-
Notifications
You must be signed in to change notification settings - Fork 0
/
main.py
1968 lines (1227 loc) · 47.7 KB
/
main.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
#第一行是告诉Linux/OS X,windows会忽略
#第二行(UTF-8 without BOM)
##Python是一种相当高级的语言
##网络应用,包括网站、后台服务等等
#缺点就是运行速度慢,和C程序相比非常慢,因为Python是解释型语言
#跨平台的
#官方版本的解释器:CPython
4个空格缩进
CPU执行的是加减乘除的指令代码,以及各种条件判断和跳转指令
dir(obj) # 简单的列出对象obj所包含的方法名称,返回一个字符串列表
help(obj.func) # 查询obj.func的具体介绍和用法
age = input('please enter your name: ')
age 是 str
int(age) 转换 int
# 转义\" \' \n \t \\
#用r''表示''内部的字符串默认不转义
#多行内容 '''...'''
'''line1
line2
line3'''
r'''hello,\n
world'''
True、False
and、or和not
变量大小写英文、数字和_的组合,且不能用数字开头
空值 None
任何数据都是对象
变量本身类型不固定的语言称之为动态语言
用全部大写的变量名表示常量
/除法计算结果是浮点数,即使是两个整数恰好整除,结果也是浮点数
//,称为地板除,两个整数的除法仍然是整数,只取结果的整数部分
整数的地板除//永远是整数,即使除不尽。要做精确的除法,使用/就可以
Python的整数没有大小限制
浮点数也没有大小限制,但是超出一定范围就直接表示为inf(无限大)
x = y是把变量x指向真正的对象,该对象是变量y所指向的。随后对变量y的赋值不影响变量x的指向
##字符编码
GB2312两个字节表示一个汉字
Unicode用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)
ASCII编码是1个字节,而Unicode编码通常是2个字节
如果写的文本基本上全部是英文的话,用Unicode编码比ASCII编码需要多一倍的存储空间
“可变长编码”UTF-8编码
UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,
常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。
如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间
ASCII编码实际上可以被看成是UTF-8编码的一部分
计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码
Python3版本中,字符串是以Unicode编码的,也就是说,Python的字符串支持多语言
ord()函数获取字符的整数表示,chr()函数把编码转换为对应的字符
ord('A') ord('中')
还可以用十六进制这么写str '\u4e2d\u6587' == '中文'
字符串类型是str,在内存中以Unicode表示
一个字符对应若干个字节。如果要在网络上传输,或者保存到磁盘上,就需要把str变为以字节为单位的bytes
bytes类型的数据用带b前缀的单引号或双引号表示 x = b'ABC'
注意区分'ABC'和b'ABC',前者是str,后者虽然内容显示得和前者一样,但bytes的每个字符都只占用一个字节。
str通过encode()方法可以编码为指定的bytes
'ABC'.encode('ascii') == b'ABC'
'中文'.encode('utf-8') == b'\xe4\xb8\xad\xe6\x96\x87'
纯英文的str可以用ASCII编码为bytes,内容是一样的,含有中文的str可以用UTF-8编码为bytes
从网络或磁盘上读取了字节流,那么读到的数据就是bytes。要把bytes变为str,就需要用decode()
b'ABC'.decode('ascii') == 'ABC'
b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8') == '中文'
b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore') == '中'#忽略错误的字节
len('ABC')#字符数
len(b'ABC')#字节数 len('中文'.encode('utf-8'))
格式化方式和C语言是一致的,用%实现 'Hi, %s, you have $%d.' % ('Michael', 1000000)
%x 十六进制整数,%f 浮点数
print('%2d-%02d' % (3, 1))
%s永远起作用
转义%%来表示一个%
'Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125)
##list
list是一种可变有序的集合s = []
len(s),s[2],获取最后一个s[-1],倒数第二s[-2]
s.append('Adam')末尾追加
s.insert(1, 'Jack')插入
s.pop()删除末尾
s.pop(i)删除指定位置
s[1] = 'Sarah'替换元素
list里面的元素的数据类型可以不同,元素可以是另一个list(二维)
s = ['python', 'java', ['asp', 'php'], 'scheme']
L = []
len(L) == 0
s.sort()排序
##tuple
元组:tuple。list非常类似,但是tuple一旦初始化就不能修改
t = ('Michael', 'Bob', 'Tracy')
定义一个tuple时,在定义的时候,tuple的元素就必须被确定下来
t = ()空tuple
t = (1,)一个元素
可变tuple
t = ('a', 'b', ['A', 'B'])
t[2][0] = 'X'
t[2][1] = 'Y'
t
('a', 'b', ['X', 'Y'])
指向不变
tuple所谓的“不变”是说,tuple的每个元素,指向永远不变。即指向'a',就不能改成指向'b',
指向一个list,就不能改成指向其他对象,但指向的这个list本身是可变的!
