阅读目录
什么是函数？
为什么要用函数？
函数的分类：内置函数与自定义函数
如何自定义函数
语法
定义有参数函数，及有参函数的应用场景
定义无参数函数，及无参函数的应用场景
定义空函数，及空函数的应用场景
调用函数
如何调用函数
函数的返回值
函数参数的应用：形参和实参，位置参数，关键字参数，默认参数，*args，**kwargs
高阶函数（函数对象）
函数嵌套
作用域与名称空间
装饰器
迭代器与生成器及协程函数
三元运算，列表解析、生成器表达式
函数的递归调用
内置函数
面向过程编程与函数式编程
本节课程重点
本节重点
一：为何用函数之不使用函数的问题 #组织结构不清晰 #代码冗余 #无法统一管理且维护难度大
二：函数分类： 1. 内置函数 2. 自定义函数
三：为何要定义函数 函数即变量，变量必须先定义后使用，未定义而直接引用函数，就相当于在引用一个不存在的变量名 代码演示？
四：定义函数都干了哪些事？ 只检测语法，不执行代码
五：如何定义函数(函数名要能反映其意义) def ...
六：定义函数的三种形式 无参：应用场景仅仅只是执行一些操作，比如与用户交互，打印 有参：需要根据外部传进来的参数，才能执行相应的逻辑，比如统计长度，求最大值最小值 空函数：设计代码结构
七 ：函数的调用 1 先找到名字 2 根据名字调用代码 函数的返回值？ 0->None 1->返回1个值 多个->元组
什么时候该有？ 调用函数，经过一系列的操作，最后要拿到一个明确的结果，则必须要有返回值 通常有参函数需要有返回值，输入参数，经过计算，得到一个最终的结果 什么时候不需要有？ 调用函数，仅仅只是执行一系列的操作，最后不需要得到什么结果，则无需有返回值 通常无参函数不需要有返回值
八：函数调用的三种形式 1 语句形式：foo() 2 表达式形式：3*len(‘hello‘) 4 当中另外一个函数的参数：range(len(‘hello‘))
九：函数的参数： 1 形参和实参定义 2 形参即变量名，实参即变量值，函数调用则将值绑定到名字上，函数调用结束，解除绑定 3 具体应用 位置参数：按照从左到右的顺序定义的参数 位置形参：必选参数 位置实参：按照位置给形参传值
关键字参数：按照key=value的形式定义实参 无需按照位置为形参传值 注意的问题： 1. 关键字实参必须在位置实参右面 2. 对同一个形参不能重复传值
默认参数：形参在定义时就已经为其赋值 可以传值也可以不传值，经常需要变得参数定义成位置形参，变化较小的参数定义成默认参数（形参） 注意的问题： 1. 只在定义时赋值一次 2. 默认参数的定义应该在位置形参右面 3. 默认参数通常应该定义成不可变类型
可变长参数： 针对实参在定义时长度不固定的情况，应该从形参的角度找到可以接收可变长实参的方案，这就是可变长参数（形参） 而实参有按位置和按关键字两种形式定义，针对这两种形式的可变长，形参也应该有两种解决方案，分别是*args，**kwargs
===========*args=========== def foo(x,y,*args): print(x,y) print(args) foo(1,2,3,4,5)
def foo(x,y,*args): print(x,y) print(args) foo(1,2,*[3,4,5])
def foo(x,y,z): print(x,y,z) foo(*[1,2,3])
===========**kwargs=========== def foo(x,y,**kwargs): print(x,y) print(kwargs) foo(1,y=2,a=1,b=2,c=3)
def foo(x,y,**kwargs): print(x,y) print(kwargs) foo(1,y=2,**{‘a‘:1,‘b‘:2,‘c‘:3})
def foo(x,y,z): print(x,y,z) foo(**{‘z‘:1,‘x‘:2,‘y‘:3})
===========*args+**kwargs===========
def foo(x,y): print(x,y)
def wrapper(*args,**kwargs): print(‘====>‘) foo(*args,**kwargs)
命名关键字参数：*后定义的参数，必须被传值（有默认值的除外），且必须按照关键字实参的形式传递 可以保证，传入的参数中一定包含某些关键字 def foo(x,y,*args,a=1,b,**kwargs): print(x,y) print(args) print(a) print(b) print(kwargs)
foo(1,2,3,4,5,b=3,c=4,d=5) 结果： 1 2 (3, 4, 5) 1 3 {‘c‘: 4, ‘d‘: 5}
十 阶段性练习
1、写函数，，用户传入修改的文件名，与要修改的内容，执行函数，完成批了修改操作
2、写函数，计算传入字符串中【数字】、【字母】、【空格] 以及 【其他】的个数
3、写函数，判断用户传入的对象（字符串、列表、元组）长度是否大于5。
4、写函数，检查传入列表的长度，如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。
5、写函数，检查获取传入列表或元组对象的所有奇数位索引对应的元素，并将其作为新列表返回给调用者。
6、写函数，检查字典的每一个value的长度,如果大于2，那么仅保留前两个长度的内容，并将新内容返回给调用者。
