Python函数学习笔记
y37f
10年前
定义
返回单值
def my_abs(x): if x >= 0: return x else: return -x
返回多值
返回多值就是返回一个tuple
import math def move(x, y, step, angle=0): nx = x + step * math.cos(angle) ny = y - step * math.sin(angle) return nx, ny
空函数
def nop(): pass
指定默认参数
必选参数在前，默认参数在后。默认参数需指向不可变对象（默认参数值在函数定义时被计算）
def power(x, n=2): s = 1 while n > 0: n = n - 1 s = s * x return s
可变参数
def calc(*numbers): sum = 0 for n in numbers: sum = sum + n * n return sum
调用可变参数的函数方法
>>> calc(1, 2) 5 >>> calc() 0 >>> nums = [1, 2, 3] >>> calc(*nums) 14
关键字参数
def person(name, age, **kw): print 'name:', name, 'age:', age, 'other:', kw
调用关键字参数的方法
>>> person('Michael', 30) name: Michael age: 30 other: {} >>> person('Bob', 35, city='Beijing') name: Bob age: 35 other: {'city': 'Beijing'} >>> person('Adam', 45, gender='M', job='Engineer') name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'} >>> kw = {'city': 'Beijing', 'job': 'Engineer'} >>> person('Jack', 24, **kw) name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'} 注：
- 参数定义的顺序必须是：必选参数、默认参数、可变参数和关键字参数。
- 对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。
递归
如果一个函数在内部调用自身本身，这个函数就是递归函数。
尾递归
在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。
高阶函数
- 变量可以指向函数（函数可以赋值给一个变量）
- 函数名也是变量（函数名可以赋值其他值）
- 函数可以做为函数的参数（高阶函数）
map(func, list)
map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。
>>> def f(x): ... return x * x ... >>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]) [1, 4, 9, 16, 25, 36, 49, 64, 81]
reduce(func_with_two_params, list)
reduce把一个函数作用在一个序列[x1, x2, x3…]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。
reduce(f, [x1, x2, x3, x4]) #相当于： f(f(f(x1, x2), x3), x4) >>> def add(x, y): ... return x + y ... >>> reduce(add, [1, 3, 5, 7, 9]) 25
filter(func_return_bool, list)
把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
def is_odd(n): return n % 2 == 1 filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]) # 结果: [1, 5, 9, 15]
sorted
对于两个元素x和y，如果认为x < y，则返回-1，如果认为x == y，则返回0，如果认为x > y，则返回1，
>>> sorted([36, 5, 12, 9, 21]) [5, 9, 12, 21, 36]
高阶函数用法
def reversed_cmp(x, y): if x > y: return -1 if x < y: return 1 return 0 >>> sorted([36, 5, 12, 9, 21], reversed_cmp) [36, 21, 12, 9, 5]
函数做为返回值
def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum >>> f = lazy_sum(1, 3, 5, 7, 9) >>> f <function sum at 0x10452f668> >>> f() 25
注：每次调用lazy_sum()都会返回一个新的函数，即使传入相同的参数。
闭包
def count(): fs = [] for i in range(1, 4): def f(): return i*i fs.append(f) return fs f1, f2, f3 = count() >>> f1() 9 >>> f2() 9 >>> f3() 9
原因是调用count的时候循环已经执行，但是f()还没有执行，直到调用其时才执行。所以返回函数不要引用任何循环变量，或者后续会发生变化的变量。
匿名函数（lambda表达式）
lambda x: x * x
等价于:
def f(x): return x * x
关键字lambda表示匿名函数，冒号前面的x表示函数参数。
匿名函数做为返回值
def build(x, y): return lambda: x * x + y * y
装饰器（@func）
在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator），本质上，decorator就是一个返回函数的高阶函数。
def log(func): def wrapper(*args, **kw): print 'call %s():' % func.__name__ return func(*args, **kw) return wrapper @log def now(): print '2013-12-25' >>> now() call now(): 2013-12-25 #相当于执行： now = log(now)
带参数的装饰器
def log(text): def decorator(func): def wrapper(*args, **kw): print '%s %s():' % (text, func.__name__) return func(*args, **kw) return wrapper return decorator @log('execute') def now(): print '2013-12-25' #执行结果 >>> now() execute now(): 2013-12-25 #相当于执行： >>> now = log('execute')(now) 剖析：首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。
__name__
由于函数的__name__已经改变，依赖于此的代码就会出错。因此使用functools.wraps。
import functools def log(func): @functools.wraps(func) def wrapper(*args, **kw): print 'call %s():' % func.__name__ return func(*args, **kw) return wrapper #对于带参函数 import functools def log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print '%s %s():' % (text, func.__name__) return func(*args, **kw) return wrapper return decorator
偏函数（固定函数默认值）
>>> import functools >>> int2 = functools.partial(int, base=2) >>> int2('1000000') 64 >>> int2('1010101') 85 #相当于： def int2(x, base=2): return int(x, base) max2 = functools.partial(max, 10) 相当于为max函数指定了第一个参数
max2(5, 6, 7) #相当于： max(10, 5, 6, 7)