Python学习笔记(二)

1. 函数
2. 高级特性

1. 函数

1. 调用函数
   函数API: http://docs.python.org/3/library/functions.html#abs
2. 数据类型转换
   int(),float(),str(),bool()…

3. 定义函数
   在Python中，定义函数使用def语句。

   def my_abs(x):
   if x >= 0:
       return x
   else:
       return -x

   注意在dos命令下，记得缩进。

4. 空函数
   如果想定义一个什么事也不做的空函数，可以用pass语句。

   def nop():
    pass

实际上，pass可以用来作为占位符，比如现在还没想好怎么写函数的代码，就可以先放一个pass，让代码能运行起来。

1. 参数检查
   调用函数时，如果参数个数不对，Python解释器会自动检查出来，并抛出TypeError。
   数据类型检查可以用内置函数isinstance()实现。
2. 返回多个值
   Python的函数返回值其实就是返回一个tuple。
3. 函数的参数
   位置参数，默认参数，
   可变参数:定义可变参数和定义一个list或tuple参数相比，仅仅在参数前面加了*。在参数内部，参数接收的是一个tuple，因此函数的代码完全不变。
   关键字参数:可变参数允许0个或任意个参数，这些可变参数在函数调用时自动组装成一个tuple，而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成一个dict。
   命名关键字参数:如果要限制关键字参数的名字，就可以用命名关键字参数。

  def person(name, age, *, city, job):
    print(name, age, city, job)

参数组合:在Python中定义函数，可以用必选参数，默认参数，可变参数，关键字参数和命名关键字参数，这5种参数都可以组合使用，但是参数的顺序必须是: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。

1. 递归函数
   在函数内部，可以调用其他函数。如果一个函数在内部调用自身，这个函数就是递归函数。
   使用递归函数要注意防止栈溢出。在计算机中，函数的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。
   解决递归调用栈溢出的方法是通过尾递归优化，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

2. 高级特性

1. 切片
   L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。Python支持L[-1]取倒数第一个元素，同样支持倒数切片。
   L[:10:2]表示，前10个数每2个取一个。L[::2]表示，所有数，每2个取一个。
   tuple也是一种List，唯一区别就是tuple不可变。因此，tuple也可以用切片操作，操作的结果仍然是tuple。
   字符串’xxx’也可以看成List，每一个元素就是一个字符。因此，字符串也可以用切片操作，操作结果仍然是字符串。

2. 迭代
   如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称之为迭代。
   默认情况下，dict迭代的是key，如果要迭代value，可以用for value in d.values()，如果同时迭代key和value，可以用for k,v in d.items()。
   字符串迭代: for ch in ‘abc’。
   可以通过collections模块的lterable类型来判断一个对象是否是可迭代对象。

   >>> from collections import Iterable
   >>> isinstance('abc', Iterable) # str是否可迭代
   True
   >>> isinstance([1,2,3], Iterable) # list是否可迭代
   True
   >>> isinstance(123, Iterable) # 整数是否可迭代
   False

   Python内置的enumerate函数可以把一个list变成索引-元素对。

   >>> for i, value in enumerate(['A', 'B', 'C']):
   ...     print(i, value)
   ...
   0 A
   1 B
   2 C

3. 列表生成式
   列表生成式即ListComprehensions，是Python内置的非常简单却强大的可以用来创建List的生成式。

   list(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']

   列出当前目录下所有文件和目录名

   >>> import os # 导入os模块，模块的概念后面讲到
   >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录

   把一个list中所有的字符串变成大写。

   >>> L = ['Hello', 'World', 'IBM', 'Apple']
   >>> [s.lower() for s in L]
   ['hello', 'world', 'ibm', 'apple']

4. 生成器
   在Python中，这种一边循环一边计算的机制，称为生成器:generator。可以通过next()函数获得generator的下一个返回值。

   >>> L = [x * x for x in range(10)]
   >>> L
   [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
   >>> g = (x * x for x in range(10))
   >>> g
   <generator object <genexpr> at 0x1022ef630>

   创建l和g的区别仅在于外层的[]和()，l是list,而g是generator。

   >>> g = (x * x for x in range(10))
   >>> for n in g:
   ...     print(n)
   ... 

   如果一个函数的定义中包含yield关键字，那么这个函数就不是普通的函数，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和函数的执行流程不一样，函数是顺序执行，遇到return语句或者最后一行函数语句就返回，而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语句继续执行。

5. 迭代器
   直接作用于for循环的数据类型:

   1. 集合数据类型。list,tuple,dict,set,str等;
   2. generator。包括生成器和带yield的generator function。

   这些直接作用于for循环的对象统称之为可迭代对象:Iterable。
   可以使用isinstance()判断一个对象是否是Iterable对象:

   >>> from collections import Iterable
   >>> isinstance([], Iterable)
   True
   >>> isinstance({}, Iterable)
   True
   >>> isinstance('abc', Iterable)
   True
   >>> isinstance((x for x in range(10)), Iterable)
   True
   >>> isinstance(100, Iterable)
   False

   而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直至最后抛出StopIteration错误表示无法继续返回下一个值了。
   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。
   可以使用isinstance()判断一个对象是否是Iterator对象:

   >>> from collections import Iterator
   >>> isinstance((x for x in range(10)), Iterator)
   True
   >>> isinstance([], Iterator)
   False
   >>> isinstance({}, Iterator)
   False
   >>> isinstance('abc', Iterator)
   False

来自为知笔记(Wiz)