您的位置:首页 > 编程语言 > Python开发

python︱函数、for、if、_name_、迭代器、防范报错、类定义、装饰器

2017-01-09 18:59 453 查看
新手入门python,开始写一些简单函数,慢慢来,加油~

一、函数 +三个内建函数filter,map和reduce + if

1、def/lambda

def myadd(a=1,b=100):
result = 0
i = a
while i <= b:    # 默认值为1+2+3+……+100
result += i
i += 1
return result


跟R一样都可以用return返回

lambda函数

lambda表达式有什么好处?匿名函数,一般用来给filter,map这样的函数式编程服务,map(lambda x: x*2,[1,2,3,4,5])

或者就是一次性产品。类似于这种即用即扔的产品:(lambda x: x*2)(3)

或者作为回调函数,传递给某些应用,比如消息处理。

2、if

python 中的三元表达式(三目运算符)

这个输出1,但没有什么意义,仅仅是一个例子。

而在python中的格式为

为真时的结果 if 判定条件 else 为假时的结果


还是上面的例子

1 if 5>3 else 0


如果if + for列表的方式同时使用:

conf = (11,2,3)
[i for i in conf if i > 2]
>>> [11, 3]


输出的结果是conf中大于2的元素,这里非常有意思的是,将if 和for 循环放在一个[]中就做掉了。

上面是返回conf中大于2的元素,下面是conf中大于2的序号。

conf = (11,2,3)
[i for i, c in enumerate(conf) if c > 2]
>>> [0, 2]


conf中大于2的序号。

3、filter

来源:Python内建函数之——filter,map,reduce

filter(bool_func,seq):此函数的功能相当于过滤器。调用一个布尔函数bool_func来迭代遍历每个seq中的元素;返回一个使bool_seq返回值为true的元素的序列。

例如:

>>> filter(lambda x : x%2 == 0,[1,2,3,4,5])
[2, 4]


filter内建函数的python实现:

def filter(bool_func,seq):
filtered_seq = []
for eachItem in seq:
if bool_func(eachItem):
filtered_seq.append(eachItem)
return filtered_seq


4、map

来源:Python内建函数之——filter,map,reduce

map(func,seq1[,seq2…]):将函数func作用于给定序列的每个元素,并用一个列表来提供返回值;如果func为None,func表现为身份函数,返回一个含有每个序列中元素集合的n个元组的列表。

例如:

>>> map(lambda x : None,[1,2,3,4])
[None, None, None, None]
>>> map(lambda x : x * 2,[1,2,3,4])
[2, 4, 6, 8]
>>> map(lambda x : x * 2,[1,2,3,4,[5,6,7]])
[2, 4, 6, 8, [5, 6, 7, 5, 6, 7]]
>>> map(lambda x : None,[1,2,3,4])
[None, None, None, None]


map内建函数的python实现:

>>> def map(func,seq):
mapped_seq = []
for eachItem in seq:
mapped_seq.append(func(eachItem))
return mapped_seq


5、reduce

来源:Python内建函数之——filter,map,reduce

reduce(func,seq[,init]):func为二元函数,将func作用于seq序列的元素,每次携带一对(先前的结果以及下一个序列的元素),连续的将现有的结果和下一个值作用在获得的随后的结果上,最后减少我们的序列为一个单一的返回值:如果初始值init给定,第一个比较会是init和第一个序列元素而不是序列的头两个元素。

例如:

>>> reduce(lambda x,y : x + y,[1,2,3,4])
10
>>> reduce(lambda x,y : x + y,[1,2,3,4],10)
20


reduce的python实现:

def reduce(bin_func,seq,initial=None):
lseq = list(seq)
if initial is None:
res = lseq.pop(0)
else:
res = initial
for eachItem in lseq:
res = bin_func(res,eachItem)
return res


二、for、while

博客:Python for 循环语句

python中的for比R中的要广泛很多,R中的for (i in 1:3)循环的较多的是数值,python包括数值+文本列表。

1、字母当做循环

for letter in 'Python':     # 第一个实例
print '当前字母 :', letter

当前字母 : P
当前字母 : y
当前字母 : t
当前字母 : h
当前字母 : o
当前字母 : n


2、列表当做循环

fruits = ['banana', 'apple',  'mango']
for fruit in fruits:        # 第二个实例
print '当前字母 :', fruit