二维数组最后一个L[-1][-1]
if age >= 18:
print('adult')
elif age >= 6:
print('teenager')
else:
print('your age is', age)
if x:
print('True')
x是非零数值、非空字符串、非空list等,就判断为True,否则为False
##循环
一种是for...in循环,依次把list或tuple中的每个元素迭代出来
for name in names:
print(name)
range(5)生成的序列是从0开始小于5的整数
通过list()函数可以转换为list
list(range(5)) == [0, 1, 2, 3, 4]
另一种:while n > 0:
##dict & set
dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度
d = {'Michael': 95, 'Bob': 75, 'Tracy': 85}
d['Michael']
在list中查找元素的方法,list越大,查找越慢
dict查找速度都非常快,不会随着字典大小的增加而变慢
缺点:需要占用大量的内存,内存浪费多。dict是用空间来换取时间的一种方法
d['Adam'] = 67放入
'Thomas' in d 判断key是否存在
d.get('Thomas') key存在返回None
d.get('Thomas', -1)
d.pop('Bob')删除键值对
dict的key必须是不可变对象
通过key计算位置的算法称为哈希算法(Hash)
set和dict类似,也是一组key的集合,但不存储value。在set中,无重复的key。无序
要创建一个set,需要提供一个list作为输入集合
s = set([1, 2, 3])
add(key)添加
remove(key)删除
&|并集交集操作
同样不可以放入可变对象
str,None是不变对象,而list是可变对象
a = 'abc'
a.replace('a', 'A')
'Abc'
a
'abc'
对于不变对象来说,调用对象自身的任意方法,也不会改变该对象自身的内容。相反,这些方法会创建新的对象并返回
最常用的key是字符串
##函数
python 内置函数
https://docs.python.org/3/library/functions.html
help(abs)查看abs函数的帮助信息
abs(-100)
max()可以接收任意多个参数,并返回最大的那个
float('12.34') str(1.23) bool('')
a = abs #别名
a(-1) # 所以也可以通过a调用abs函数
hex()函数把一个整数转换成十六进制表示的字符串
定义函数
def my_abs(x):
if x >= 0:
return x
else:
return -x
如果没有return语句,函数执行完毕后也会返回结果,只是结果为None。return None可以简写为return
from abstest import my_abs来导入my_abs()
空函数
def nop():
pass
if age >= 18:
pass
import math
def my_abs(x):
if not isinstance(x, (int, float)):
raise TypeError('bad operand type')
if x > 0:
return x
else:
return -x
def move(x,y,step,angle=0):
nx = x + step * math.cos(angle)
ny = y - step * math.sin(angle)
return nx,ny
返回值是一个tuple()
返回多值其实就是返回一个tuple,而多个参数可以同时接收一个tuple
def quadratic(a,b,c):
i=b**2-4*a*c
if i>0:
x1=(-b+math.sqrt(i))/(2*a)
x2=(-b-math.sqrt(i))/(2*a)
print('方程有两个不同的解:' , x1,x2)
# return x1,x2
elif i==0:
x1=-b/2*a
print('方程有两个相同的解:', x1,x1)
else:
print('方程无解')
位置参数
必选参数在前,默认参数在后
默认参数必须指向不变对象
可变参,任意多个参数包括0个
参数前面加了一个*号
nums = [1, 2, 3]
calc(*nums)
*nums表示把nums这个list的所有元素作为可变参数传进去
可变参数在函数调用时自动组装为一个tuple
**kw
关键字参数允许你传入0个或任意个含参数名的参数
这些关键字参数在函数内部自动组装为一个dict
person('Bob', 35, city='Beijing')
name: Bob age: 35 other: {'city': 'Beijing'}
extra = {'city': 'Beijing', 'job': 'Engineer'}
person('Jack', 24, **extra)
**extra表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数
kw获得的dict是extra的一份拷贝
命名关键字参数
def person(name, age, *, city, job):
print(name, age, city, job)
命名关键字参数需要一个特殊分隔符*,*后面的参数被视为命名关键字参数
