python的基础学习 1

函数的进阶

1*args, **kwargs

*args 动态接收所有位置参数
**kwargs 动态接收关键字参数

动态接收参数的时候要注意: 动态参数必须在位置参数后⾯

def chi(*food, a, b):
    print("我要吃", food, a, b)
chi("⼤⽶饭", "⼩⽶饭", a="⻩⽠", b="茄⼦")

在python中可以动态的位置参数, 但是*这种情况只能接收位置参数⽆法接收关键字参数.在python中使⽤ **来接收动态关键字参数

def func(**kwargs):
    print(kwargs)
func(a=1, b=2, c=3)
func(a=1, b=2)
结果:
{'a': 1, 'b': 2, 'c': 3}
{'a': 1, 'b': 2}

最终顺序(*):

位置参数 > *args > 默认值参数 > **kwargs

这四种参数可以任意的进行使用 . 如果想接收所有的参数:

def	func(*args, **kwargs): 
    print(args, kwargs)
func("麻花藤","晕",wtf="胡辣汤")
结果:
('麻花藤', '晕') {'wtf': '胡辣汤'}

2闭包

如果⼀个函数执⾏完毕. 则这个函数中的变量以及局部命名空间中的内容都将会被销毁. 在闭包中. 如果变量被销毁了. 那内部函数将不能正常执⾏. 所以. python规定. 如果你在内部函数中访问了外层函数中的变量. 那么这个变量将不会消亡.将会常驻在内存中.

闭包的作⽤就是让⼀个变量能够常驻内存. 供后⾯的程序使⽤. # 后⾯需要⽤到这⾥⾯的内容就不需要在执⾏⾮常耗时的⽹络连接操作了

好处: 1.安全 2.常驻内存. 提高效率

3迭代器

⽬前我们所熟知的可迭代对象 str, list, tuple, dict, set. 他们都遵循了可迭代协议.

原理:--iter-- 这个类的对象就是⼀个可迭代对象.

应用：比如我们用爬虫时就可以用迭代器，我感觉就像是for循环一样，内部加上函数可以调用里面的函数且保存常驻内存.

迭代器的特点: 1.省内存 2.惰性机制 3.只能向前.

4生成器

什么是⽣成器. ⽣成器实质就是迭代器.

def func():
    print("111")
 	yield 222
gener = func() # 这个时候函数不会执⾏. ⽽是获取到⽣成器
ret = gener.__next__() # 这个时候函数才会执⾏. yield的作⽤和return⼀样. 也是返回数据
print(ret)
结果: 
111
222

⽣成器可以使⽤for循环来循环获取内部的元素:

def func():
    print(111)
    yield 222
    print(333)
    yield 444
    print(555)
    yield 666
    #yield和return的效果是⼀样的. 有什么区别呢? yield是分段来执⾏⼀个函数. return直接停⽌执⾏函数.
gen = func()
print(gen)
#结果：<generator object func at 0x000002F3C4B7D888>
for i in gen:
print(i)
# 结果:
# 111
# 222
# 333
# 444
# 555
# 666

⽣成器表达式和列表推导式的区别:

1. 列表推导式比较耗内存. ⼀次性加载. ⽣成器表达式⼏乎不占⽤内存. 使⽤的时候才分配和使⽤内存

2. 得到的值不⼀样. 列表推导式得到的是⼀个列表. ⽣成器表达式获取的是⼀个⽣成器.

lst = [i for i in range(1, 100) if i % 2 == 0]
print(lst)
#列表推导式
#⽣成器表达式和列表推导式的语法基本上是⼀样的. 只是把[]替换成()

1. 列表推倒式 [结果 for 变量 in 可迭代对象 if 筛选]
2. 字典推倒式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key:value
3. 集合推倒式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key

5 lambda

1. 函数的参数可以有多个. 多个参数之间⽤逗号隔开

2. 匿名函数不管多复杂. 只能写⼀⾏, 且逻辑结束后直接返回数据

3. 返回值和正常的函数⼀样, 可以是任意数据类型

# 计算n的n次⽅
def func(n):
    return n**n
print(func(10))
#lambda函数
f = lambda n: n**n
print(f(10))

6 sorted

排序函数: sorted(Iterable, key=None, reverse=False)

Iterable: 可迭代对象

key: 排序规则(排序函数), 在sorted内部会将可迭代对象中的每⼀个元素传递给这个函

数的参数. 根据函数运算的结果进⾏排序

reverse: 是否是倒叙. True: 倒叙, False: 正序

lst = ["麻花藤", "冈本次郎", "中央情报局", "狐仙"]
# 计算字符串⻓度
def func(s):
    return len(s)
print(sorted(lst, key=func))

结果：['狐仙', '麻花藤', '冈本次郎', '中央情报局']

lst = [{"id":1, "name":'alex', "age":18},
 {"id":2, "name":'wusir', "age":16},
 {"id":3, "name":'taibai', "age":17}]
# 按照年龄对学⽣信息进⾏排序
print(sorted(lst, key=lambda e: e['age']))

结果：[{'id': 2, 'name': 'wusir', 'age': 16}, {'id': 3, 'name': 'taibai', 'age': 17}, {'id': 1, 'name': 'alex', 'age': 18}]

7 filter

筛选函数filter(function. Iterable)

function: ⽤来筛选的函数. 在filter中会⾃动的把iterable中的元素传递给function. 然后function返回的True或者False来判断是否保留此项数据

Iterable: 可迭代对象

lst = [{"id":1, "name":'alex', "age":18},
 {"id":2, "name":'wusir', "age":16},
 {"id":3, "name":'taibai', "age":17}]
fl = filter(lambda e: e['age'] > 16, lst) # 筛选年龄⼤于16的数据
print(list(fl))

结果：[{'id': 1, 'name': 'alex', 'age': 18}, {'id': 3, 'name': 'taibai', 'age': 17}]

8 map

映射函数: map(function, iterable ) 可以对可迭代对象中的每⼀个元素进⾏映射. 分别取执⾏

function

#计算列表中每个元素的平⽅ ,返回新列表
def func(e):
    return e*e
mp = map(func, [1, 2, 3, 4, 5])
print(mp)
print(list(mp))

# 改写成lambda
print(list(map(lambda x: x * x, [1, 2, 3, 4, 5])))

9 递归

#在python中递归的深度最⼤到998
def foo(n):
    print(n)
    n += 1
    foo(n)
foo(1)
#在函数中调⽤函数本⾝. 就是递归

递归的应⽤: 我们可以使⽤递归来遍历各种树形结构, 比如我们的⽂件夹系统. 可以使⽤递归来遍历该⽂件夹中的所有⽂件

import os
def read(filepath, n):
    files = os.listdir(filepath)  # 获取到当前⽂件夹中的所有⽂件
    for fi in files:  # 遍历⽂件夹中的⽂件, 这⾥获取的只是本层⽂件名
        fi_d = os.path.join(filepath, fi)  # 加⼊⽂件夹 获取到⽂件夹+⽂件
    if os.path.isdir(fi_d):  # 如果该路径下的⽂件是⽂件夹
        print("	" * n, fi)
        read( fi_d, n + 1)  # 继续进⾏相同的操作
    else:
        print("	" * n, fi)  # 递归出⼝. 最终在这⾥隐含着return

# 递归遍历⽬录下所有⽂件
read('../1newpy/', 0)