
1）默认参数：先定义power函数，计算x的n次方：
def enroll(name, gender, age=6, city='Beijing'):
# 第3、4个参数设置默认值
print('name:', name)
print('gender:', gender)
print('age:', age)
print('city:', city)
return
print(enroll('a', 'F')) # 等同于调用enroll('a','F',6,'Beijing')
print(enroll('a', 'F', city='BJ')) # 当参数不按定义的顺序传递时，需要把参数名写上，此时age还使用默认值
设置默认参数有几点需要注意：
- 必选参数在前，默认参数在后。否则无法判断参数的值该是哪个
- 变化大的参数放前面，变化小的参数放后面。变化小的可以设置为默认参数，好处就是降低了调用函数的难度。
- 默认参数必须指向不可变对象
2）可变参数，传入函数的参数个数是可变的，可以是0, 1...个。可变参数是在参数前面加上了*，例如：
def cacl(*number): # number接收的是一个tuple
for x in number:
print(x)
cacl()
cacl(1,2,3) # 函数可以传任意值
nums = [1,2,3]
cacl(*nums) # nums前加一个*，将list或tuple的值作为可变参数传递
3）关键字参数：允许传递0或任意个含参数名的参数，这些关键字参数在函数内部组装成一个dict。关键字参数可以扩展函数的功能。例如：
def person(name, age, **kw):
print('name', name, 'age', age, 'others', kw)
# 可传入任意个关键字参数
person('peter', 10, gender='M', job='Engineer')
# 可先组装dict，然后通过**dict将所有key-value用关键字参数传入函数的**kw，kw获得dict的一份拷贝，对kw的改动不会影响外面的dict
dict = {'gender':'M', 'job':'Engineer'}
person('peter', 10, **dict)
4）命名关键字参数：
函数调用者可以传入任意不受限制的关键字参数，在函数内部可以通过kw检查到底传递了哪些。例如：
def person(name, age, **kw):
if 'city' in kw: # 检查是否有city和job参数
print(kw['city'])
if 'job' in kw:
print(kw['job'])
print(name, age, kw)
如果要限制关键字参数的名字，可以使用命名关键字参数，和关键字参数**kw不同，命名关键字参数需要一个特殊的分隔符*，*后面的参数被视为命名关键字参数。例如：
def person(name, age, *, city, job): # 只接收city和job作为关键字参数
print(name, age, city, job)
# 命名关键字参数必须传入参数名，如果没有传入参数名，则调用会报错
person('name', 18, city='city', job='job')
4. 递归函数
函数内部可以调用其他函数，如果一个函数在内部调用本身，则这个函数是递归函数。例如：计算n的阶乘用递归方式写出来就是
def func(n):
if n == 1:
return 1
return n * func(n-1)
四、高级特性
利用python的一些高级特性，可以用1行代码实现很多功能，从而帮助我们提升了开发效率。
1. 切片
python提供了切片（Slice）操作符，用于取list或tuple的部分元素。
>>> L = ['a','b','c','d','e'] >>> L[0:3] # 取前3个元素，从索引0到索引3（但不包括索引3）的元素 ['a', 'b', 'c'] >>> L[:3] # 如果第一个索引是0，可以省略 ['a', 'b', 'c'] >>> L[-2:-1] # 倒数切片，倒数第2个元素，倒数第一个元素索引是-1 ['d'] >>> L[-2:] # 倒数前2个元素 ['d', 'e'] >>> L[0:5:2] # 取前5个元素，每2个取一次 ['a', 'c', 'e'] >>> L[::2] # 取所有元素，每2个取一次 ['a', 'c', 'e']
tuple是不可变的一种list，也支持切片操作，操作结果仍是tuple
>>> (1,2,3,4,5)[:3] (1, 2, 3)
字符串"abcde"也可看做是一个list，每个元素就是一个字符，也可以使用切片操作，其结果仍旧是字符串
>>> 'abcde'[:5:2] 'ace'
2. 迭代
如果给定一个list或tuple，可以使用for循环来遍历，这种遍历称为迭代（Iteration）。python中的迭代是通过for...in 来完成，不仅可迭代list/tuple。还可迭代其他对象。
# 迭代list
>>> l = list(range(10))
>>> for item in l:
... print(item)
# 迭代dict，由于dict的存储不是像list那样顺序存储，所有迭代结果可能不是按顺序的
>>> d = {'a':1, 'b':2}
>>> for key in d: # 默认是迭代的key
... print(key)
...
b
a
>>> for value in d.values(): # 迭代value
... print(value)
...