如果函数定义中已经有了一个可变参数,后面跟着的命名关键字参数就不再需要一个特殊分隔符*了:
def person(name, age, *args, city, job):
print(name, age, args, city, job)
命名关键字参数可以有缺省值,从而简化调用:
def person(name, age, *, city='Beijing', job):
print(name, age, city, job)
person('Jack', 24, job='Engineer')
参数定义的顺序必须是:必选参数、默认参数、可变参数、命名关键字参数和关键字参数。
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
总结:
*args是可变参数,args接收的是一个tuple;
**kw是关键字参数,kw接收的是一个dict。
可变参数既可以直接传入:func(1, 2, 3),又可以先组装list或tuple,再通过*args传入:func(*(1, 2, 3));
关键字参数既可以直接传入:func(a=1, b=2),又可以先组装dict,再通过**kw传入:func(**{'a': 1, 'b': 2})。
命名的关键字参数是为了限制调用者可以传入的参数名,同时可以提供默认值。
定义命名的关键字参数在没有可变参数的情况下不要忘了写分隔符*,否则定义的将是位置参数
def product(*args):
if args:
acl = 1
for i in args:
acl *= i
return acl
else:
raise TypeError('none types')
##递归
阶乘
def fact(n):
if n==1:
return 1
return n * fact(n - 1)
函数调用是通过栈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
尾递归是指,在函数返回的时候,调用自身本身
尾递归和循环的效果是一样的,所以,把循环看成是一种特殊的尾递归函数也是可以的
尾递归调用时,如果做了优化,栈不会增长
汉诺塔的移动可以用递归函数非常简单地实现
move(n, a, b, c)函数,它接收参数n,表示3个柱子A、B、C中第1个柱子A的盘子数量,然后打印出把所有盘子从A借助B移动到C的方法
def hanoi(n, a, b, c):
# 当n为1时 (递归基础)
if n == 1:
print(a, '-->', c) # 将A柱最底层的圆盘移动到C柱
# 当n大于1时
else:
hanoi(n-1, a, c, b) # 借助C柱,将n-1个圆盘从A柱移动到B柱
print(a, '-->', c) # 将A柱最底层的圆盘移动到C柱
hanoi(n-1, b, a, c) # 借助A柱,将n-1个圆盘从B柱移动到C柱
##Slice
取一个list或tuple的部分元素
L[0:3]取 0,1,2
如果第一个索引是0
L[:3]前三个
L[-2:]后两个
前10个数,每两个取一个:
L[:10:2]
所有数,每5个取一个:
L[::5]
'ABCDEFG'[:3]
str.strip() 去首尾空格
#循环去str首尾空格
while s[:1] == ' ':
s = s[1:]
while s[-1:] == ' ':
s = s[:-1]
return s
##迭代
for循环不仅可以用在list或tuple上,还可以作用在其他可迭代对象上
d = {'a': 1, 'b': 2, 'c': 3}
for key in d:
print(key)
迭代value ,entity
for value in d.values()
for k, v in d.items()
from collections import Iterable
isinstance('abc', Iterable) # str是否可迭代
同时迭代索引和元素本身
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)
#迭代最大值最小值
def min_max(d):
min1 = d[0]
max1 = d[0]
for i in d:
if i <= min1:
min1 = i
if i >= max1:
max1 = i
return (min1, max1)
##列表生成式
[x * x for x in range(1, 11)]
[x * x for x in range(1, 11) if x % 2 == 0]
[m + n for m in 'ABC' for n in 'XYZ']
import os
[d for d in os.listdir('.')] # os.listdir可以列出文件和目录
[k + '=' + v for k, v in d.items()]
L = ['Hello', 'World', 18, 'Apple', None]
L2 = [s.lower() for s in L1 if isinstance(s, str) == True]
##生成器
第一种方法很简单,把一个列表生成式的[]改成()
g = (x * x for x in range(10))
next(g)获得generator的下一个返回值
迭代generator
for n in g:
print(n)
赋值
a, b = b, a + b
#斐波那契 generator
第二种:一个函数定义中包含yield关键字,那么这个函数就不再是一个普通函数,而是一个generator
