PythonCookbook第七章（函数）【透彻完结】
函数（前面已经看过了，这次把博客补上，书中讲的内容并不难）
用def语句定义的函数是所有程序的基石。书中介绍默认参数、可接受任意数量参数的函数、关键字参数、参数注解以及闭包。
7.1 编写可接收任意数量参数的函数
问题：
编写一个可接收任意数量参数的函数
解决方案：
*args，**kwargs
def avg(first, *args):
# args 返回的是元祖
return (first + sum(args)) / (1 + len(args))
import html
def make_element(name, value, **kwargs):
# kwargs返回的是字典
keyvals = [' %s="%s"' % item for item in kwargs.items()]
attr_str = ''.join(keyvals)
element = '<{name} {attrs}>{value}</{name}>'.format(
name=name,
attrs = attr_str,
# 替换value中的<>符号
value = html.escape(value)
)
return element
if __name__ == '__main__':
print(avg(12, 3, 4, ))
print(avg(12, 3, 2, 32, 34, 3))
print(make_element('item', 'Albatross', size='large', quantity=6))
print(make_element('p', '<spam>'))
/usr/local/bin/python3.7 /Users/shijianzhong/study/PythonCookbook/chapter_7/t1_2.py 6.333333333333333 14.333333333333334 <item size="large" quantity="6">Albatross</item> <p ><spam></p> Process finished with exit code 0
讨论:
在函数定义中，以*打头的参数只能作为最后一个位置参数出现，而以**打头的参数只能作为最后一个参数出现。
不要犯初级的错误了，默认参数的位置，一定要在非默认参数的后面，今天这个小问题尽然卡住我了，丢人丢到家了。
7.2 编写只接收关键字参数的函数
问题
只通过关键字形式接收特定的参数
解决方案
# 传入的参数中，无论多少，第一个maxsize接收第一个参数，后面所有的位置参数全部*接收
# 想给*后面的参数赋值，必须通过关键形式.
def recv(maxsize, *, block):
...
def minium(*values, clip=None):
m = min(values)
# 如果默认不是空
if clip is not None:
m = clip if clip < m else m
return m
if __name__ == '__main__':
print(minium(1, 2, 3, 4, clip=5))
print(recv(1024, block=True))
print(recv(1024, True))
讨论
这个叫kewword-only参数常常是一种提高代码可读性的好方法。
7.3 将元数据信息附加到函数上
讨论：
在函数上面添加一些元信息
解决方案：
def add(x:int, y:int) -> int:
return x+y
if __name__ == '__main__':
print(help(add))
# 通过annotations属性输出信息
print(add.__annotations__)
讨论：
一般没什么用，我也基本不会用，可以在验证参数的时候用一下，但装饰器更好用。
7.4 从函数中返回多个值
问题：
我们想从函数中返回多个值
解决方案：
返回一个元祖
def myfun(x, y, z):
# 元祖的定义靠逗号
return x, y, z
if __name__ == '__main__':
res = myfun(1, 2, 3)
print(res)
print(type(res))
/usr/local/bin/python3.7 /Users/shijianzhong/study/PythonCookbook/chapter_7/t3_4.py (1, 2, 3) <class 'tuple'>
讨论:
没啥讨论的
7.5 定义带有默认参数的函数
问题
定义一个函数或者方法，其中由一个或者多个参数是可选的，并且带有默认值
解决方案：
# 普通默认参数
def spam1(a, b=42):
print(a, b)
# 定义参数为可变容器的话
def spam2(a, b=None):
if b is None:
b = []
_no_value = object()
# 验证参数b有没有填写, 可以赋值一个object实例
def spam3(a, b=_no_value):
if b is _no_value:
print('No b value supplied')
if __name__ == '__main__':
spam3(1)
讨论：
定义带有默认参数的函数看似容易，但其实并不像看到的那么简单，很有道理。
流畅的Python书中说过，Python的函数传参其实使共享传参，在函数定义好以后，所有的函数参数就好比函数的属性，绑定在函数上面。
In [21]: x = 42
In [22]: def spam(a, b=x):
...: print(a,b)
...:
In [23]: spam(1)
1 42
In [24]: x = 50
In [25]: spam(1)
1 42
In [26]: import inspect
In [31]: inspect.getfullargspec(spam)