2
1
>>> for k,v in d.items(): # 迭代key和value
... print(k, v)
...
b 2
a 1
# 迭代字符串
>>> for ch in 'abc':
... print(ch)
...
a
b
c
当使用for时，只要作用与一个迭代对象，就可以正常运行，我们不需要关注迭代对象是list还是其他数据类型。可以通过collections模块的Iterable类型判断一个对象是否是可迭代对象：
>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str类型可迭代
True
>>> isinstance(123, Iterable) # 整数不可迭代
False
>>> dict={'a':1}
>>> isinstance(dict, Iterable) # dict类型可迭代
True
python内置的enumerate函数可以将list变成索引-元素对。这样可以在for中迭代索引和对象本身：
>>> l = ['a','b','c','d'] >>> for i,value in enumerate(l): ... print(i, value) ... 0 a 1 b 2 c 3 d
3. 列表生成式
python内置了简单而强大的生成list的方式，通过使用列表生成式可以写出非常简洁的代码。
# 生成 2-10 的list >>> L=list(range(2,11)) >>> L [2, 3, 4, 5, 6, 7, 8, 9, 10]
此外，还可以在for...in...后面加上if进行判断。例如：生成3-10中偶数的平方的list：
>>> L=[x * x for x in range(3,11) if x % 2 ==0] >>> L [16, 36, 64, 100]
等价于
>>> L=[] >>> for x in range(3,11): ... if x % 2 == 0: ... L.append(x * x) ... >>> L [16, 36, 64, 100]
列表生成式也可以使用两个变量来生成list：
>>> dict={'a':'1', 'b':'2'}
>>> [k+'='+v for k,v in dict.items()]
['b=2', 'a=1']
4. 生成器
通过列表生成器，可以直接创建一个列表。但是，假如创建一个包含100万个元素的列表，需要占用大量的内存空间，而我们只需要前几个元素，那么大多数元素占用的内存空间就浪费了。
对于这种情况，python提供了生成器（generator），能一边循环一边计算，从而不需要创建完整的list，节省了内存空间。
第一种创建generator生成器的方式：将[]改为()
>>> L = [x * x for x in range(1,10)] # 创建list >>> L # 打印list的每一个元素 [1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(1,10)) # 创建generator >>> g <generator object <genexpr> at 0x1024e0bf8> >>> next(g) # 用next()函数获取generator下一个返回值 1 >>> next(g) 4
next()会计算g的下一个元素，当没有元素时，会抛出StopIteration异常。generator是可迭代对象，可以使用for循环来代替next()
>>> g = (x * x for x in range(1,5)) >>> for n in g: ... print(n) ... 1 4 9 16
第二种创建generator生成器的方式：函数定义中使用yield，将函数变成generator
下面是生成菲波那切数列的函数，除第一个和第二个数之外，后面每个数等于前两个数的和：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
fib(6) # 输出菲波那切数列前6个数
这种逻辑非常类似generator，可以从第一个元素开始，推算后面任意的元素。将print(b)改为yield b，该函数就就变成了generator。generator和普通函数执行流程不一样：
- 普通函数是顺序执行，遇到
return或最后一行函数语句就会返回； - 而变为
generator的函数，每次调用next()的时候执行，遇到yield中断并返回值，再次调用next()时从上次yield语句处继续执行。
>>> def fib(max): ... n, a, b = 0, 0, 1 ... while n < max: ... yield b ... a, b = b, a + b ... n = n + 1 ... return 'done' ... >>> g = fib(6) # 生成generator对象 >>> g <generator object fib at 0x1024e0bf8> >>> next(g) # 调用next()函数不断获取后一个返回值 1 >>> next(g) 1 >>> next(g) 2 >>> next(g) 3 >>> next(g) 5 >>> next(g) 8 >>> next(g) # 此时 n = max, 没有yield可以执行了，所有调用就报错了 Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration: done >>> for n in fib(6): # 也可以使用for循环进行generator的迭代 ... print(n)