dic = {"k1": "v1v1", "k2": [11,22,33,44]}
PS:字典中的value只能是字符串或列表
#题目一
def modify_file(filename,old,new):
import os
with open(filename,‘r‘,encoding=‘utf-8‘) as read_f, open(‘.bak.swap‘,‘w‘,encoding=‘utf-8‘) as write_f:
for line in read_f:
if old in line:
line=line.replace(old,new)
write_f.write(line)
os.remove(filename)
os.rename(‘.bak.swap‘,filename)
modify_file(‘/Users/jieli/PycharmProjects/爬虫/a.txt‘,‘alex‘,‘SB‘)
#题目二
def check_str(msg):
res={
‘num‘:0,
‘string‘:0,
‘space‘:0,
‘other‘:0,
}
for s in msg:
if s.isdigit():
res[‘num‘]+=1
elif s.isalpha():
res[‘string‘]+=1
elif s.isspace():
res[‘space‘]+=1
else:
res[‘other‘]+=1
return res
res=check_str(‘hello name:aSB passowrd:alex3714‘)
print(res)
#题目三：略
#题目四
def func1(seq):
if len(seq) > 2:
seq=seq[0:2]
return seq
print(func1([1,2,3,4]))
#题目五
def func2(seq):
return seq[::2]
print(func2([1,2,3,4,5,6,7]))
#题目六
def func3(dic):
d={}
for k,v in dic.items():
if len(v) > 2:
d[k]=v[0:2]
return d
print(func3({‘k1‘:‘abcdef‘,‘k2‘:[1,2,3,4],‘k3‘:(‘a‘,‘b‘,‘c‘)}))
阶段性练习答案
=======================本节课新内容========================== 一：函数对象：函数是第一类对象，即函数可以当作数据传递 1 可以被引用 2 可以当作参数传递 3 返回值可以是函数 3 可以当作容器类型的元素 #利用该特性，优雅的取代多分支的if def foo(): print(‘foo‘)
def bar(): print(‘bar‘)
dic={ ‘foo‘:foo, ‘bar‘:bar, } while True: choice=input(‘>>: ‘).strip() if choice in dic: dic[choice]()
二：函数的嵌套 1 函数的嵌套调用 def max(x,y): return x if x > y else y
def max4(a,b,c,d): res1=max(a,b) res2=max(res1,c) res3=max(res2,d) return res3 print(max4(1,2,3,4))
2 函数的嵌套定义 def f1(): def f2(): def f3(): print(‘from f3‘) f3() f2()
f1() f3() #报错
三 名称空间和作用域： 名称空间：存放名字的地方，三种名称空间，（之前遗留的问题x=1，1存放于内存中，那名字x存放在哪里呢？名称空间正是存放名字x与1绑定关系的地方） 加载顺序是？ 名字的查找顺序？（在全局无法查看局部的，在局部可以查看全局的）
# max=1 def f1(): # max=2 def f2(): # max=3 print(max) f2() f1() print(max)
作用域即范围 - 全局范围：全局存活，全局有效 - 局部范围：临时存活，局部有效 - 作用域关系是在函数定义阶段就已经固定的，与函数的调用位置无关，如下
x=1 def f1(): def f2(): print(x) return f2 def f3(func): x=2 func() f3(f1())
查看作用域：globals(),locals()
global nonlocal
LEGB 代表名字查找顺序: locals -> enclosing function -> globals -> __builtins__ locals 是函数内的名字空间，包括局部变量和形参 enclosing 外部嵌套函数的名字空间（闭包中常见） globals 全局变量，函数定义所在模块的名字空间 builtins 内置模块的名字空间
四：闭包:内部函数包含对外部作用域而非全局作用域的引用 提示：之前我们都是通过参数将外部的值传给函数，闭包提供了另外一种思路，包起来喽，包起呦，包起来哇
def counter(): n=0 def incr(): nonlocal n x=n n+=1 return x return incr
