python第五章_流畅的python学习笔记-第5章

第5章 函数

[toc]

函数

在python中一切都可以视作为对象，包括函数

def function_try():

'''it is funciton try doc'''

print('function_try doc')

if __name__ == "__main__":

# __doc__属性用于生成对象的帮助文本

print(function_try.__doc__)

# __name__则是输出了具体的函数名

print(function_try.__name__)

我们还可以将函数名赋值给变量，通过变量的形式来访问。

def function_try():

'''it is funciton try doc'''

print('function_try doc')

if __name__ == "__main__":

fun = function_try

# __doc__属性用于生成对象的帮助文本

print(fun.__doc__)

# __name__则是输出了具体的函数名

print(fun.__name__)

函数也可以通过参数被传递给另外一个函数。

def function_try():

'''it is funciton try doc'''

print('function_try doc')

def function_try1(func):

print(func.__doc__)

print(func.__name__)

func()

if __name__ == "__main__":

fun = function_try

function_try1(fun)

高阶函数

接受函数为参数，或者把函数作为结果返回的函数是高阶函数

map函数

def cube(x):

return x * x

data = map(cube, range(1, 11))

print(list(data)) # 此处要加list

def add_num(n):

return n + 1

print(list(map(add_num, range(1, 6))))

再看几个例子：

result = ['1', '2', '3']

print(list(map(int, result))) # [1, 2, 3]

# 也可以用列表推导式

print([int(i) for i in result])

t = ((1, 'a'), (2, 'b'))

print(type(t))

print(dict(t))

print(dict((y, x) for x, y in t))

# map方法

# print(dict(map(None, t))) # 这个python3已废弃

print(dict(map(reversed, t)))

filter函数

Filter的作用在于根据第一个参数为true还是false来进行过滤。

下面例子中将大于3的数值过滤出来。

s = [1, 2, 3, 4, 5]

print(list(filter(lambda x: x > 3, s)))

# [4, 5]

reduce函数

就是将参数累加的应用于函数中。就好比我们要对1到100进行求值。

代码如下。效果等同于sum(range(100))

# python3 已经将reduce移到functools模块中

from functools import reduce

from operator import add

print(reduce(add, range(100)))

lambda 函数

这是Python支持一种有趣的语法，它允许你快速定义单行的最小函数

例子：

g = lambda x: x * 2

print(g(3))

# 相等于下面的表达式

print((lambda x: x * 2)(3))

D = {'jack': 23, 'rose': 21, 'flank': 22}

value_sort = sorted(D.items(), key=lambda d: d[1]) # 值(value)排序

print(value_sort)

# [('rose', 21), ('flank', 22), ('jack', 23)]

key_sort = sorted(D.items(), key=lambda d: d[0]) # 按键(key)排序按

print(key_sort)

# [('flank', 22), ('jack', 23), ('rose', 21)]

key_reverse = sorted(D.items(), key=lambda d: d[0], reverse=True) # 按键(key)降序

print(key_reverse)

# [('rose', 21), ('jack', 23), ('flank', 22)]

# 值(value)降序

value_reverse = sorted(D.items(), key=lambda d: d[1], reverse=True)

print(value_reverse)

# [('jack', 23), ('flank', 22), ('rose', 21)]

python lambda是在python中使用lambda来创建匿名函数，而用def创建的方法是有名称的，除了从表面上的方法名不一样外，python lambda还有哪些和def不一样呢？

1 python lambda会创建一个函数对象，但不会把这个函数对象赋给一个标识符，而def则会把函数对象赋值给一个变量。

2 python lambda它只是一个表达式，而def则是一个语句。

下面是python lambda的格式，看起来好精简阿。

lambda x: print x

lambda表达式在“：”后只能有一个表达式。

也就是说，在 def中，用return可以返回的也可以放在lambda后面，不能用return返回的也不能定义在python lambda后面。

因此，像if或for或print这种语句就不能用于lambda中，lambda一般只用来定义简单的函数。

下面举几个python lambda的例子吧

单个参数的：

g = lambda x:x*2

print(g(3))

# 结果是6

2.多个参数的：

m = lambda x,y,z: (x-y)*z

print(m(3,1,2))

#结果是4

sorted函数

sorted是另外返回一个排序后的列表，原列表fruits并没有发生改变

fruits = ['strawberry', 'fig', 'apple', 'cherry', 'rasberry', 'banana']

ret = sorted(fruits, key=len)

print('before sorted %s' % fruits)

# before sorted ['strawberry', 'fig', 'apple', 'cherry', 'rasberry', 'banana']

print('after sorted %s' % ret)

# after sorted ['fig', 'apple', 'cherry', 'banana', 'rasberry', 'strawberry']

与它很相像的sort函数，看下面的例子：

a = [5, 4, 3, 2, 1]

sorted(a) # 将a从大到小排序,不影响a本身结构

print("a=", a) # a= [5, 4, 3, 2, 1]

a.sort() # 将a从小到大排序,影响a本身结构

print(a) # [1, 2, 3, 4, 5]

b = a.sort()

print("b=", b) # b= None

c = ['aa', 'bb', 'BB', 'CC', 'zz']

print(sorted(c))

# 按列表中元素每个字母的ascii码从小到大排序

# 如果要从大到小,请用sorted(b,reverse=True)

# ['BB', 'CC', 'aa', 'bb', 'zz']

__call__方法

前面介绍到可以把函数当做对象。那么我们可以像调用函数那样调用类么。

答案是肯定的。

只需要我们重写类中的__call__就可以了

class function_try(object):

def __init__(self, value):

self.data = value

def __call__(self, *args, **kwargs):

print('function try was called')

for a in args:

print(a)

if __name__ == "__main__":

f = function_try(3)

f('hello', 'world')

除了__doc__, __name__这些函数还有很多属性。可以用dir(func)的方法进行查看

函数注解

Python 3提供了一种句法，用于为函数声明中的参数和返回值附加元数据

Python不做检查、不做强制、不做验证，什么操作都不做

# def test(text, max_len=5):

# 下面是python3 新写法

def test(text: str, max_len: 'int>0' = 5) -> str:

if len(text) > max_len:

return "OK"

text = "hello world"

# print(len(text))

a = test(text)

print(a, type(a))

print(test.__annotations__)

#{'text': , 'max_len': 'int>0', 'return': }

冻结参数的函数

最后介绍一个可以冻结参数的功能。Functions.partial.

在某些场景下，我们期望可以冻结一个参数，并将这个参数作用于其他参数。

from functools import partial

from operator import mul

triple = partial(mul, 3) # 将第一个参数固定为3

print(triple(7)) # 7*3=21

print(list(map(triple, range(1, 10)))) # 1,10分别和3相乘