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
generator的函数,在每次调用next()的时候执行,遇到yield语句返回,
再次执行时从上次返回的yield语句处继续执行
迭代generator 函数
for n in fib(6):
print(n)
#杨辉三角
def triangles():
L = [1]
while 1:
yield L
L = [0] + L + [0]
L = [L[i] + L[i + 1] for i in range(len(L) - 1)]
##迭代器
可以直接作用于for循环的数据类型:
一类是集合数据类型,如list、tuple、dict、set、str
一类是generator,包括生成器和带yield的generator function
统称可迭代对象:Iterable
from collections import Iterable
是否是可迭代对象
isinstance((x for x in range(10)), Iterable)
生成器不但可以作用于for循环,还可以被next()函数不断调用
可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator
from collections import Iterator
生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator
变成Iterator:iter('abc')
Iterator对象表示的是一个数据流。可以把这个数据流看做是一个有序序列,
但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据
Iterator表示一个惰性计算的序列
Iterator甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
Python的for循环本质上就是通过不断调用next()函数实现的
it = iter([1, 2, 3, 4, 5])
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
##高阶函数map()和reduce()
map()函数接收两个参数,一个是函数,一个是Iterable,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Iterator返回
Iterator是惰性序列,因此通过list()函数让它把整个序列都计算出来并返回一个list
list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
['1', '2', '3', '4', '5', '6', '7', '8', '9']
reduce接收两个参数,把一个函数(这个函数必须接收两个参数)作用在一个序列[x1, x2, x3, ...]上,
结果继续和序列的下一个元素做累积计算
from functools import reduce
求和函数sum()可以接受一个list并求和
#str转换为int的函数 功能和int()一样
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def char2num(s):
return DIGITS[s]
def str2int(s):
return reduce(lambda x, y: x * 10 + y, map(char2num, s))
str.capitalize('uRRH') 首字母大写
'SJIISOA'.lower()/.upper()
name[0].upper() + name[1:].lower()#首字母大写
str[::-1] 反向str
str[1::-1] 从1开始倒着数
#str to float
return reduce(lambda x,y:x*10+y,map(int,s.split(".")[0]))
+(reduce(lambda x,y:x/10+y,map(int,s.split(".")[1][::-1])))/10
filter()也接收一个函数和一个序列。filter()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
filter()函数返回的是一个Iterator,也就是一个惰性序列。需要用lst()获得所有结果并返回list
计算素数的一个方法是埃氏筛法
从3开始的奇数
def _odd_iter():
n = 1
while True:
n = n + 2
yield n
def _not_divisible(n):
return lambda x: x % n > 0
def primes():
yield 2
it = _odd_iter() # 初始序列
while True:
n = next(it) # 返回序列的第一个数
yield n
it = filter(_not_divisible(n), it) # 构造新序列
Iterator是惰性计算的序列
可以用Python表示“全体自然数”,“全体素数”这样的序列
筛选回数
def is_palindrome(n):
sn = str(n)
return sn[::] == sn[::-1]
output = filter(is_palindrome,range(1,1000))
##排序
sorted()函数就可以对list进行排序
sorted()函数也是一个高阶函数,它还可以接收一个key函数来实现自定义的排序