3、数字当做循环

for num in range(10,20):  # 迭代 10 到 20 之间的数字
for i in range(2,num): # 根据因子迭代
if num%i == 0:      # 确定第一个因子
j=num/i          # 计算第二个因子
print '%d 等于 %d * %d' % (num,i,j)
break            # 跳出当前循环
else:                  # 循环的 else 部分
print num, '是一个质数'


4、for 中的 _ 下划线的应用

for 中出现了 _ 那么作用跟R里面的repeat一致,有复制的功能。

import numpy as np
l=[("f1",'g1'),("f2","g2")]
h=['go1','go2']

In [17]:{iter:np.zeros(2) for iter,_ in l }
Out[17]: {'f1': array([ 0.,  0.]), 'f2': array([ 0.,  0.])}

In [18]:[{iter:np.zeros(2) for iter,_ in l } for _ in h]
Out[18]:
[{'f1': array([ 0.,  0.]), 'f2': array([ 0.,  0.])},
{'f1': array([ 0.,  0.]), 'f2': array([ 0.,  0.])}]


比较小白,对python里面的生成器一开始看不懂,不过后来觉得跟R里面的lappy功能很像。

for iter,_ in l 提取了l=[(“f1”,’g1’),(“f2”,”g2”)]两个的第一个数字,屏蔽了第二个g1/g2

然后f1 f2赋值给了前面的函数,函数内容是iter:np.zeros(2),那么就是出现out[17]的结果。

for _ in h,完全就是repeat两次。

5、while - 重复执行

无限循环的时候,可以用ctrl + C结束。

while 语句用于循环执行程序,即在某条件下,循环执行某段程序,以处理需要重复处理的相同任务。其基本形式为:

(1)常规用法:重复执行

#!/usr/bin/python
count = 0
while (count < 9):
print 'The count is:', count    count = count + 1
print "Good bye!"

The count is: 0
The count is: 1
The count is: 2
The count is: 3
The count is: 4
The count is: 5
The count is: 6
The count is: 7
The count is: 8
Good bye!


for里面的重复执行,可以用 for _ in np.arrange(10):

(2)continue,break + while

while 语句时还有另外两个重要的命令 continue,break 来跳过循环,continue 用于跳过该次循环,break 则是用于退出循环,此外”判断条件”还可以是个常值,表示循环必定成立,具体用法如下:

# continue 和 break 用法i = 1
while i < 10:      i += 1    if i%2 > 0:
# 非双数时跳过输出
continue    print i
# 输出双数2、4、6、8、10i = 1
while 1:
# 循环条件为1必定成立
print i
i += 1
if i > 10:
# 当i大于10时跳出循环
break


(3)循环使用 else 语句

#!/usr/bin/python
count = 0
while count < 5:
print count, " is  less than 5"   count = count + 1
else:
print count, " is not less than 5"

>>>
0 is less than 5
1 is less than 5
2 is less than 5
3 is less than 5
4 is less than 5
5 is not less than 5


三、迭代器

两个列表同时迭代

nfc = ["Packers", "49ers"]
afc = ["Ravens", "Patriots"]
for teama, teamb in zip(nfc, afc):
print teama + " vs. " + teamb
>>> Packers vs. Ravens
>>> 49ers vs. Patriots


带索引的列表迭代

teams = ["Packers", "49ers", "Ravens", "Patriots"]
for index, team in enumerate(teams):
print index, team
>>> 0 Packers
>>> 1 49ers
>>> 2 Ravens
>>> 3 Patriots


已知一个列表,刷选出偶数列表方法:

numbers = [1,2,3,4,5,6]
even = []
for number in numbers:
if number%2 == 0:
even.append(number)


字典推导

teams = ["Packers", "49ers", "Ravens", "Patriots"]
print {key: value for value, key in enumerate(teams)}
>>> {'49ers': 1, 'Ravens': 2, 'Patriots': 3, 'Packers': 0}


和collections库一样,还有一个库叫itertools

from itertools import combinations
teams = ["Packers", "49ers", "Ravens", "Patriots"]
for game in combinations(teams, 2):
print game
>>> ('Packers', '49ers')
>>> ('Packers', 'Ravens')
>>> ('Packers', 'Patriots')
>>> ('49ers', 'Ravens')
>>> ('49ers', 'Patriots')
>>> ('Ravens', 'Patriots')