5. 迭代器
直接作用于for循环的数据类型有以下几种：
- 集合数据类型：
list,tuple,dict,set,str等 -
generator：包括生成器和带yield的生成器函数
这些可作用for循环的对象统称为可迭代对象：Iterable。可通过isinstance()判断一个对象是否是Iterable：
>>> isinstance([],Iterable) True >>> isinstance((x for x in range(10)),Iterable) True >>> isinstance(123,Iterable) False
生成器不仅可作用于for循环，还可被next()不断调用返回下一个值，直至抛出StopIteration，这类对象成为迭代器：Iterator，也可使用isinstance进行判断：
>>> from collections import Iterator >>> isinstance([],Iterator) False >>> isinstance((x for x in range(10)), Iterator) True
迭代器Iterator表示的是一个数据流，可将数据流看做是一个有序队列，但不能提前知道队列的长度，只能通过next()函数实时按需计算下一个元素的值。
五、函数式编程
1. 高阶函数
函数名是指向函数的变量，对于函数abs()，可将abs函数名看做变量，它指向可以计算绝对值的函数。另外，函数本身可以赋值给其他变量：
>>> abs(-10) # 调用求绝对值的函数 10 >>> abs # abs是函数本身 <built-in function abs> >>> f=abs # 将函数本身赋值给变量 >>> f <built-in function abs> >>> f(-10) # 通过变量来调用函数。直接调用abs()和调用变量f()相同 10
既然变量可以指向函数，函数的参数能接受变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称为高阶函数。函数式编程就是指这种高度抽象的编程范式。例如：
def add(x, y, f):
print(f(x) + f(y))
add(-5, 6, abs) # f=abs 作为参数传入, 最后计算abs(-5) + abs(6)
输出：11
1.1 map/reduce
map()函数接收两个参数，第一个是函数，第二个是Iterable（可迭代对象）。map将函数作用与序列的每一个元素，并作为结果返回Iterator（迭代器）。举例如下：
# 第一个参数str是str()函数，将list中的每个数字转化为str >>> result = map(str, [1,2,3,4,5]) >>> isinstance(result, Iterator) True >>> list(result) # 结果是Iterator惰性序列，通过list()函数将其转化为list ['1', '2', '3', '4', '5']
reduce()函数也接收两个参数，第一个是函数，第二个是Iterable。reduce将函数作用在序列上，将结果继续和序列的下一个元素做累积计算。效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
举例如下：将[1,3,5,7,9]转化为13579
>>> from functools import reduce >>> def fn(x, y): ... return x * 10 + y ... >>> reduce(fn, [1,3,5,7,9]) 13579
map()可以与reduce()配合起来使用：实现将str转化为int，只需要几行代码
>>> DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
# str也是一个Iterable
>>> reduce(lambda x, y:x*10 + y, map(lambda x:DIGITS[x], '13579'))
13579
1.2 filter
filter()也接收一个函数和一个Iterable序列，将函数依次作用与序列中的每个元素，然后保留返回True的元素，丢弃返回False的元素，最终返回Iterator序列。通过help()了解filter的说明：
>>> help(filter) Help on class filter in module builtins: class filter(object) | filter(function or None, iterable) --> filter object | | Return an iterator yielding those items of iterable for which function(item) | is true. If function is None, return the items that are true.
