Python学习Day10

global关键字

不要试图去修改全局变量，如果你试图去修改全局变量的话，Python就会使用屏蔽（Shadowing）的方式去保护全局变量，即在函数内部自动创建一个局部变量。

>>> count = 5
>>> def PP():
	count = 10
	print(count)

	
>>> PP()
10
>>> print(count)
5
>>> #count在函数PP中已被Shadowing成局部变量

如果有必要坚持在函数中去修改全局变量的话，我们可以使用global关键字来达到目的。

>>> def PP():
	global count
	count = 10
	print(count)

	
>>> PP()
10
>>> print(count)
10
>>> #这里使用global关键字将count在函数中就变成全局变量了

内嵌函数

>>> def fun1():
	print("fun1()正在被调用...")
	#注意内嵌函数的缩进与print是同一级别的
	def fun2():
		print("fun2()正在被调用...")
	fun2()

	
>>> fun1()
fun1()正在被调用...
fun2()正在被调用...
>>> #这是函数嵌套的最简单的例子

N.B.

内部函数整个作用域都在外部函数之内，例如，fun2()整个定义和调用的过程都在fun1()里边，出了fun1()，就没有任何可以对fun2()进行调用的方式了

闭包(closure)

不同的编程语言闭包的方式不同，Python中闭包从表现形式上定义为如果在一个内部函数里对外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包。

>>> def FunX(x):
	def FunY(y):
		return x * y
	return FunY

>>> i = FunX(5)
>>> i
<function FunX.<locals>.FunY at 0x000002372169C3A0>
>>> type(i)
<class 'function'>
>>> i(8)
40
>>> FunX(8)(5)
40
>>> #上述的例子中，funY()就属于内部函数，其在对外部作用域(但不是全局作用域)的变量进行了引用(x就是被引用的变量，x在外部作用域funX()函数里面，但不在全作用域里)，则这个内部函数就是一个闭包。

N.B.

因为闭包的概念是由内部函数而来，所以不能在外部函数以外的地方对内部函数进行调用

>>> def Fun1():
	     x = 5
	     def Fun2():
		    x *= x
		    return x
	     return Fun2()

>>> Fun1()
Traceback (most recent call last):
  File "<pyshell#19>", line 1, in <module>
    Fun1()
  File "<pyshell#18>", line 6, in Fun1
    return Fun2()
  File "<pyshell#18>", line 4, in Fun2
    x *= x
UnboundLocalError: local variable 'x' referenced before assignment
>>> #这里程序报错了，因Fun1()最终返回的Fun2()，而Fun2()整个的外部的空间就是Fun1()的内部空间，x为非全局变量的外部变量，Fun2()修改了x，相当于修改了Fun2()的全局变量，那么外面的全局变量x=5就会被Shadowing，x的值就无法获得

改进思路：如果试图对一个没有定义的数据进行平方的操作，在Python3之前，我们只能间接地通过容器类型的存放，因为容器类型不是存放在栈里边，所以x不会被Shadowing.

容器类型：字符串、列表、元组等

>>> def Fun1():
	x = [5]
	def Fun2():
		x[0] *= x[0]
		return x[0]
	return Fun2()

>>> Fun1()
25

nonlocal关键字

如果希望在内部函数里可以修改外部函数里的局部变量的值，可以使用nonlocal关键字声明x不是一个局部变量，使用方法和global一样

>>> def Fun1():
	x = 5
	def Fun2():
		nonlocal x
		x *= x
		return x
	return Fun2()

>>> Fun1()
25

lambda表达式

Python允许使用lambda关键字来创建匿名函数。

>>> #先创建一个普通的函数
>>> def ds(x):
	return 2 * x + 1

>>> ds(5)
11
>>> #使用lambda语句来定义这个函数
>>> lambda x : 2 * x + 1
<function <lambda> at 0x000002246F61C3A
>>> g = lambda x : 2 * x + 1
>>> g(5)
11

