Python基础笔记7

1.返回函数如果不需要立刻求和，而是在后面的代码中，根据需要再计算怎么办？可以不返回求和的结果，而是返回求和的函数：

def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n        return ax    return sum

当我们调用

lazy_sum()

时，返回的并不是求和结果，而是求和函数：

>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f
<function lazy_sum.<locals>.sum at 0x101c6ed90>

调用函数

f

时，才真正计算求和的结果：

>>> f()25

2.在这个例子中，我们在函数

lazy_sum

中又定义了函数

sum

，并且，内部函数

sum

可以引用外部函数

lazy_sum

的参数和局部变量，当

lazy_sum

返回函数

sum

时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。3.

>>> f1 = lazy_sum(1, 3, 5, 7, 9)
>>> f2 = lazy_sum(1, 3, 5, 7, 9)
>>> f1==f2
False

4.闭包另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了

f()

才执行。我们来看一个例子：

def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs

f1, f2, f3 = count()

在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。你可能认为调用

f1()

，

f2()

和

f3()

结果应该是

1

，

4

，

9

，但实际结果是：

>>> f1()
9
>>> f2()
9
>>> f3()
9

全部都是

9

！原因就在于返回的函数引用了变量

i

，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量

i

已经变成了

3

，因此最终结果为

9

。返回闭包时牢记的一点就是：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。5.如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：

def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i)) # f(i)立刻被执行，因此i的当前值被传入f()
return fs

再看看结果：

>>> f1, f2, f3 = count()
>>> f1()
1
>>> f2()
4
>>> f3()
9

缺点是代码较长，可利用lambda函数缩短代码。6.匿名函数关键字

lambda

表示匿名函数，冒号前面的

x

表示函数参数。匿名函数有个限制，就是只能有一个表达式，不用写

return

，返回值就是该表达式的结果。用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：

>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)25

同样，也可以把匿名函数作为返回值返回，比如：

def build(x, y):
return lambda: x * x + y * y

7.装饰器函数对象有一个

__name__

属性，可以拿到函数的名字：

>>> def now():
...     print('2015-3-25')
...
>>> f = now
>>> now.__name__
'now'
>>> f.__name__
'now'

现在，假设我们要增强

now()

函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改

now()

函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。8.本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：

def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper

9.我们要借助Python的@语法，把decorator置于函数的定义处：

@logdef now():print('2015-3-25')

调用

now()

函数，不仅会运行

now()

函数本身，还会在运行

now()

函数前打印一行日志：

>>> now()call now():2015-3-25

把

@log

放到

now()

函数的定义处，相当于执行了语句：

now = log(now)

10.如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

def log(text):def decorator(func):def wrapper(*args, **kw):print('%s %s():' % (text, func.__name__))return func(*args, **kw)return wrapperreturn decorator

这个3层嵌套的decorator用法如下：

@log('execute')def now():print('2015-3-25')

执行结果如下：

>>> now()execute now():2015-3-25

11.以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有

__name__

等属性，但你去看经过decorator装饰之后的函数，它们的

__name__

已经从原来的

'now'

变成了

'wrapper'

：

>>> now.__name__'wrapper'

因为返回的那个

wrapper()

函数名字就是

'wrapper'

，所以，需要把原始函数的

__name__

等属性复制到

wrapper()

函数中，否则，有些依赖函数签名的代码执行就会出错。不需要编写

wrapper.__name__ = func.__name__

这样的代码，Python内置的

functools.wraps

就是干这个事的，所以，一个完整的decorator的写法如下：

import functoolsdef log(func):@functools.wraps(func)def wrapper(*args, **kw):print('call %s():' % func.__name__)return func(*args, **kw)return wrapper

或者针对带参数的decorator：

import functoolsdef log(text):def decorator(func):@functools.wraps(func)def wrapper(*args, **kw):print('%s %s():' % (text, func.__name__))return func(*args, **kw)return wrapperreturn decorator

12.在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而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。decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。13.

import functoolsdef SKLog(SKInput):def decorator(func):def inner(args,**kw):if isinstance(SKInput,str):print('%s %s():' %(SKInput,func.name))result = func(args,kw)else:print('begin %s():' % func.name)result = func(*args,kw)print('end   %s():' % func.name)return resultreturn innerif isinstance(SKInput,str):return decoratorelse:return decorator(SKInput)@SKLogdef SKtestLog1():print('我是来测试不带字符串的装饰器装饰器的!!!')@SKLog('excute')def SKtestLog2():print('我是来测试带字符串的装饰器装饰器的!!!')SKtestLog1()print('--------------------------------------')SKtestLog2()

14.

#! /usr/bin/env python3# -*- coding: utf-8 -*-import functoolsdef log(text):if isinstance(text, str):def decorator(func):@functools.wraps(func)def test(*args, **kw):print('%s %s()' % (text, func.__name__))func(*args, **kw)print('end call')return testreturn decoratorelse:@functools.wraps(text)def test(*args, **kw):print('%s()' % text.__name__)text(*args, **kw)print('end call')return testreturn log@logdef now():passnow()@log('excute')def now():passnow()

注：@functools.wraps(text)总是放在decorator之前，并且有参数时text就是func，没有参数时text就是text。(个人体会)15.偏函数

int()

函数还提供额外的

base

参数，默认值为

10

。如果传入

base

参数，就可以做N进制的转换：

>>> int('12345', base=8)5349>>> int('12345', 16)74565

假设要转换大量的二进制字符串，每次都传入

int(x, base=2)

非常麻烦，于是，我们想到，可以定义一个

int2()

的函数，默认把

base=2

传进去：

def int2(x, base=2):return int(x, base)

16.

functools.partial

就是帮助我们创建一个偏函数的，不需要我们自己定义

int2()

，可以直接使用下面的代码创建一个新的函数

int2

：

>>> import functools>>> int2 = functools.partial(int, base=2)>>> int2('1000000')64>>> int2('1010101')85

所以，简单总结

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，调用这个新函数会更简单。17.创建偏函数时，实际上可以接收函数对象、

*args

和

**kw

这3个参数，当传入：

int2 = functools.partial(int, base=2)

实际上固定了int()函数的关键字参数

base

，也就是：

int2('10010')

相当于：

kw = { 'base': 2 }int('10010', **kw)

当传入：

max2 = functools.partial(max, 10)

实际上会把

10

作为

*args

的一部分自动加到左边，也就是：

max2(5, 6, 7)

相当于：

args = (10, 5, 6, 7)max(*args)

结果为

10

。