c=counter() print(c()) print(c()) print(c()) print(c.__closure__[0].cell_contents) #查看闭包的元素
闭包的意义：返回的函数对象，不仅仅是一个函数对象，在该函数外还包裹了一层作用域，这使得，该函数无论在何处调用，优先使用自己外层包裹的作用域 应用领域：延迟计算（原来我们是传参，现在我们是包起来） from urllib.request import urlopen
def index(url): def get(): return urlopen(url).read() return get
baidu=index(‘http://www.baidu.com‘) print(baidu().decode(‘utf-8‘))
五: 装饰器（闭包函数的一种应用场景）
1 为何要用装饰器： 开放封闭原则：对修改封闭，对扩展开放
2 什么是装饰器 装饰器他人的器具，本身可以是任意可调用对象，被装饰者也可以是任意可调用对象。 强调装饰器的原则：1 不修改被装饰对象的源代码 2 不修改被装饰对象的调用方式 装饰器的目标：在遵循1和2的前提下，为被装饰对象添加上新功能
3. 先看简单示范 import time def timmer(func): def wrapper(*args,**kwargs): start_time=time.time() res=func(*args,**kwargs) stop_time=time.time() print(‘run time is %s‘ %(stop_time-start_time)) return res return wrapper
@timmer def foo(): time.sleep(3) print(‘from foo‘) foo()
4 def auth(driver=‘file‘): def auth2(func): def wrapper(*args,**kwargs): name=input("user: ") pwd=input("pwd: ")
if driver == ‘file‘: if name == ‘egon‘ and pwd == ‘123‘: print(‘login successful‘) res=func(*args,**kwargs) return res elif driver == ‘ldap‘: print(‘ldap‘) return wrapper return auth2
@auth(driver=‘file‘) def foo(name): print(name)
foo(‘egon‘)
5 装饰器语法： 被装饰函数的正上方，单独一行 @deco1 @deco2 @deco3 def foo(): pass
foo=deco1(deco2(deco3(foo)))
6 装饰器补充：wraps
from functools import wraps
def deco(func):
@wraps(func) #加在最内层函数正上方
def wrapper(*args,**kwargs):
return func(*args,**kwargs)
return wrapper
@deco
def index():
‘‘‘哈哈哈哈‘‘‘
print(‘from index‘)
print(index.__doc__)
7 装饰器练习
一：编写函数，（函数执行的时间是随机的）
二：编写装饰器，为函数加上统计时间的功能
三：编写装饰器，为函数加上认证的功能
四：编写装饰器，为多个函数加上认证的功能（用户的账号密码来源于文件），要求登录成功一次，后续的函数都无需再输入用户名和密码
注意：从文件中读出字符串形式的字典，可以用eval(‘{"name":"egon","password":"123"}‘)转成字典格式
五：编写装饰器，为多个函数加上认证功能，要求登录成功一次，在超时时间内无需重复登录，超过了超时时间，则必须重新登录
六：编写下载网页内容的函数，要求功能是：用户传入一个url，函数返回下载页面的结果
七：为题目五编写装饰器，实现缓存网页内容的功能：
具体：实现下载的页面存放于文件中，如果文件内有值（文件大小不为0），就优先从文件中读取网页内容，否则，就去下载，然后存到文件中
扩展功能：用户可以选择缓存介质/缓存引擎，针对不同的url，缓存到不同的文件中
八：还记得我们用函数对象的概念，制作一个函数字典的操作吗，来来来，我们有更高大上的做法，在文件开头声明一个空字典，然后在每个函数前加上装饰器，完成自动添加到字典的操作
九 编写日志装饰器，实现功能如：一旦函数f1执行，则将消息2017-07-21 11:12:11 f1 run写入到日志文件中，日志文件路径可以指定
注意：时间格式的获取
import time
time.strftime(‘%Y-%m-%d %X‘)
#注意：target.send(...)在拿到target的返回值后才算执行结束
import os
def init(func):
def wrapper(*args,**kwargs):
g=func(*args,**kwargs)
next(g)
return g
return wrapper
@init
def search(target):
while True:
search_dir=yield
for par_dir,_,files in os.walk(search_dir):
