1、函数知识体系
-
什么是函数?
在程序中具备某一功能的工具就是函数
函数的使用原则:先定义、后调用 -
为什么要用函数?
(1)代码冗余
(2)程序组织结构不清晰、可读性差
(3)扩展性差 -
函数的分类:
(1)内置函数
python自带的
(2)自定义函数
自己定义的 -
自定义函数和使用
函数的定义分为两个阶段:定义和调用
函数定义: 定义只检测语法不执行代码
def 函数名(参数1,参数2...): //必须
"""
文档注释
"""
函数代码块1 //必须
函数代码块2
...
return 值
函数调用:开始执行函数代码
函数名()
- 定义函数的三种方式
(1)无参函数
def func():
print('......')
func()
(2)有参函数
def func(x,y):
if x > y:
return(x)
else:
return(y)
res=func(1,2)
(3)空函数
def register():
pass
- 调用函数的三种形式
(1)语句模式
def func():
print('......')
func()
(2)表达式形式
def func(x,y):
if x > y:
return(x)
else:
return(y)
res=func(1,2) * 12
print(res)
(3)函数的调用可以当作另外一个函数的参数传入
def func(x,y):
if x > y:
return(x)
else:
return(y)
res=func(func(1,2),3)
print(res)
-
返回值的特点
(1)返回值没有类型限制,也没有个数限制
(2)return是函数结束运行的标志,函数内可以有多个return,但只要执行一次return函数就立即结束,并且将return后的值当作本次调用的结果返回。 -
函数的参数
形参即变量名,实参即变量值,函数调用时,将值绑定到变量名上,函数调用结束,解除绑定 -
函数参数详解
(1)形参
-
位置形参:按照从左至右的顺序依次定义的形参
特点:必须被传值 -
默认参数:在定义阶段,就已经为某个形参赋值,该形参称之为默认形参
特点:在定义阶段就已经有值,意味着调用阶段不用为其传值
def func(x,y=2):
print(x,y)
func(1)
注意:位置形参与默认形参可以混用,位置形参必须放在默认形参的前面
(2)实参
-
位置实参:在调用阶段,按照从左到右的顺序依次传入的值
特点:这种传值方式会与形参一一对应 -
关键字实参:在调用阶段,按照key=value的格式传值
特点:可以完全打乱位置,但仍然能为指定的形参传值
注意:
1、可以混用位置实参与关键字实参,但是同一个形参只能被赋值一次
2、位置实参必须在关键字实参的前面
(3)形参中*与**的用法
- 形参中带*,*会将溢出的位置实参存成元组的形式然后赋值其后变量名
def func(x,y,*args):
print(x,y,args)
print(1,2,3,4,5,6)
- 形参中带**;**会将溢出的关键字实参存成字典的格式然后赋值其后变量名
def func(x,y,**kwargs):
print(x,y,kwargs)
print(1,y=2,z=3,m=4,n=5)
(4)实参中* 与**的用法
- 实参中带*;先将实参打散成位置实参,然后再与形参做对应
def func(x,y,z):
print(x,y,z)
func(*[1,2,3])
func(*'llo')
- 实参中带**;先将实参打散成关键字实参,然后再与形参做对应
def func(x,y,z):
print(x,y,z)
func(**{'x':1,'z':3,'y':2}) //func(z=3,y=2,x=1)
将一个函数的参数完全转给另一个函数
def index(x,y,z)
print(x,y,z)
def wrapper(*args,**kwargs):
index(*args,**kwargs)
#以上两行意思是将一个函数的参数完全传给另一个函数
wrapper(1,2,3)
2、函数对象
函数对象:把函数的内存地址当作一种变量值去使用,函数对象不加();如果内存地址加()就是在调用函数
与变量相同的用法:可以被引用、可以当作参数传递、返回值可以是函数、可以被储存到容器类型(列表、字典、元组)
独有的用法:加()可以运行其内部代码
- 可以被引用
def func1()
print('from func')
func2=func1
func2()
- 可以当作参数传递
def func1()
print('from func')
def bar(xxx)
xxx()
bar(func1)
- 返回值可以是函数
def func1()
print('from func')
def bar()
return func1
f=bar()
f()
- 可以被储存到容器类型(列表、字典、元组)
def func1()
print('from func')
l=[func1,]
l[0]()
3、函数嵌套
嵌套调用:在一个函数中调用了另一个函数
嵌套定义:在一个函数中定义的一个函数,只能在函数里面使用,外界不能用
def func1()
print('hello')
def func2()
print('world')
func1()
func2()
----------------------------------------
world
hello
4、名称空间
名称空间:就是存储名字与内存地址绑定关系的空间
4.1 名称空间的分类:
(1)内置名称空间:存储解释器自带的变量名称与值的对应关系(print、len、max、min);python解释器启动时创建内置名称空间,关闭解释器销毁
(2)全局名称空间:文件级别的名称,只要你的名字定义是顶着最左边(空格也算)写的就在全局空间,除了内置的和函数内的,都是全局名称空间;执行py文件创建全局名称空间,关闭解释器销毁
(3)局部名称空间:只要在函数里面就是局部的;调用函数时创建,函数执行完毕销毁
-
名称空间的加载顺序
内置的名称空间--->全局的名称空间---->局部的 -
查找顺序
局部的名称空间---->全局的名称空间----->内置的名称空间 -
总结:
1、名字的查找顺序是从当前位置往外查找
2、名称空间的嵌套关系是在函数定义阶段就固定死的,与调用位置无关。
5、作用域(作用范围)
域:指的是区域,范围的意思
全局的名称空间和内置的名称空间,在使用上没有什么区别
局部的和全局的内置的就区别了,局部定义的只能在局部使用
函数的作用域在定义时就固定了,与调用的位置没有关系
- 给三个空间划分范围
全局的和内置的可以划分为同一个范围
global 表示的全局范围 ,就是所谓的全局作用域
局部的单独划分为一个范围
local 局部作用域
# 查看全局作用域中的内容
print(globals())
# 查看全局作用域中的值
print(dir(globals()["_builtins_"]))
#明确使用函数外的变量
global age(函数名)
# nonlocal 明确声明使用上一层的函数变量,如果上一层没有,则找上上层的,但是不能找到全局的变量
nonlocal a(函数名)