filter()主要是实现筛选功能。例如：筛选list中的奇数
>>> def is_odd(n): ... return n % 2 == 1 ... # filter返回Iterator序列,需要用list()来获取所有结果 >>> list(filter(is_odd, [1,2,3,4,5])) [1, 3, 5]
1.3 sorted
sorted()函数可以对Iterable序列进行排序。默认是从小到大的升序，也可指定reverse=True改为从大到小。它还可以接受一个函数key来自定义排序方法：该函数会作用与序列的每一个元素，然后根据key函数返回的结果进行排序。
# 对list进行排序 >>> sorted([1, -5, 3]) [-5, 1, 3] # 接收key函数实现自定义排序，按绝对值大小排序 >>> sorted([1, -5, 3], key=abs) [1, 3, -5] # 反向排序 >>> sorted([1, -5, 3], key=abs, reverse=True) [-5, 3, 1]
2. 返回函数
高阶函数除了能将函数作为参数，还可将函数作为返回值。例如：
>>> def lazy_sum(*args): ... def sum(): ... s = 0 ... for n in args: ... s = s + n ... return s ... return sum # 返回求和函数 ... >>> f=lazy_sum(1,2,3,4,5) # 调用lazy_sum时，返回求和函数而不是求和结果 >>> f <function lazy_sum.<locals>.sum at 0x101c09ae8> >>> f() # 调用f()时，才会计算求和结果 15
闭包：在上面的例子中，lazy_sum函数中定义了函数sum，内部sum函数可以引用外部函数lazy_sum的参数和局部变量（args）。当lazy_sum返回sum时，相关参数和变量（args）都保存在返回的sum函数中，这种成为闭包。返回闭包时候需要注意一点：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。
3. 匿名函数
我们在传入函数时，有时候不需要显式的定义函数，直接传入匿名函数更方便。关键字lambda表示匿名函数，例如：lambda x: x * x表示计算x的平方的函数，冒号前面的x表示函数参数，lambda只需要一个表达式，不需要写return，返回值就是表达式的值。
# map第一个参数为传入的函数 >>> list(map(lambda x : x * x, [1,2,3])) [1, 4, 9]
4. 装饰器
装饰器：在代码运行期间动态的增加函数功能的方式称为装饰器。例如：有一个now()函数，希望在函数调用的前后打印日志，而又不修改函数的定义，从而增加now()函数的功能。
# 定义能打印日志的装饰器，接收一个函数作为参数，并返回一个函数
import functools
def log(func):
# 将原始函数now的__name__等属性复制到wapper中，否则部分依赖函数签名的代码执行时会出错
@functools.wraps(func)
def wapper(*args, **kw):
print("call %s" % func.__name__)
return func(*args, **kw)
return wapper
# 使用@语法，将装饰器置于函数的定义处
@log
def now():
print("2018-01-01")
now() # 调用now函数，不仅运行now本身，也会在now之前打印一行日志
---
call now
2018-01-01
将@log放置在now函数定义处，相当于执行了now = log(now)，log()是一个装饰器，返回一个函数，所以现在now指向了新的函数wapper()（即在log内定义的函数）。wapper函数的参数定义是*args, **kw，因此wapper可以接收任何参数。
5. 偏函数
int()能将字符串转化为整数，默认是按10进制进行转化转换，还提供了额外的base参数来指定做N进制的转换。
>>> int('123')
123
>>> int('123', base=8) # 按8进制进行转换
83
可以通过functional.partial帮我们创建一个偏函数，创建一个新的函数int2()，将int()函数的base参数设置默认值，从而使用int2()函数转化2进制会更方便一些。注意：新的int2函数中base=2是默认值，也可以设置为其他值：
>>> import functools
>>> int2=functools.partial(int, base=2)
>>> int2('100101')
37
>>> int2('100101',base=10)
100101
六、模块
一个.py文件称为一个模块(module)，使用模块提升了代码的可维护性，编写完一个模块，可以在其他模块引用。使用模块还能避免函数和变量名冲突，相同名字的函数和变量可以在不同的模块中。如果为了避免模块名冲突，python又按目录来组织模块的方法，称为包(package)。
mycompany ├─ __init__.py ├─ abc.py └─ xyz.py
以上目录存放例子，mycompany是一个顶层包名，abc.py的模块名就是mycompany.abc。每个目下会有一个__init__.py文件，这个文件是必须的，否则python会将它看做是一个普通的目录，而不是一个包，init.py本身就是一个模块，模块名为mycompany。