四、_name_

参考来自:百度知道

_name_在当前文件中:_name_=_main_

_name_在别的文件中:_name_=def的名字

_name_是指示当前py文件调用方式的方法。如果它等于”_main_“就表示是直接执行,如果不是,则用来被别的文件调用,这个时候if就为False,那么它就不会执行最外层的代码了。

比如你有个Python文件里面

def XXXX():
#body
print "asdf"


这样的话,就算是别的地方导入这个文件,要调用这个XXXX函数,也会执行print “asdf”,因为他是最外层代码,或者叫做全局代码。但是往往我们希望只有我在执行这个文件的时候才运行一些代码,不是的话(也就是被调用的话)那就不执行这些代码,所以一般改为

def XXXX():
#body
if __name__="__main__":
print "asdf"


延伸:if _name_ == ‘_main_‘:

本python文档,if name == ‘main‘:以下的内容可以执行,

别的python文档, 调用的话,if name == ‘main‘:以下内容不管了。

同时main()的意义是:python 如何判断应该哪个是主执行文件呢?应用场景是在互相调用python内函数的时候。

来源:Python 初探

.

.

五、防范报错

1、assert 断言

Python的assert是用来检查一个条件,如果它为真,就不做任何事。如果它为假,则会抛出AssertError并且包含错误信息。例如:

py> x = 23
py> assert x > 0, "x is not zero or negative"
py> assert x%2 == 0, "x is not an even number"
Traceback (most recent call last):
File "", line 1, in
AssertionError: x is not an even number


类似R中的stopifnot

参考博客:Python 中何时使用断言?

.

2、try…except…

try:
f = open('xxx')
except:
print 'fail to open'
exit(-1)


如果try中open不出来,那么就except返回相应的内容“fail to open”

try:
<语句>        #运行别的代码
except <名字>:
<语句>        #如果在try部份引发了'name'异常
except <名字>,<数据>:
<语句>        #如果引发了'name'异常,获得附加的数据
else:
<语句>        #如果没有异常发生


参考

看一个案例

try:
print('I am sure no exception is going to occur!')
except Exception:
print('exception')
else:
# 这里的代码只会在try语句里没有触发异常时运行,
# 但是这里的异常将 *不会* 被捕获
print('This would only run if no exception occurs. And an error here '
'would NOT be caught.')
finally:
print('This would be printed in every case.')

# Output: I am sure no exception is going to occur!
# This would only run if no exception occurs.
# This would be printed in every case.


报错并提示异常信息:

来源:Python中获取异常(Exception)信息

1、str(e)

返回字符串类型,只给出异常信息,不包括异常信息的类型,如1/0的异常信息

‘integer division or modulo by zero’

2、repr(e)

给出较全的异常信息,包括异常信息的类型,如1/0的异常信息

“ZeroDivisionError(‘integer division or modulo by zero’,)”

3、e.message

获得的信息同str(e)

4、采用traceback模块

  需要导入traceback模块,此时获取的信息最全,与python命令行运行程序出现错误信息一致。使用traceback.print_exc()打印异常信息到标准错误,就像没有获取一样,或者使用traceback.format_exc()将同样的输出获取为字符串。你可以向这些函数传递各种各样的参数来限制输出,或者重新打印到像文件类型的对象。

try:
1/0
except Exception, e:
print 'str(Exception):\t', str(Exception)
print 'str(e):\t\t', str(e)
print 'repr(e):\t', repr(e)
print 'e.message:\t', e.message
print 'traceback.print_exc():'; traceback.print_exc()
print 'traceback.format_exc():\n%s' % traceback.format_exc()


或者:

def this_fails():
x = 1/0

try:
this_fails()
except :
print('Handling run-time error:')
raise
print(1)


.

3、报错日志记录:Logger.exception

以ERROR级别记录日志消息,异常跟踪信息将被自动添加到日志消息里。Logger.exception通过用在异常处理块中,如:

来源:Python模块学习:logging 日志记录

import logging
logging.basicConfig(filename = os.path.join(os.getcwd(), 'log.txt'), level = logging.DEBUG)
log = logging.getLogger('root')
try:
a===b
except:
log.exception('exception') #异常信息被自动添加到日志消息中


就会在指定目录里面,载入到Log.txt之中

来看看在Log中显示如下:

ERROR:root:exception
Traceback (most recent call last):
File "test.py", line 12, in <module>
a==b
NameError: name 'a' is not defined


所以,在 log.exception()可以简单定义一些关键词来帮助定位问题所在。

.