for file in files:
file_abs_path=r‘%s\%s‘ %(par_dir,file)
# print(file_abs_path)
target.send(file_abs_path)
@init
def opener(target):
while True:
file_abs_path=yield
with open(file_abs_path,encoding=‘utf-8‘) as f:
target.send((file_abs_path,f))
@init
def cat(target):
while True:
file_abs_path,f=yield
print(‘检索文件‘,file_abs_path)
for line in f:
tag=target.send((file_abs_path,line))
print(‘检索文件的行： %s‘ %line)
if tag:
break
@init
def grep(pattern,target):
tag=False
while True:
file_abs_path,line=yield tag
tag=False
if pattern in line:
tag=True
target.send(file_abs_path)
@init
def printer():
while True:
file_abs_path=yield
print(‘过滤出的结果=========>‘,file_abs_path)
search_dir=r‘C:\Users\Administrator\PycharmProjects\test\函数备课\a‘
e=search(opener(cat(grep(‘python‘,printer()))))
e.send(search_dir)
备注
八：三元表达式，列表推导式，生成器表达式
==============================#三元表达式
name=‘alex‘
name=‘linhaifeng‘
res=‘SB‘ if name == ‘alex‘ else ‘shuai‘
print(res)
==============================列表推导式
------------------1：引子
生一筐鸡蛋
egg_list=[]
for i in range(10):
egg_list.append(‘鸡蛋%s‘ %i)
egg_list=[‘鸡蛋%s‘ %i for i in range(10)] #列表解析
------------------2：语法
[expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
...
for itemN in iterableN if conditionN
]
类似于
res=[]
for item1 in iterable1:
if condition1:
for item2 in iterable2:
if condition2
...
for itemN in iterableN:
if conditionN:
res.append(expression)
------------------3：优点
方便，改变了编程习惯，声明式编程
------------------4：应用
l1=[3,-4,-1,5,7,9]
[i**i for i in l1]
[i for i in l1 if i >0]
s=‘egon‘
[(i,j) for i in l1 if i>0 for j in s] #元组合必须加括号[i,j ...]非法
==============================生成器表达式
------------------1：引子
生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性
egg_list=[]
for i in range(10):
egg_list.append(‘鸡蛋%s‘ %i)
chicken=(‘鸡蛋%s‘ %i for i in range(10))
>>> chicken
<generator object <genexpr> at 0x10143f200>
>>> next(chicken)
‘鸡蛋5‘
------------------2：语法
语法与列表推导式类似，只是[]->()
(expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
...
for itemN in iterableN if conditionN
)
------------------3：优点
省内存，一次只产生一个值在内存中
------------------4：应用
读取一个大文件的所有内容，并且处理行
f=open(‘a.txt‘)
g=(line.strip() for line in f)
list(g) #因g可迭代，因而可以转成列表
------------------5:示例
#一
with open(‘a.txt‘) as f:
print(max(len(line) for line in f))
print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字节数，为何得到的值为0?