自己创建模块时需要注意不要和系统自带的模块名冲突，例如，系统自带了sys模块，自己的模块就不能命名为sys.py。
使用python本身内置的模块，只需要import 模块名就可以了。例如：import sys，就导入了sys模块，变量sys就指向该模块，利用sys变量，就可以访问sys模块的所有功能。
七、面向对象编程
面向对象编程，简称OOP（Object Oriented Programming），是一种程序设计思想，将对象作为程序的基本单元，一个对象包含了数据和操作数据的函数。python中，所有数据类型都可以视为对象，也可以自定义对象，自定义的对象数据类型就是类（Class）的概念。面向对象的三大特点：封装、继承、多态。
1. 类和实例
类（Class）是抽象的模板，而实例（Instance）是根据类创建出来的一个个具体的"对象"，每个对象拥有相同的方法，而各自的数据不同。
# class关键字定义类，后面object表示Student是从object继承的，
class Student(object):
# 通过定义特殊的__init__方法，在创建类时，将必须绑定的属性强制填写进去
# __init__第一个参数是self，表示实例本身，在内部将name和score属性绑定到self上
def __init__(self, name, score):
self.name = name
self.score = score
def print(self):
print("%s %s" % (self.name, self.score))
# 创建Student实例，必须传入与__init__方法匹配的参数
std = Student("name", 90)
# Student实例将name和score数据封装起来，通过调用实例的方法，操作对象的内部数据
std.print()
2. 访问限制
上例中，仍可以通过std.name来访问和修改实例的name属性。如果要将name和score内部属性设置为私有变量（private），可以在属性的名称前加两个下划线__，只有内部可以访问，外部不可以访问。如下：
class Student(object):
def __init__(self, name, score):
self.__name = name
self.__score = score
def print_score(self):
print("%s, %s" % (self.__name, self.__score))
变量名类似__xxx__，前后都有两个下划线的是特殊变量，特殊变量可以直接访问，不是private的。
3. 继承与多态
定义一个新的class可以继承已有的class，从而获得父类的全部功能。例如：
class Animal(object):
def run(self):
print('animal run')
# Cat类继承自Animal类
class Cat(Animal):
# 将父类中的run方法覆写掉
def run(self):
print('cat run')
Cat类也可以覆写run方法，从而代码调用时，会调用子类的run方法。这样，我们会获得了多态。
# 该函数接受Animal类型的变量 >>> def run_twice(animal): ... animal.run() ... animal.run() ... >>> run_twice(Animal()) # 当传入Animal对象时 animal run animal run >>> run_twice(Cat()) # 当传入Cat对象时 cat run cat run
对于传入的不同的Animal子类，run_twice()函数不需要做任何修改，只需要接受Animal类型就可以了。因为Cat等子类也算是Animal类型，然后可以按照Animal的类型进行操作，可以放心的调用run()方法，而具体的run()方法是作用在Animal、Cat对象上，由运行时该对象的确切类型决定。这就是多态的好处：
- 对扩展开放：允许新增Animal的子类
- 对修改封闭：不需要修改依赖Animal类型的run_twice()函数
静态语言 vs 动态语言：
- 对于静态语言（例如Java）：如果需要传入Animal类型，则传入的对象必须是Animal类型或它的子类，否则将无法调用run()
- 对于动态语言（例如python）：则不一定需要传入Animal类型，只需要保证传入的对象有一个run()方法就行。
这就是动态语言的鸭子类型：不像静态语言那样要求严格的继承体系，一个对象"看起来像鸭子，走起路来像鸭子"，那它就可以看做是鸭子。
4. 获取对象信息
可以使用type()来判断对象的类型：
# 判断基本类型
>>> type(123)
<class 'int'>
>>> type('123')
<class 'str'>
# 如果一个变量指向一个类或函数
>>> type(Cat())
<class '__main__.Cat'>
>>> type(abs)
<class 'builtin_function_or_method'>
type返回Class类型，可以比较两个type是否相同：
>>> type(123)==type(456)
True
>>> type('abc')==str
True
>>> type('abc')==type(123)
False