sorted([36, 5, -12, 9, -21], key=abs)
key指定的函数将作用于list的每一个元素上,并根据key函数返回的结果进行排序
默认情况下,对字符串排序,是按照ASCII的大小比较的,
由于'Z' < 'a',结果,大写字母Z会排在小写字母a的前面
忽略大小写排序str
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
忽略大小写,反向排序
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
成绩和名称排序
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
L2 = sorted(L,key=lambda L0 : L0[0])
成绩从高到低
L2 = sorted(L,key=lambda L1 : -L1[1])
##函数作为返回值
我们在函数中又定义了函数,并且,内部函数可以引用外部函数的参数和局部变量,
当外部函数返回内部函数时,相关参数和变量都保存在返回的函数中
闭包(Closure)
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
如果一定要引用循环变量就再创建一个函数,用该函数的参数绑定循环变量当前的值
#利用闭包返回一个计数器函数,每次调用它返回递增整数:
def createCounter():
def counter():
n=0
while True:
n=n+1
yield n
x=counter()
def fext():
return next(x)
return fext
##匿名函数
lambda x: x * x
## 装饰器
函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也能调用该函数
函数对象有一个__name__属性,可以拿到函数的名字
def now():
print('2015-3-25')
f = now
f()
在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)
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('2015-3-25')
@log放到now()函数的定义处,相当于执行了语句:
now = log(now)
log()是一个decorator
调用now()将执行新函数,即在log()函数中返回的wrapper()函数
wrapper()函数的参数定义是(*args, **kw),因此,wrapper()函数可以接受任意参数的调用
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('2019-11-25')
3层嵌套
now = log('execute')(now)
import functools
import time
# 设计一个decorator,它可作用于任何函数上,并打印该函数的执行时间
def metric(fn):
@functools.wraps(fn) #原始函数的__name__等属性复制到wrapper()函数中
def wrapper(*args,**kw):
print('%s executed in %s ms' % (fn.__name__, time.time()))
return fn(*args,**kw)
return wrapper
@metric
def now1():
print('2019-11-25')
#写一个decorator,能在函数调用的前后打印出'begin call'和'end call'的日志
def log2(test='call'):
def metric(fn):
@functools.wraps(fn)
def wrapper(*args,**kw):
# print('Begain %s %s()' % (test, fn.__name__))
# fn(*args,**kw)
# print('End %s %s()' % (test, fn.__name__))
# return fn(*args, **kw)
print('Begain %s %s()' % (test,fn.__name__))
back = fn(*args,**kw)
print('End %s %s()' % (test, fn.__name__))
# # return back
return wrapper
return metric
#测试log2
@log2('execute')
def now2():
print('2019-11-25')
Python除了能支持OOP的decorator外,
直接从语法层次支持decorator。Python的decorator可以用函数实现,也可以用类实现
##偏函数
import functools
int('12345')#base=10
int('12345', base=8)
int('12345', 16)
#functools.partial的作用就是,把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数
int2 = functools.partial(int, base=2)
int2('10010')
相当于
kw = { 'base': 2 }
int('10010', **kw)
创建偏函数时,可以接收函数对象、*args和**kw这3个参数