#二
print(max(len(line) for line in open(‘a.txt‘)))
print(sum(len(line) for line in open(‘a.txt‘)))
#三
with open(‘a.txt‘) as f:
g=(len(line) for line in f)
print(sum(g)) #为何报错？
==============================声明式编程
文件a.txt内容
apple 10 3
tesla 100000 1
mac 3000 2
lenovo 30000 3
chicken 10 3
f=open(‘a.py‘)
#求花了多少钱
g=(line.split() for line in f)
sum(float(price)*float(count) for _,price,count in g)
模拟数据库查询
>>> f=open(‘a.txt‘)
>>> g=(line.split() for line in f)
>>> goods_l=[{‘name‘:n,‘price‘:p,‘count‘:c} for n,p,c in g]
过滤查询
>>> goods_l=[{‘name‘:n,‘price‘:p,‘count‘:c} for n,p,c in g if float(p) > 10000]
九：匿名函数lambda
匿名就是没有名字
def func(x,y,z=1):
return x+y+z
匿名
lambda x,y,z=1:x+y+z #与函数有相同的作用域，但是匿名意味着引用计数为0，使用一次就释放，除非让其有名字
func=lambda x,y,z=1:x+y+z
func(1,2,3)
#让其有名字就没有意义
有名函数：循环使用，保存了名字，通过名字就可以重复引用函数功能
匿名函数：一次性使用，随时随时定义
应用：max，min，sorted,map,reduce,filter
十 内建函数
注意：内置函数id()可以返回一个对象的身份，返回值为整数。这个整数通常对应与该对象在内存中的位置，但这与python的具体实现有关，不应该作为对身份的定义，即不够精准，最精准的还是以内存地址为准。is运算符用于比较两个对象的身份，等号比较两个对象的值，内置函数type()则返回一个对象的类型
字典的运算：最小值，最大值，排序
salaries={
‘egon‘:3000,
‘alex‘:100000000,
‘wupeiqi‘:10000,
‘yuanhao‘:2000
}
迭代字典，取得是key，因而比较的是key的最大和最小值
>>> max(salaries)
‘yuanhao‘
>>> min(salaries)
‘alex‘
可以取values，来比较
>>> max(salaries.values())
>>> min(salaries.values())
但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键
>>> max(salaries,key=lambda k:salary[k])
‘alex‘
>>> min(salaries,key=lambda k:salary[k])
‘yuanhao‘
也可以通过zip的方式实现
salaries_and_names=zip(salaries.values(),salaries.keys())
先比较值，值相同则比较键
>>> max(salaries_and_names)
(100000000, ‘alex‘)
salaries_and_names是迭代器，因而只能访问一次
>>> min(salaries_and_names)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: min() arg is an empty sequence
sorted(iterable，key=None,reverse=False)
#字符串可以提供的参数 ‘s‘ None >>> format(‘some string‘,‘s‘) ‘some string‘ >>> format(‘some string‘) ‘some string‘ #整形数值可以提供的参数有 ‘b‘ ‘c‘ ‘d‘ ‘o‘ ‘x‘ ‘X‘ ‘n‘ None >>> format(3,‘b‘) #转换成二进制 ‘11‘ >>> format(97,‘c‘) #转换unicode成字符 ‘a‘ >>> format(11,‘d‘) #转换成10进制 ‘11‘ >>> format(11,‘o‘) #转换成8进制 ‘13‘ >>> format(11,‘x‘) #转换成16进制 小写字母表示 ‘b‘ >>> format(11,‘X‘) #转换成16进制 大写字母表示 ‘B‘ >>> format(11,‘n‘) #和d一样 ‘11‘ >>> format(11) #默认和d一样 ‘11‘ #浮点数可以提供的参数有 ‘e‘ ‘E‘ ‘f‘ ‘F‘ ‘g‘ ‘G‘ ‘n‘ ‘%‘ None >>> format(314159267,‘e‘) #科学计数法，默认保留6位小数 ‘3.141593e+08‘ >>> format(314159267,‘0.2e‘) #科学计数法，指定保留2位小数 ‘3.14e+08‘ >>> format(314159267,‘0.2E‘) #科学计数法，指定保留2位小数，采用大写E表示 ‘3.14E+08‘ >>> format(314159267,‘f‘) #小数点计数法，默认保留6位小数 ‘314159267.000000‘ >>> format(3.14159267000,‘f‘) #小数点计数法，默认保留6位小数 ‘3.141593‘ >>> format(3.14159267000,‘0.8f‘) #小数点计数法，指定保留8位小数 ‘3.14159267‘ >>> format(3.14159267000,‘0.10f‘) #小数点计数法，指定保留10位小数 ‘3.1415926700‘ >>> format(3.14e+1000000,‘F‘) #小数点计数法，无穷大转换成大小字母 ‘INF‘ #g的格式化比较特殊，假设p为格式中指定的保留小数位数，先尝试采用科学计数法格式化，得到幂指数exp，如果-4<=exp<p，则采用小数计数法，并保留p-1-exp位小数，否则按小数计数法计数，并按p-1保留小数位数 >>> format(0.00003141566,‘.1g‘) #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点 ‘3e-05‘ >>> format(0.00003141566,‘.2g‘) #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留1位小数点 ‘3.1e-05‘ >>> format(0.00003141566,‘.3g‘) #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留2位小数点 ‘3.14e-05‘ >>> format(0.00003141566,‘.3G‘) #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点，E使用大写 ‘3.14E-05‘ >>> format(3.1415926777,‘.1g‘) #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留0位小数点 ‘3‘ >>> format(3.1415926777,‘.2g‘) #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留1位小数点 ‘3.1‘ >>> format(3.1415926777,‘.3g‘) #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留2位小数点 ‘3.14‘ >>> format(0.00003141566,‘.1n‘) #和g相同 ‘3e-05‘ >>> format(0.00003141566,‘.3n‘) #和g相同 ‘3.14e-05‘ >>> format(0.00003141566) #和g相同 ‘3.141566e-05‘ format(了解即可)
format
https://docs.python.org/3/library/functions.html?highlight=built#ascii
十一：内建函数补充（结合lambda）
字典的运算：最小值，最大值，排序
salaries={
‘egon‘:3000,
‘alex‘:100000000,
‘wupeiqi‘:10000,
‘yuanhao‘:2000
}
迭代字典，取得是key，因而比较的是key的最大和最小值
>>> max(salaries)
‘yuanhao‘
>>> min(salaries)
‘alex‘
可以取values，来比较
>>> max(salaries.values())
100000000
>>> min(salaries.values())
2000
但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键
>>> max(salaries,key=lambda k:salary[k])
‘alex‘
>>> min(salaries,key=lambda k:salary[k])
‘yuanhao‘
也可以通过zip的方式实现
salaries_and_names=zip(salaries.values(),salaries.keys())
先比较值，值相同则比较键
>>> max(salaries_and_names)
(100000000, ‘alex‘)
salaries_and_names是迭代器，因而只能访问一次
>>> min(salaries_and_names)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: min() arg is an empty sequence
sorted(iterable，key=None,reverse=False)
#eval与compile
eval(str,[,globasl[,locals]])
eval(‘1+2+max(3,9,100)+1.3‘)
my_globals={‘x‘:1}
my_locals={‘x‘:2}
eval(‘1+x‘,my_globals,my_locals)
exec(‘for i in range(10):print("i")‘)
同样可以指定自己的名称空间
compile(str,filename,kind)
filename:用于追踪str来自于哪个文件，如果不想追踪就可以不定义
kind可以是：single代表一条语句，exec代表一组语句，eval代表一个表达式
s=‘for i in range(10):print(i)‘ code=compile(s,‘‘,‘exec‘) exec(code) s=‘1+2+3‘ code=compile(s,‘‘,‘eval‘) eval(code)
十二：函数的递归调用
图解：递推和回溯 # salary(5)=salary(4)+300 # salary(4)=salary(3)+300 # salary(3)=salary(2)+300 # salary(2)=salary(1)+300 # salary(1)=100 # # salary(n)=salary(n-1)+300 n>1 # salary(1) =100 n=1 def salary(n): if n == 1: return 100 return salary(n-1)+300 print(salary(5))
函数在调用时，直接或间接调用了自身，就是递归调用
def fac(n):#阶乘运算
if n == 1:return 1
else:return n*fib(n-1)
递归效率低，需要在进入下一次递归时保留当前的状态，见51cto博客
解决方法是尾递归，即在函数的最后一步（而非最后一行)调用自己
但是python又没有尾递归，且对递归层级做了限制
1. 必须有一个明确的结束条件
2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少
3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）
尾递归优化：http://egon09.blog.51cto.com/9161406/1842475
>>> sys.getrecursionlimit()
1000
>>> n=1
>>> def test():
... global n
... n+=1
... print(n)
... test()
...