# 查看局部作用域中的内容
print(locals())
- 总结:
1、如果是不可变类型,函数内变量值改变不会改变全局变量,若要改变需要声明;如果是可变类型,函数内变量值改变会改变全局变量
2、函数内变量尽量独立,不改变全局变量。
6、闭包函数
闭包函数与普通函数的区别
(1)定义在另一个函数中
(2)在内部的函数中使用了外部的变量(不包含全局的变量)
# 为函数体传值的方案一:直接以参数的形式传入
def f(x):
print(x)
f(10)
# 为函数体传值的方案二:函数之上传入,并返回函数本身,打包成闭包函数,并且闭包函数的调用赋值给全局变量
def inner():
x=10
def f():
print(x)
return f //在返回这个内部的函数时,不是单纯的返回函数,还把内部函数中访问到的局部名称一起打包返回,所以叫做闭包函数
y=inner()
y()
---------------------------------------------
10
# 第二种传参方式可以演变成:
def inner(x):
def f():
print(x)
return f
y=inner(11)
y()
----------------------------------------------
11
# _closure_用于访问,闭包时打包的数据
print(f._closure_[0].cell_contents)
print(f._closure_[1].cell_contents)
7、装饰器
7.1 什么是装饰器
装饰器:装饰器就是一个用于给其它函数增加功能的函数
装饰器本身可以是任意可调用对象
被装饰对象本身也可以是任意可调用对象
7.2 为什么要用装饰器
开闭原则:对扩展开放,对修改封闭(可以添加新功能,但是不能修改源代码和调用方式)
所以添加新功能,但是源代码不能动,调用方式也不能动;装饰器的目的就是在遵循开闭原则的基础上添加新功能
装饰器 和 闭包函数的关系:装饰器是一种设计代码的套路(在不修改源代码和调用方式的情况下增加功能),要完成装饰器,就需要使用闭包函数
# 装饰器
import time
def index():
print("开始下载xxx.mp4")
time.sleep(2)
print("xxx.mp4 下载完成!")
def outter(func):
def wrapper():
start_time = time.time() //此处可修改,添加新功能
func()
end_time = time.time() //此处可修改,添加新功能
print("下载耗时:",(end_time - start_time))
return wrapper
index=outter(index) //返回给wrapper内存地址;wrapper内存地址中又包括最原始的index内存地址
index()
# 装饰器改进
import time
def outter(func):
@wraps(func) //将被装饰对象的属性信息传给新的装饰器函数
def wrapper(*args,**kwargs): //将参数完全传给func()
start_time = time.time()
res=func(*args,**kwargs) //完全接受wrapper的参数;并且以变量的形式接收func()的返回值,也就是被装饰对象的返回值
end_time = time.time()
print("下载耗时:",(end_time - start_time))
return res
return wrapper
@outter //语法糖;index=outter(index) ,根据被装饰函数的名字,自动调用装饰器
def index():
print("开始下载xxx.mp4")
time.sleep(2)
print("xxx.mp4 下载完成!")
return 1234 //被装饰对象有返回值
@outter //语法糖;home=outter(home)
def home(name): //被装饰对象有参数
time.sleep(1)
print('welcome %s to home page' %name)
装饰器模板
from functools import wraps //导入functools模块,装饰器wraps
def outter(func):
@wraps(func) //将被装饰对象的所有属性赋值给wrapper
def wrapper(*args,**kwargs):
res=func(*args,**kwargs)
return res
return wrapper
@outter
def index():
time.sleep(1)
print('welcome to index page')
return 1234
index()
7.3 多个装饰器
多个装饰器加载顺序:(由被装饰函数)由下至上
多个装饰器执行顺序:由上至下
加载顺序:
image.png
执行顺序:
image.png
8、三元表达式
x if x > y else y //条件成立返回左边,条件不成立返回右边
res='ok' if True else 'False' //条件成立执行左边,条件不成立执行右边
9、容器表达式
9.1 列表生成式
l=[i**2 for i in range(10)] //将for循环的值按照左边表达式直接插入列表
l=[i**2 for i in range(10) if i > 4] //将for循环的值判断条件,符合条件的值按照左边表达式直接插入列表
sbs=[name.upper() for name in names if name.endswith('sb')] //在列表names里,如果有sb结尾的将其大写,插入sbs列表
9.2 字典生成式
res=[i:i**2 for i in range(10) if i > 4]
---------------------------------------------------
{5: 25, 6: 36, 7: 49, 8: 64, 9: 81}
9.3 集合生成式
print({i for i in 'hello'})
----------------------------------------------------
{'l', 'o', 'e', 'h'}
10、匿名函数
匿名函数就是指定义了一个函数的内存地址,主要用于临时使用一次的场景
(lambda x,y:x+y)(1,2) //x,y为参数,没有函数名;冒号后为代码块,自带return
print(res)
-------------------------------------------------
3
# 匿名函数通常和其它函数配合使用
print(max(salaries,key=lambda k:salaries[k])) //以匿名函数作为参数比较大小;key的意思是以什么作为比较的参数,取最大
# 排序
print(sorted(salaries,key=lambda k:salaries[k],reverse=True)) //以value从大到小排序
网友评论