Out[31]: FullArgSpec(args=['a', 'b'], varargs=None, varkw=None, defaults=(42,), kwonlyargs=[], kwonlydefaults=None, annotations={})
这里x属于不可变参数，定义函数的时候，b也指向了42值，当修改x的时候，并不影响42的值，所以函数的内部属性不会变。
In [32]: def spam(a, b=[]):
...: print(b)
...: return b
...:
...:
In [33]: x = spam(1)
[]
In [34]: x
Out[34]: []
In [35]: x.append(99)
In [36]: x
Out[36]: [99]
In [37]: spam(1)
[99]
Out[37]: [99]
In [38]:
上面一个定义了可变参数为函数属性的例子，这样使非常不可取的，只要脚本执行中，这个函数无论什么时候执行，这个可变参数都会根据函数的执行而发生变化，所有的函数执行都将共享这个可变参数，这是不对的。
def spam2(a, b=None):
if b not b:
b = []
在这个函数里这样定义b是否为None是不对的，因为'',[],空数据not以后都会变True
最后的那个ocject()默认值来测试是否提供了参数，还是比较有意思的，object()作为Python中所有对象的基类而存在，这玩意唯一的用处就是检测相等性。
7.6 定义匿名或内联函数
问题：
需要为高阶函数比如(sort)操作，但不想写def
解决方法：
lambda函数
In [44]: add = lambda x, y: x+y In [45]: add(2,3) Out[45]: 5 In [46]: add([1,2],[3,4]) Out[46]: [1, 2, 3, 4] In [47]: name = ['sidian','wudian','liusidian'] In [48]: sorted(name,key=lambda x: x[0]) Out[48]: ['liusidian', 'sidian', 'wudian'] In [49]:
讨论：
lambda不写复杂的逻辑
其实lambda在实际操作中，我经常会犯错误，可能还是我用的少，或者实例有限，在lambda冒号的左边的参数，就好比def(args)里面的参数，所有的在函数里面定义参数的规则，这里也一样。
冒号后面是返回的值，这样时候去理解7.7节的内容就更加好理解，在lambda y,x=x: x+y，中，就好比已经定义了内部参数x，这样冒号后面的函数体也就是返回值不会读取外部变量的x。
如果没有定义，则执行函数的时候就去读取最新的x的值。
7.7 在匿名函数中绑定变量的值
问题：
我们利用lambda表达式定义了一个匿名函数，但是希望可以在函数定义的时候完成对特定变量的绑定。
解决方案：
这个还是蛮有意思的，匿名函数在冒号前面的参数，可以直接读取外部的全局变量参数，当匿名函数执行的时候，全部变量是什么他就读取什么。
这个跟定义好的函数，函数内部读取外部参数一样的逻辑。
In [49]: x = 10 In [50]: a = lambda y: x+y In [51]: x= 20 In [52]: b = lambda y: x+y In [53]: a(30) Out[53]: 50 In [54]: b(30) Out[54]: 50 In [55]:
没有绑定的情况，如果想绑定，可以填写默认参数一样。
In [55]: x = 10 In [56]: b = lambda y,x=x: x+y In [57]: x= 20 In [58]: a = lambda y,x=x: x+y In [59]: a(20) Out[59]: 40 In [60]: b(20) Out[60]: 30 In [61]:
讨论:
这个还是蛮有意思的，lambda函数还是非常好用的，但流畅的Python里面好像不是很推荐，不知道为什么。
In [61]: func = [lambda x: x+n for n in range(5)]
In [62]: for f in func:
...: print(f(0))
...:
4
4
4
4
4
这个是在执行时，读取变量n，那时候n就是4
In [66]: func = [lambda x,n=n: x+n for n in range(5)]
In [67]: for f in func:
...: print(f(0))
...:
0
1
2
3
4
这个是在定义的匿名函数的时候设置参数
7.8 让带有N个参数的可调用对象以较少的参数形式调用
问题
我们有一个可调用的对象可能会以回调函数的形式同其他的Python代码交互。但是这个可调用对象的参数过多，如果直接调用的话会产生异常。
解决方案：
用funtools.partail（好像国内的教学叫做偏函数，当时想了半天，不懂），但我感觉其实lambda就够了，我的感觉，lambda更加好理解，两个返回的都是函数，但lambda学精了，感觉太强大了
In [14]: def spam(a,b,c,d):
...: print(a,b,c,d)
...:
In [15]: s1 = partial(spam,1)
In [16]: ss1 = lambda b,c,d:spam(1,b,c,d)
In [17]: s1(2,3,4)
1 2 3 4
In [18]: ss1(2,3,4)
1 2 3 4
In [19]: s2 = partial(spam,d=42)
In [20]: ss2 = lambda a,b,c,d=42:spam(a,b,c,d)
In [21]: s2(1,2,3)
1 2 3 42
In [22]: ss2(1,2,3)
1 2 3 42
In [23]: s3 = partial(spam,1,2,d=42)
In [25]: ss3 = lambda c, d=42:spam(1,2,c,d)