>>> def add(x,y):
	return x+y

>>> add(3,4)
7
>>> lambda x,y : x + y
<function <lambda> at 0x000002246F61C430>
>>> g = lambda x,y : x + y
>>> g(3,4)
7

lambda表达式的基本语法就是使用冒号(:)分隔函数的参数及返回值：冒号左边放置函数的参数，如果有多个参数，使用逗号隔开即可；冒号右边是函数的返回值。

两个牛逼的BIF

filter()

filter()函数是一个过滤器，它的作用就是从海量的数据中提取出有用的信息。

>>> 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. |   |  Methods defined here: |   |  __getattribute__(self, name, /) |      Return getattr(self, name). |   |  __iter__(self, /) |      Implement iter(self). |   |  __next__(self, /) |      Implement next(self). |   |  __reduce__(...) |      Return state information for pickling. |   |  ---------------------------------------------------------------------- |  Static methods defined here: |   |  __new__(*args, **kwargs) from builtins.type |      Create and return a new object.  See help(type) for accurate signature.

总的来说，filter()有两个参数：第一个参数可以是函数也可以是None，如果是一个函数的话，则将可迭代对象里的每一个元素作为函数的参数进行计算，把返回的True的值筛选出来；如果第一个参数为None，则直接将第二个参数中为True的值筛选出来

>>> filter(None,[0,1,False,True])<filter object at 0x000002174CB46340>>>> list(filter(None,[0,1,False,True]))[1, True]>>> #定义过滤的函数>>> def odd(x):	return x % 2>>> temp = filter(odd,range(10))>>> list(temp)[1, 3, 5, 7, 9]>>> list(filter(lambda x: x % 2,range(10)))[1, 3, 5, 7, 9]

map()

映射函数

>>> list(map(lambda x: x * 2,range(10)))[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]>>> #map()的第二个参数是收集参数，支持多个可迭代对象。map()会从所有可迭代对象中依次取一个元素组成一个元组，然后将元组传递给func。注意：如果可迭代对象的长度不一致，则以较短的迭代结束为止。>>> list(map(lambda x , y : x + y,[1,3,5],[10,30,50,70,90]))[11, 33, 55]

递归

>>> #设置递归的深度>>> import sys>>> sys.setrecursionlimit(10000)>>> #将递归深度限制设置为一万层

求一个阶乘的函数

>>> #非递归版本>>> def recursion(n):	result = n	for i in range(1,n):		result *= i	return result>>> recursion(5)120>>> recursion(6)720

#阶乘版本def factorial(n):    if n == 1:        return 1    else:        return n * factorial(n-1)number = int(input("请输入一个整数："))result = factorial(number)print("%d 的阶乘是： %d" %(number,result))请输入一个整数：55 的阶乘是： 120   请输入一个整数：66 的阶乘是： 720

以上程序满足了递归的两个条件：

• 调用函数本身
• 设置了正确的返回条件

递归口诀：递归递归，归去来兮

斐波那契数列

特点：第一第二个数都是为1，而后面的每一个数都是为前两个数的和，而越往后推，每两个相邻数之间的商都无限接近0.618

用函数来定义斐波那契数列：

用迭代实现：

#用迭代实现斐波那契数列def fab(n):    n1 = 1    n2 = 1    n3 = 1    if n < 1:        print('输入有误！')        return -1    while (n - 2) > 0:        n3 = n2 + n1        n1 = n2        n2 = n3        #循环的次数就可以减一        n -= 1    return n3result = fab(3)if result != -1:    print('总共有%d对小兔子诞生！'%result)    ======================== RESTART: E:/Python/迭代-斐波那契数列.py =======================总共有6765对小兔子诞生！

用递归实现：

def fab(n):    if n < 1:        print('输入有误！')        return -1    if n == 1 or n == 2:        return 1    else:        return fab(n-1) + fab(n-2)result = fab(20)if result != -1:    print('总共有%d对小兔子诞生！'% result)    ======================== RESTART: E:/Python/递归-斐波那契数列.py =======================总共有6765对小兔子诞生！

汉诺塔

def hanoi(n,x,y,z):    if n == 1:        print(x,'-->',z)    else:        hanoi(n-1,x,z,y)#将前n-1个盘子从x移动到y上        print(x,'-->',z)# 将最底下的一个盘子从x移动到z上        hanoi(n-1,y,x,z)#将y上的n-1个盘子移动到z上n = int(input('请输入汉诺塔的层数：'))hanoi(n,'x','y','z')    请输入汉诺塔的层数：4x --> yx --> zy --> zx --> yz --> xz --> yx --> yx --> zy --> zy --> xz --> xy --> zx --> yx --> zy --> z