函数基础
定义函数: def 函数名(): 缩进 函数体(代码块) 调用函数: 函数名 + () 小括号 执行顺序: def func(): 1 print(‘这大佬黑‘) 3 func()调用 2 函数的返回值: def func(): 1 print(‘这大佬黑‘) 3 return ‘今晚不溅不散‘ func()调用 2 返回一个参数的时候是它本身,返回多个就是元组形式显示 当函数体执行到return的时候就结束函数 不写return的时候 默认返回None 写了return不写返回值的时候 返回的也是None 函数的参数: 参数: 形参 : 在函数定义的时候括号里的变量就是咱们的形参 位置参数: 按照实参的位置对应把值赋值给形参中变量 默认参数(关键字参数): 在函数定义的时候,直接给变量赋值 默认参数不传参是否可以???? 可以 默认参数可以传值吗???? 可以 将默认参数的值覆盖 混合参数: 位置参数在默认参数前面 例如: def f(a,b,c = 8): pass 实参 : 在函数调用的时候括号里放入的值就是实参 位置参数: f(1,2,3) 默认参数(关键字参数): f(a=1,b=2,c=3) 混合参数: f(1,2,c=3) 传参: 将实参传递给形参的过程 三元运算: a if a>b else b 结果 条件 结果 结果 如果条件成立使用前面的 否则就使用后边的
函数进阶1. 函数的参数: 动态: 动态位置参数 *args 动态关键字参数 **kwargs 位置 > 动态位置参数 > 默认(关键字)参数 > 动态关键字参数 2. 名称空间: 局部命名空间 全局命名空间 内置命名空间 加载顺序: 内置 > 全局 > 局部 取值顺序: 局部 > 全局 > 内置 作用域: 全局作用域: 内置 + 全局 局部作用域: 函数局部 # print(globals()) # 查看全局作用域中的变量和函数名 # print(locals()) # 查看局部作用域中的变量和函数名 3. 函数的嵌套: def f(): print(11) def f1(): print(22) def f2(): print(33) **********重要 f2() f1() f() 4. 函数的注释: def func(): # ‘‘‘ # 这是打印的函数 # :param a: 没啥用1 # :param b: 没啥用1 # :param c: 没啥用1 # :param d: 没啥用1 # :return: 返回的None # ‘‘‘ # print(a,b,c,d) 5. global| # print(id(lst)) # def func(): # # a = 15 # 在函数的局部中 # # global se # # lst[0] = 11 # # print(a) # 使用的是局部 # func() # print(lst) # print(id(lst)) # 可变数据类型在函数中可以直接操作,不可变数据类型才需要使用global # a = 10 # def f(): # a = 1 # a = 2 # def f1(): # # a = 4 # a = 2 # def f2(): # # nonlocal a # # a = 2 # print(a) # 2 # f2() # print(a) # 2 # f1() # print(a) # 2 # f() # nonlocal 改变最近的父级变量, 如果上级没有能够改变的就继续向上走,直到最外层函数就停止了. ##### 函数: 将一个需求封装后调用,优点:除去重复代码.
闭包# 闭包: 内部函数使用了外部函数的变量,内部函数就是一个闭包# def outer():# a = 1# b = ‘123‘# c = [1,2,3]# def inner():# print(1234)# print(inner.__closure__) # inner不是一个闭包# outer()## def outer():# a = 1# b = ‘123‘# c = [1,2,3]# def inner():# print(a,b,c)# print(inner.__closure__) # inner是一个闭包# outer() # def outer(a):# def inner():# print(a)# print(inner.__closure__) # inner是一个闭包 # def outer(url):# def inner():# print(a)# print(inner.__closure__) # from urllib import request # 别人写好了python代码的文件# ret = request.urlopen(‘http://www.cnblogs.com/Eva-J/articles/7213953.html‘)# print(ret.read().decode(‘utf-8‘)) # 访问一个网页# 会被频繁的访问# import time# from urllib import request# def func2(url):# ret = request.urlopen(url)# content = ret.read().decode(‘utf-8‘)# return content## start = time.time()# for i in range(10):# func2(‘http://www.cnblogs.com/Eva-J/articles/7213953.html‘)# print(time.time() - start)## from urllib import request # 导入别人写好的python代码,urllib是专门负责访问url的# def func(url):# ret = request.urlopen(url) # 利用urlopen函数打开一个url得到结果ret# content = ret.read().decode(‘utf-8‘) #使用ret的read方法得到bytes类型的网页源码,然后转码成str# def inner():# return content# return inner## ret = func(‘http://www.cnblogs.com/Eva-J/articles/7213953.html‘)# # 相当于将url对应的内容存在了url中,每一次调用ret就是获取内容的过程# for i in range(10):# ret()# print(time.time() - start) # 闭包的应用 # 缓存 # 装饰器 # def func(*args):# sum_num = 0# for num in args:# sum_num += num# def inner():# return sum_num# return inner## inner = func(1,2,3,4)# inner()
迭代器