max2 = functools.partial(max, 10)
max2(5, 6, 7)
相当于
args = (10, 5, 6, 7)
max(*args)
当函数的参数个数太多,需要简化时,使用functools.partial可以创建一个新的函数,这个新函数可以固定住原函数的部分参数
##模块
import sys
' a test module '
任何模块代码的第一个字符串都被视为模块的文档注释
__author__ = 'gp'
变量sys指向sys模块
args = sys.argv #[main.py]
sys模块有一个argv变量,用list存储了命令行的所有参数。argv至少有一个元素,
因为第一个参数永远是该.py文件的名称
运行python3 hello.py Michael获得的sys.argv就是['hello.py', 'Michael]
if __name__=='__main__':
test()
在命令行运行模块文件时,Python解释器把一个特殊变量__name__置为__main__,
而如果在其他地方导入该hello模块时,if判断将失败,因此,
这种if测试可以让一个模块通过命令行运行时执行一些额外的代码,最常见的就是运行测试。
__name__
当模块是被调用执行的,取值为模块的名字;当模块是直接执行的,则该变量取值为:__main__
##一个模块
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
' a test module '
__author__ = 'Michael Liao'
import sys
def test():
args = sys.argv
if len(args)==1:
print('Hello, world!')
elif len(args)==2:
print('Hello, %s!' % args[1])
else:
print('Too many arguments!')
if __name__=='__main__':
test()
import hello
运行:hello.test()
正常的函数和变量名是公开的(public),可以被直接引用
__xxx__这样的变量是特殊变量,可以被直接引用,但是有特殊用途,
比如__author__,__name__
模块定义的文档注释也可以用特殊变量__doc__访问
_xxx和__xxx这样的函数或变量就是非公开的(private)
Python并没有一种方法可以完全限制访问private函数或变量
外部不需要引用的函数全部定义成private
安装第三方模块,是通过包管理工具pip完成的
安装时勾选了pip和Add python.exe to Path
第三方库都会在Python官方的pypi.python.org网站注册
Python Imaging Library(PIL)非常强大的处理图像的工具库
基于PIL的Pillow支持python3
pip install Pillow
MySQL驱动程序,Web框架Flask,科学计算Numpy
Anaconda,是一个基于Python的数据处理和科学计算平台
内置了许多非常有用的第三方库
模块搜索路径
加载一个模块时,Python会在指定的路径下搜索对应的.py文件
sys.path
添加搜索目录,运行时修改
sys.path.append('/Users/michael/my_py_scripts')
## 类
class Student(object):#object),表示该类是从哪个类继承下来的
def __init__(self, name, score):#特殊方法,第一个参数永远是实例变量self
self.__name = name
self.__score = score
def print_score(self):#第一个参数是self
print('%s: %s' % (self.__name, self.__score))
def get_grade(self):
if self.__score >= 90:
return 'A'
elif self.__score >= 60:
return 'B'
else:
return 'C'
def get_name(self):
return self.__name
def get_score(self):
return self.__score
def set_score(self, score):
if 0 <= score <= 100:
self.__score = score
else:
raise ValueError('bad score')
bart = Student()
bart.name = 'Bart Simpson'
__init__方法的第一个参数永远是self,表示创建的实例本身
#绑定任何数据
bart = Student('Bart Simpson', 59)
bart.age = 8
实例的变量名如果以__开头,就变成了一个私有变量(private),只有内部可以访问
Python解释器对外把__name变量改成了_Student__name,通过_Student__name来访问__name变量
__xxx__,是特殊变量,特殊变量是可以直接访问的
比如_name,请把我视为私有变量,不要随便访问
多态 开闭原则,对扩招开放,对修改关闭
Animal - run() Dog - run() Cat - run()
参数为Animal的函数,Python这样的动态语言来说,
不一定需要传入Animal类型。我们只需要保证传入的对象有一个run()方法就可以了