>>> test()
>>> sys.setrecursionlimit(10000)
>>> test() #可以递归10000层了
虽然可以设置，但是因为不是尾递归，仍然要保存栈，内存大小一定，不可能无限递归
十三 阶段性练习：
1 文件内容如下,标题为:姓名,性别,年纪,薪资
egon male 18 3000
alex male 38 30000
wupeiqi female 28 20000
yuanhao female 28 10000
要求:
从文件中取出每一条记录放入列表中,
列表的每个元素都是{‘name‘:‘egon‘,‘sex‘:‘male‘,‘age‘:18,‘salary‘:3000}的形式
2 根据1得到的列表,取出薪资最高的人的信息
3 根据1得到的列表,取出最年轻的人的信息
4 根据1得到的列表,将每个人的信息中的名字映射成首字母大写的形式
5 根据1得到的列表,过滤掉名字以a开头的人的信息
6 使用递归打印斐波那契数列(前两个数的和得到第三个数)
0 1 1 2 3 4 7...
7 l=［1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]］
一个列表嵌套很多层，用递归取出所有的值
#1
with open(‘db.txt‘) as f:
items=(line.split() for line in f)
info=[{‘name‘:name,‘sex‘:sex,‘age‘:age,‘salary‘:salary} for name,sex,age,salary in items]
print(info)
#2
print(max(info,key=lambda dic:dic[‘salary‘]))
#3
print(min(info,key=lambda dic:dic[‘age‘]))
# 4
info_new=map(lambda item:{‘name‘:item[‘name‘].capitalize(),
‘sex‘:item[‘sex‘],
‘age‘:item[‘age‘],
‘salary‘:item[‘salary‘]},info)
print(list(info_new))
#5
g=filter(lambda item:item[‘name‘].startswith(‘a‘),info)
print(list(g))
#6
#非递归
def fib(n):
a,b=0,1
while a < n:
print(a,end=‘ ‘)
a,b=b,a+b
print()
fib(10)
#递归
def fib(a,b,stop):
if a > stop:
return
print(a,end=‘ ‘)
fib(b,a+b,stop)
fib(0,1,10)
#7
l=[1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]]
def get(seq):
for item in seq:
if type(item) is list:
get(item)
else:
print(item)
get(l)
十四：二分法
l=[1,2,10,2,30,40,33,22,99,31] def search(num,l): print(l) if len(l) > 1: mid=len(l)//2 if num > l[mid]: #in the right l=l[mid:] search(num,l) elif num < l[mid]: #in the left l=l[:mid] search(num,l) else: print(‘find it‘) else: if num == l[0]: print(‘find it‘) else: print(‘not exists‘) search(100,l)
def search(seq,num):
print(seq)
if len(seq) == 1:
if num == seq[0]:
print(‘you find it‘)
else:
print(‘not exist‘)
return
mid=len(seq)//2
if num > seq[mid]:
#in the right
seq=seq[mid:]
search(seq,num)
elif num < seq[mid]:
#in the left
seq=seq[:mid]
search(seq,num)
else:
print(‘find it‘)
search(l,3)
十五：面向过程编程，函数式编程
峰哥原创面向过程解释：
函数的参数传入，是函数吃进去的食物，而函数return的返回值，是函数拉出来的结果，面向过程的思路就是，把程序的执行当做一串首尾相连的函数，一个函数吃，拉出的东西给另外一个函数吃，另外一个函数吃了再继续拉给下一个函数吃。。。
面向过程：机械式思维，流水线式编程
例如：
用户登录流程：前端接收处理用户请求-》将用户信息传给逻辑层，逻辑词处理用户信息-》将用户信息写入数据库
验证用户登录流程：数据库查询/处理用户信息-》交给逻辑层，逻辑层处理用户信息-》用户信息交给前端，前端显示用户信息