4、with…as…

那么with和as也是一种防止报错的防范方式,

当python执行这一句时,会调用enter函数,然后把该函数return的值传给as后指定的变量。

之后,python会执行下面do something的语句块。最后不论在该语句块出现了什么异常,都会在离开时执行exit

ith open("x.txt") as f:
data = f.read()

with open("x.txt") as f1, open('xxx.txt') as f2:
do something with f1,f2


那么try和with也可以合起:

try:
with open( "a.txt" ) as f :
do something
except xxxError:
do something about exception


延伸:报错提示如何写ValueError()

if pretrained_model not in self._models:
raise ValueError(
'The n_class needs to be supplied as an argument.')


.

.

六、类定义

参考于:Python的hasattr() getattr() setattr() 函数使用方法详解

class <类名>:
<语句>


类需注意:

类适合存函数,不用非要return

在类中定义的函数只有一点不同,就是第一个参数永远是实例变量self,并且,调用时,不用传递该参数。

1、类里面一直存着参数

init存入

class save_def(object):

def __init__(self, name, score):
self.name = name
self.score = score


这样save_def里面就会一直存着name、score函数。

initialization = save_def(name,score)


初始化的方式跟函数一样,直接传入。

同时,initialization.name,initialization.score 也相当于initialization的属性。

不过,如果你觉得还需要额外加入一些临时属性的话,可以直接赋值:

initialization.other = "other"


.

2、类里面函数如何调用

类内的参数前面加self.para

class save_def(object):
def __init__(self, name, score):
self.name = name
self.score = score

def function1(self,dataframe):
temp_data = type(dataframe[self.name])
return temp_data


如果类里面包着函数,而且函数里面包着属性,那么可以直接用:

initialization = save_def(name,score)
initialization.function1(dataframe)


如果是函数的话,则为:

>>>def function1(name,dataframe):
temp_data = type(dataframe[name])
return temp_data

>>>function1(name,dataframe)


不同的地方在于类里面,可以直接用类内存着的函数。

.

3、类内函数套函数

类内函数调用类内的函数,前面需要加self.

class save_def(object):
def __init__(self, name, score):
self.name = name
self.score = score

def function1(self,dataframe):
temp_data = type(dataframe[self.name])
return temp_data

def function2(self):
temp_data2 = self.function1(dataframe.ix[self.score>10,:])


self.function1就是一种类内调用函数的方式。从这一案例可以看出:

类内调用函数+参数,都需要用self.

.

延伸一:关于如何从调用另一个.py文件中的类

因为,Python里面全局变量所谓的全局是针对在一个文件里面的函数而言的,跨文件就等于定义在不同的包里面,也就相当于是使用了不同的命名空间。(来源:PYTHON全局变量在模块中的无法引用?

笔者在调用另一个.py文件中的类的时候,发生大面积的报错:

globel name 'xxx' is not defined


无奈只能写在一个文档中。

一般来说,调用的方式有两种:import 和 from…import…:

import datetime
print(datetime.datetime.now())

from datetime import datetime
print(datetime.now())


通俗的说:

from import : 从车里把矿泉水拿出来,给我
import : 把车给我


.

七、装饰器

参考于:深入浅出Python装饰器Python装饰器学习(九步入门)Python 的闭包和装饰器

其中笔者认为,类class适合打包函数,装饰器@适合包装函数,并不是包装参数。 同时,装饰器适合,函数之间有一定递进、级联关系,比较适合。

1、闭包

装饰器相当于升级版的闭包,一个闭包就是你调用了一个函数A,这个函数A返回了一个函数B给你。这个返回的函数B就叫做闭包。你在调用函数A的时候传递的参数就是自由变量。

def func(name):
def inner_func(age):
print 'name:', name, 'age:', age
return inner_func

bb = func('the5fire')
bb(26)  # >>> name: the5fire age: 26


这里面调用func的时候就产生了一个闭包——inner_func,并且该闭包持有自由变量——name,因此这也意味着,当函数func的生命周期结束之后,name这个变量依然存在,因为它被闭包引用了,所以不会被回收。

.