In [26]: s3(1)
1 2 1 42
In [27]: ss3(1)
1 2 1 42
上面的列子中，我将所有的partial函数全部转换为了lambda函数，从操作可以看出，转换成lambda函数相对代码量更加大。
In [35]: s3 = partial(spam,1,2,d=42) In [36]: s3(3,4) --------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-36-91a1173e6786> in <module> ----> 1 s3(3,4) TypeError: spam() got multiple values for argument 'd' In [37]: In [37]: s3(3,d=4) 1 2 3 4 In [38]: ss3 = lambda c,d=42:spam(1,2,c,d) In [39]: ss3(3,4) 1 2 3 4 In [40]: ss3(3,d=4) 1 2 3 4 In [41]:
刚刚测试了，在偏函数中定义了默认参数，后面执行该变函数，则一定要通过关键字传参，但lambda跟函数一样，定义了默认参数，仍然可以通过位置传参。
讨论：
书中用partial写了几个例子。
def output_result(result, log=None):
if log is not None:
log.debug('Got: %r', result)
def add(x, y):
return x + y
if __name__ == '__main__':
import logging
from multiprocessing import Pool
from functools import partial
logging.basicConfig(level=logging.DEBUG)
log = logging.getLogger('test')
p = Pool()
# 进程池很久没用了，第一个是函数，第二为参数，第三为回调函数，将函数返回的值传入回调函数。
# 本来output_result需要两个参数，但一个参数在partial定义了
p.apply_async(add, (3, 4), callback=partial(output_result, log=log))
p.close()
p.join()
def output_result(result, log=None):
if log is not None:
log.debug('Got: %r', result)
def add(x, y):
return x + y
if __name__ == '__main__':
import logging
from multiprocessing import Pool
from functools import partial
logging.basicConfig(level=logging.DEBUG)
log = logging.getLogger('test')
p = Pool()
# 进程池很久没用了，第一个是函数，第二为参数，第三为回调函数，将函数返回的值传入回调函数。
# 本来output_result需要两个参数，但一个参数在partial定义了
p.apply_async(add, (3, 4), callback=partial(output_result, log=log))
p.close()
p.join()
最后一个案例还是非常经典的，我觉的还是写一些，我主要被继承父类，如果添加一个自定义的初始化属性吸引，对于partial已经看腻了。
from functools import partial
points = [
(1, 2), (3, 4), (5, 6), (7, 8)
]
import math
# 求两个坐标点的距离
def distance(p1, p2):
x1, y1 = p1
x2, y2 = p2
return math.hypot(x2 - x1, y2 - y1)
if __name__ == '__main__':
# 求points内的点与p直线距离排序
p = (4, 3)
# 默认将p填入，key函数只需要读取points里的内容，执行函数，按照大小进行排序
print(sorted(points, key=partial(distance,p)))
def output_result(result, log=None):
if log is not None:
log.debug('Got: %r', result)
def add(x, y):
return x + y
if __name__ == '__main__':
import logging
from multiprocessing import Pool
from functools import partial
logging.basicConfig(level=logging.DEBUG)
log = logging.getLogger('test')
p = Pool()
# 进程池很久没用了，第一个是函数，第二为参数，第三为回调函数，将函数返回的值传入回调函数。
# 本来output_result需要两个参数，但一个参数在partial定义了
p.apply_async(add, (3, 4), callback=partial(output_result, log=log))
p.close()
p.join()
第三个案例比较有意思的是，如果继承父类的初始化函数，并通过关键字参数添加实例属性。
from socketserver import StreamRequestHandler, TCPServer
class EchoHandler(StreamRequestHandler):
def handle(self):
for line in self.rfile:
self.wfile.write(b'GOT:' + line)