对类的继承关系，type不太好判断，可以使用instance()函数，告诉我们一个对象是否是该类型，或该类型的子类。例如：Cat类继承了Animal：
>>> a = Animal()
>>> c = Cat()
>>> isinstance(a, Animal)
True
>>> isinstance(c, Animal)
True
>>> isinstance(a, Cat)
False
# 判断基本类型
>>> isinstance(123, int)
True
>>> isinstance('123', int)
False
可以使用dir()获得一个对象的所有属性和方法，配合getattr()，setattr()，hasattr()，操作一个对象的状态：
>>> a = Animal() >>> dir(a) ['__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'run'] >>> hasattr(a, 'x') # 是否有'x'属性 False >>> setattr(a, 'x', 10) # 设置属性'x' >>> getattr(a, 'x') # 获取属性'x' 10 >>> fn = getattr(a, 'run') # 获取a对象的run方法，赋值到变量fn >>> fn() # fn()与a.run()是一样的 animal run
5. 实例属性和类属性
python是动态语言，根据类创建的实例可以任意绑定属性。给实例绑定属性时通过实例变量或self：
>>> a = Animal() >>> a.score = 123
如果直接在Animal类本身绑定一个属性，可在class中定义，这种属性时类属性：
>>> class Animal(object): ... name = "name" ... >>> a = Animal() >>> a.name # 实例a没有name属性，会查找class的name属性 'name' >>> Animal.name # 打印类的name属性 'name' >>> a.name='name_object' # 给实例a绑定name属性 >>> a.name # 实例属性优先级比类属性高，所有屏蔽了类的name属性 'name_object'
实例属性归各个实例所有，互不干扰。类属性属于类所有，所有实例共享一个类属性。不要对实例属性和类属性使用相同的名字，否则将发生难以发现的错误
八、面向对象高级编程
1. 使用slots
在程序运行时可以动态给class绑定属性，但如果想限制实例的属性，例如只允许给Student类添加name或age属性，可以在提供定义class时，设置一个特殊的__slots__变量：
>>> class Student(object):
... __slots__=('name','age') # 通过tuple设置允许绑定的属性明恒
...
>>> a = Student()
>>> a.name="name" # 绑定属性name
>>> a.other=123 # 绑定属性other，不在__slots__定义中，出现错误
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'Student' object has no attribute 'other'
other不在__slots__定义中，所以不能绑定other属性，得到AttributeError错误。__slots__定义的属性仅对当前实例起作用，对继承的子类不起作用。
2. 使用@property
在java中，如果定义了一个属性，一般会实现这个属性的getter和setter方法。在python中，可以通过@property装饰器将方法变成属性调用，这样既能检查参数，又能用属性这样简单的方式来访问变量。
>>> class Student(object):
... @property
... def score(self):
... return self._score
...
... @score.setter
... def score(self, value):
... if not isinstance(value,int):
... raise ValueError('score must be integer')
... if value >
相关文章:
-
-
广义表链表表示的删除： 从广义表附加头节点开始，逐一分离表头元素，是原子项就直接删除,是子表附加头节点则暂不删除，直接进入子表，再分离表头元素，然后... [阅读全文] -
1. 取得所有的后缀为PHP的文件(加上路径)$file=glob('D:/phpStudy/WWW/prictue/*.php')... [阅读全文]
-
经典问题用高斯约当算法求解线性方程组。这里要求对任意形式的线性方程组都能够妥善处理，不能只适用于方程个数和未知量数目相等的特殊情形。 先用循环结构将... [阅读全文]
-
在测试过程中发现 如果方法有echo 等函数输出到PHP的输出缓存中 存在 sessionID 不会放到http的请求头中 下次请求也就拿不到ses... [阅读全文]
-
题目描述 有 n(1 \leq n \leq 10^5)n(1≤n≤105) 个小朋友，过年了，要发放 m(1 \le... [阅读全文]
-
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
上一篇： 详解 Python3 正则表达式（四）
下一篇： python3基础入门-知识点简记
发表评论