2、初级装饰器

函数传入、函数传出,装饰器的本质就是函数闭包,或者说利用了函数闭包的特性。

def outer(function):
def inner():
print("执行function之前可以进行额外操作")
result = function()
print("执行function之后还可以进行额外操作")
result *= 2        # 对function的返回值本身进行额外操作
return result      # 返回‘加强’后的结果
return inner

def wait_for_deco():
return 1024

decorated = outer(wait_for_deco)
print decorated()
# 输出
2048


上例就是纯手工实现的一个最简单的装饰器。装饰器函数outer并没有修改被装饰函数wait_for_deco,但我们调用被装饰后的decorated函数闭包却能够得到原函数的加强版结果,还能进行额外的操作。

超级简单的案例一则:

def function1(function):
return function() + 1
# function作为参数传入,且这个参数名称是任意的,跟普通参数一致,需要对齐,函数也要写function

def function2():
return 2
#这样的装饰器,一般不传入参数

# 使用
>>> function1(function2)
>>> 3
# 其中,不能写成function1(function2())


.

3、带装饰符@-装饰器

实际上装饰符@就仅仅是帮我们自动地把返回的闭包函数名字替换为原函数的名字。

def outer(function):
def inner():
print("执行function之前可以进行额外操作")
result = function()
print("执行function之后还可以进行额外操作")
result *= 2        # 对function的返回值本身进行额外操作
return result      # 返回‘加强’后的结果
return inner

@outer
def wait_for_deco():
return 1024

print wait_for_deco()
# 输出
2048


.

4、带参数+装饰符的装饰器

# 例如为下面的函数写一个装饰器,应该在内部的wapper中按原样传递参数
def decorator(func):
def wrapper(x, y)
ret = func(x, y)    # 原函数的返回值
return ret*2        # 原函数的结果“加强”后再返回
return wrapper

@decorator
def wait_for_deco(x, y):
return x + y

print(wait_for_deco(1, 2))

# 输出
6


可调节的多参数

按照上面这种写法虽然可以传参了但有个缺陷,参数个数不确定的函数就没法使用这个装饰器了。

def decorator(func):
def wrapper(*args, **kwargs)
ret = func(*args, **kwargs)
return ret*2
return wrapper

@decorator
def wait_for_deco_a(x, y):
return x + y

@decorator
def wait_for_deco_b(x, y, z):
return x + y + z

print(wait_for_deco_a(1, 2))
6
print(wait_for_deco_b(1, 2, 3))
12


超级简单案例一则:

def function2(function):
# 因为要传入参数,所以下面的def 就相当于在写了一次_function2,但也不是简单的加个def,其中_代表,专属于函数内
def _function2(b):
# 并不能写出:function2(function)
a = function(b)
return a + 1
return _function2
# 返回的是函数本身

@function2
def function1(b):
return b + 1

function2(function1)


.

5、传参数+装饰符@+多选项装饰器

来源文章:Python装饰器02

def mydec(is_print):
def mydec_f(func):
def mydec_a(*args, **kwargs):
r = func(*args, **kwargs)
if is_print:
print("结果是:{}".format(r))
else:
print("不打印结果")
return mydec_a
return mydec_f

@mydec(True)
def mysum(a, b):
c = a + b
return c
@mydec(False)
def mysum2(a, b, c):
d = a + b + c
return d

mysum(1, 2)
mysum2(1, 2, 3)

>>>结果是:3


.

6、传参数+装饰符@+类 装饰器

来源文章:Python装饰器02

class mycls():
def __init__(self):
print("类初始化了")

@staticmethod
def test1():
print("我是mycls.test1")

@staticmethod
def test2():
print("我是mycls.test2")

# 装饰器
def mydec(cls):
def mydec_f(func):
def mydec_a(*args, **kwargs):
cls.test1()
r = func(*args, **kwargs)
print("结果是:{}".format(r))
cls.test2()
return mydec_a
return mydec_f

@mydec(mycls)
def mysum(a, b):
c = a + b
return c
@mydec(mycls)
def mysum2(a, b, c):
d = a + b + c
return d

mysum(1, 2)
mysum2(1, 2, 3)


结果:

我是mycls.test1
结果是:3
我是mycls.test2
我是mycls.test1
结果是:6
我是mycls.test2
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息