# serv = TCPServer(('',15000), EchoHandler)
# serv.serve_forever()
# 上面的写法需要该一些，需要添加一个自己的属性.
class EchoHandler_O(StreamRequestHandler):
# 我主要是被这个初始化写法吸引，他把函数的传参用到了实处
def __init__(self, *args, ack, **kwargs):
self.ack = ack
super(EchoHandler_O, self).__init__(*args, **kwargs)
def handle(self):
for line in self.rfile:
self.wfile.write(self.ack + line)
from functools import partial
# 通过偏函数给实例定义属性，要不然会报错，少参数，但我执行的时候没报错。
serv1 = TCPServer(('',15000), partial(EchoHandler_O,ack=b'RECEIVED'))
serv1.serve_forever()
7.9 用函数替代只有单个方法的类。
问题:
一个只定义了一个方法的类，(除了__init__方法外)，为了简化代码，我们用一个函数代替。
解决方案：
简单的来说就是闭包实现。
上代码案例
from urllib.request import urlopen
class UrlTemplate:
def __init__(self, template):
self.template = template
def open(self, **kwargs):
return urlopen(self.template.format_map(kwargs))
# 通过外部函数传入闭包参数template，然后返回内部函数
def urltemplate(template):
def open(**kwargs):
urlopen(template.format_map(kwargs))
return open
讨论
无论何时，当在编写代码中遇到需要附加额外的状态给函数，请考虑使用闭包。实例中，用闭包的元编程形式更加优雅。
7.10 在回调函数中携带额外的状态
问题：
正在编写使用回调函数的代码，但是希望回调函数可以携带额外的状态以便在回调函数内部使用。
解决方案：
通过传入实例，闭包函数，或者生成器，或者变函数内部携带一个实例。
def apply_async(func, args, *, callback):
# 运行func函数
result = func(*args)
# 结果执行回调函数
callback(result)
def print_result(result):
print('Got:', result)
def add(x, y):
return x + y
if __name__ == '__main__':
apply_async(add, (2,3), callback=print_result)
apply_async(add, ('hello', 'world'), callback=print_result)
/usr/local/bin/python3.7 /Users/shijianzhong/study/PythonCookbook/chapter_7/t10_2.py Got: 5 Got: helloworld Process finished with exit code 0
上面是一个普通的回调函数，但现在希望回调函数可以同其他变量或者部分函数进行交互时，缺乏这类信息就会带来麻烦。
第一种进化方式，回调函数时一个实例方法
def apply_async(func, args, *, callback):
# 运行func函数
result = func(*args)
# 结果执行回调函数
callback(result)
def print_result(result):
print('Got:', result)
def add(x, y):
return x + y
# 定义一个类
class ResultHandle:
def __init__(self):
self.sequence = 0
def handle(self, reslut):
self.sequence += 1
print('[{}] Got: {}'.format(self.sequence, reslut))
# 创建一个闭包函数
def make_handle():
sequence = 0
def handle(result):
nonlocal sequence
sequence += 1
print('[{}] Got: {}'.format(sequence, result))
return handle
# 创建一个生成器
def make_handle_2():
sequence = 0
while True:
result = yield
sequence += 1
print('[{}] Got: {}'.format(sequence, result))
# 通过变函数，在函数体内部先内置一个实例。
class Sequence:
def __init__(self):
self.sequence = 0
sequence = Sequence()
def handle(res, seq):
seq.sequence += 1
print('[{}] Got: {}'.format(seq.sequence, res))
if __name__ == '__main__':
apply_async(add, (2, 3), callback=print_result)
apply_async(add, ('hello', 'world'), callback=print_result)
print('=.' * 15)
# 传入实例
r = ResultHandle()
apply_async(add, (2, 3), callback=r.handle)