# 什么是迭代器?# l = [1,2,3,4]# res = l.__iter__()# print(res)# list_iterator iterator迭代器# dir(l)# print(dir(res))# res中 但是不在l中的所有方法# print(set(dir(res))-set(dir(l)))# {‘__next__‘, ‘__setstate__‘, ‘__length_hint__‘}# 迭代器中特有的方法,l中没有# print(res.__length_hint__()) # 迭代器中有多少个元素# for i in res:# print(i)# res.__setstate__(2) # 控制迭代器从哪儿开始迭代# for i in res:# print(i)# print(res.__next__()) # 从迭代器中取下一个值# print(res.__next__())# print(res.__next__())# print(res.__next__())# print(res.__next__())## for循环一个列表的时候必须用的# __next__取下一个值## 迭代器协议 : 含有__next__和__iter__方法的变量/值都是迭代器## 迭代器的特点:# 具有next和iter方法# 通过一个next多次执行就可以获得所有这个容器中的值# 迭代器中的值只能取一次# 不取的时候值不出现## for循环取值# for循环内部的机制就是迭代器取值的机制# 在for循环执行的过程中 : 先把可迭代的变成一个迭代器,然后再从中一个一个的取值## range生成的就是一个迭代器,创建这个迭代器并不会真的把迭代器中的所有数据一次性生成# 什么时候生成呢? 只有通过next取值的时候才会生成# 记住你要多少个值 ,当前该给你什么,并且记住我下一个该给你什么,下一个和当前这个数的关系## f文件句柄# f记住 当前读到哪个位置了## a = list(range(1000000000))# print(a)## 迭代器的作用就是节省内存,for循环就是利用了迭代器节省内存的特点来对python当中的变量来进行操作的
生成器
# python语言自带的# 生成器 : 程序员通过简单的函数就可以实现的# def func():# print(‘hello‘)# yield 1## g = func() # 调用"生成器函数"# print(g) # g generator(生成器)# 调用就不会执行这个函数,而是返回一个生成器# print(dir(g)) # g是一个迭代器# 所有的生成器都是迭代器## a = g.__next__()# print(a)## def func():# print(‘hello‘)# yield 1# print(‘world‘)# yield 2## g = func()# a = g.__next__()# print(a)# b = g.__next__()# print(b)# yield关键字的特点: 可以记录当前函数中执行的位置,下一次继续执行# next和yield是一对搭档 : next开始函数的执行 yield停止函数的执行
生成器函数
int 整数# float 浮点数# 1.2# 2.3333344# 256.789 = 2.56789*10**2# 为什么要叫浮点数 : 因为小数点是浮动的# 浮点数能表示的数学上的数字 : 有理数(有限小数 无限循环小数)# 浮点数的小数点是不准确的 : 小数的小数位是转换成二进制存储# a = 1.7265923649689710283508127969# a = 1.111111111188818181818111624# print(a)## 转换成字符串存储# ‘1.71264864975975073507505‘ # 如果你创建的变量本身带小数点,那么这个变量的数据类型直接就是浮点数# 所有的除法(除了//)得到的都是小数## 除法# python2.x 整数除以整数就会取整(向下取整),有一个数浮点数,就按照浮点数计算# python3.x 所有的除(除了//)的结果都是小数 # 生成器函数中# send/__next__ 生成器函数之外用的# yield/yield from 生成器函数之内用的## next+send == yield# 如果函数中的yield要接收参数,那么应该使用send传值# 如果函数中的yield不需要接收参数,那么应该使用next即可## 生成器和迭代器是一样的,内部的值都只能取一次# 从生成器中取值的方式也和迭代器是一样的:# for# next/send# 数据类型的强制转换(list)
# def gener():# print(‘草莓味‘)# yield 1# print(‘香蕉味‘)# yield 2# print(‘榴莲味‘)# yield 3## g = gener()# num = g.__next__()# num = g.__next__()# num = g.__next__()# print(num)# for num in g:# print(‘*‘* num) # def gener():# print(‘草莓味‘)# yield 1# # smell = yield 1# # print(smell)# print(‘可乐味‘)# smell2 = yield 2# print(smell2)# yield 3## g = gener()# print(g.__next__())# ret = g.send(‘香蕉味‘) # g.__next__只不过传了一个值进去# print(ret)# ret2 = g.send(‘榴莲味‘)# print(ret2)
列表推导式
# 和循环/列表相关的知识点# l = [1,2,3,4,5,6]# # [1,4,9,16,25,36]# new_l = []# for i in l:# new_l.append(i*i)# print(new_l)## new_l2 = [i*i for i in l]# print(new_l2) # l = [1,2,3,4,5,6]# print([i*i for i in l]) # 列表推导式# 当已经有了一个列表,从这个列表中的每一个元素都需要做某个操作# 并且需要将操作的结果放在一个新的列表中# 适合使用列表推导式# 新的列表 = [每一个元素要做的操作 for 列表中的每一个元素 in 列表]# range(2,20) # 把每一个元素整除3的结果放到一个新的列表中# new_lst = []# for num in range(2,20):# new_lst.append(num//3) # lst = [num//3 for num in range(2,20)]# print(lst) # 请计算0-100内能被3整除的所有数字# new_lst = []# for i in range(0,101):# if i%3 == 0:# new_lst.append(i)### new_lst2 = [i for i in range(0,101) if i%3 == 0]# print(new_lst2)
生成器表达式
# 生成器表达式# 1.想要一个生成器/迭代器 , 简单的逻辑可以不写函数而是直接用表达式实现# 2.生成器表达式本身就是一个生成器/迭代器# 3.惰性运算(列表推导式在执行完的那一刻,已经存在一个列表了) 只能取一次 # 生成器 只有 for next list才开始从生成器中取值 列表推导式# 4.更加简洁
# 生成器# def func():# for i in range(1000001):# if i%3 == 0:# yield i## g1 = func()# g1.__next__() # g = (i for i in range(0,101) if i%3 == 0)# print(g.__next__())# print(g.__next__())
原文地址：https://www.cnblogs.com/Godisgirl/p/10012804.html
时间： 2024-11-05 23:31:41