函数式编程：http://egon09.blog.51cto.com/9161406/1842475
扩展阅读：http://www.cnblogs.com/linhaifeng/articles/6108945.html
array=[1,3,4,71,2] ret=[] for i in array: ret.append(i**2) print(ret) #如果我们有一万个列表,那么你只能把上面的逻辑定义成函数 def map_test(array): ret=[] for i in array: ret.append(i**2) return ret print(map_test(array)) #如果我们的需求变了,不是把列表中每个元素都平方,还有加1,减一,那么可以这样 def add_num(x): return x+1 def map_test(func,array): ret=[] for i in array: ret.append(func(i)) return ret print(map_test(add_num,array)) #可以使用匿名函数 print(map_test(lambda x:x-1,array)) #上面就是map函数的功能,map得到的结果是可迭代对象 print(map(lambda x:x-1,range(5))) map
map
from functools import reduce #合并,得一个合并的结果 array_test=[1,2,3,4,5,6,7] array=range(100) #报错啊,res没有指定初始值 def reduce_test(func,array): l=list(array) for i in l: res=func(res,i) return res # print(reduce_test(lambda x,y:x+y,array)) #可以从列表左边弹出第一个值 def reduce_test(func,array): l=list(array) res=l.pop(0) for i in l: res=func(res,i) return res print(reduce_test(lambda x,y:x+y,array)) #我们应该支持用户自己传入初始值 def reduce_test(func,array,init=None): l=list(array) if init is None: res=l.pop(0) else: res=init for i in l: res=func(res,i) return res print(reduce_test(lambda x,y:x+y,array)) print(reduce_test(lambda x,y:x+y,array,50)) reduce
reduce
movie_people=[‘alex‘,‘wupeiqi‘,‘yuanhao‘,‘sb_alex‘,‘sb_wupeiqi‘,‘sb_yuanhao‘] def tell_sb(x): return x.startswith(‘sb‘) def filter_test(func,array): ret=[] for i in array: if func(i): ret.append(i) return ret print(filter_test(tell_sb,movie_people)) #函数filter,返回可迭代对象 print(filter(lambda x:x.startswith(‘sb‘),movie_people)) filter
filter
#当然了,map,filter,reduce,可以处理所有数据类型
name_dic=[
{‘name‘:‘alex‘,‘age‘:1000},
{‘name‘:‘wupeiqi‘,‘age‘:10000},
{‘name‘:‘yuanhao‘,‘age‘:9000},
{‘name‘:‘linhaifeng‘,‘age‘:18},
]
#利用filter过滤掉千年王八,万年龟,还有一个九千岁
def func(x):
age_list=[1000,10000,9000]
return x[‘age‘] not in age_list
res=filter(func,name_dic)
for i in res:
print(i)
res=filter(lambda x:x[‘age‘] == 18,name_dic)
for i in res:
print(i)
#reduce用来计算1到100的和
from functools import reduce
print(reduce(lambda x,y:x+y,range(100),100))
print(reduce(lambda x,y:x+y,range(1,101)))
#用map来处理字符串列表啊,把列表中所有人都变成sb,比方alex_sb
name=[‘alex‘,‘wupeiqi‘,‘yuanhao‘]
res=map(lambda x:x+‘_sb‘,name)
for i in res:
print(i)
总结
总结