apply_async(add, ('hello', 'world'), callback=r.handle)
print('=.' * 15)
# 传入闭包函数
f = make_handle()
apply_async(add, (2, 3), callback=f)
apply_async(add, ('hello', 'world'), callback=f)
print('=.' * 15)
# 传入一个生成器
generator = make_handle_2()
# 预激活
generator.send(None)
apply_async(add, (2, 3), callback=generator.send)
apply_async(add, ('hello', 'world'), callback=generator.send)
print('=.' * 15)
from functools import partial
# 通过偏函数传入实例
apply_async(add, (2, 3), callback=partial(handle, seq=sequence))
apply_async(add, ('hello', 'world'), callback=partial(handle, seq=sequence))
# 通过lambda函数传入实例
apply_async(add, (2, 3), callback=lambda r: handle(r, sequence))
apply_async(add, ('hello', 'world'), callback=lambda r: handle(r, sequence))
写的时候，一把全上了。
讨论：
重点全部写在代码注释里面了
7.11 内联回调函数
问题：
我正在编写使用回调函数的代码，但是担心小型函数在代码中泛滥，程序的控制流会失控，我们希望有某种方法使代码看来更像一般的过程式步骤
解决方案
书中用了装饰器，队列，生成器，回调函数，整个思路流畅，佩服，羡慕，嫉妒，恨。
国内喜欢叫生产者与消费者的关系，但又涉及了回调函数，确实复杂度一下子上去了。
from queue import Queue
from functools import wraps
def apply_async(func, args, *, callback):
# 运行func函数
result = func(*args)
# 结果执行回调函数
callback(result)
class Asyns:
def __init__(self, func, args):
self.func = func
self.args = args
def add(x, y):
return x + y
def inlined_async(func):
@wraps(func)
def wrapper(*args):
# 运行生成器函数，f为生成器
f = func(*args)
result_queue = Queue()
# 首相放入None，用与预激活
result_queue.put(None)
while True:
try:
# 取回第一个返回的对象
a = f.send(result_queue.get())
# 执行回调函数，将执行结果放入队列，用于循环中读取队列
apply_async(a.func, a.args, callback=result_queue.put)
# 当生成器执行send，后面没有yiled，碰到return了，产生StopIteration信号，停止循环
except StopIteration:
break
return wrapper
@inlined_async
def test():
# 包装成对象，到时候供func提取属性使用
r = yield Asyns(add, (2, 3))
print(r)
r = yield Asyns(add, ('hello', 'world'))
print(r)
for n in range(10):
r = yield Asyns(add, (n, n))
print(r)
print('Goodbye')
if __name__ == '__main__':
test()
/usr/local/bin/python3.7 /Users/shijianzhong/study/PythonCookbook/chapter_7/t11_2.py 5 helloworld 0 2 4 6 8 10 12 14 16 18 Goodbye Process finished with exit code 0
讨论：
这个代码写的很骚，很好，我喜欢。
7.12访问定义在闭包内的变量
我们希望通过函数来扩展闭包，使得闭包在内层定义的变量可以被访问和修改
解决方案
In [49]: def sample():
...: n = 0
...: def func():
...: print('n=',n)
...:
...: def get_n():
...: return n
...:
...: def set_n(value):
...: nonlocal n
...: n = value
...:
...: setattr(func, get_n.__name__, get_n)
...: setattr(func, set_n.__name__, set_n)
...: return func
...:
...:
...:
...:
In [50]: f = sample()
In [51]: f.set_n(5)
In [52]: f.get_n
Out[52]: <function __main__.sample.<locals>.get_n()>
In [53]: f.get_n()
Out[53]: 5
给闭包函数的返回函数的属性添加一些绑定的函数，读取或者修改闭包数据。
讨论：
书中通过测试，对于读取修改数据，闭包的数据修改，比定义类，修改实例属性要快，因为闭包函数不设计额外的self变量。
代码不上了，书中一种是通过属性赋值，给对象附带函数
还有一种是通过实例化方式给对象绑定方法，运行下来使一种快。
函数结束，干货满满。
