python入门（三）

累的时候，唯有看看妹子才能满血复活(✿◕‿◕✿)（不要点这里！） 发现进度有点慢，就不会很详细地写了，当个笔记吧。

函数 函数调用函数定义参数递归函数 高级特征 切片 Slice迭代列表生成式生成器迭代器

函数

函数调用

python内置有许多可以直接调用的函数，例如 abs() 返回绝对值。还有上次说到的数据类型的转换 int() 等…

函数定义

在 Python 中，定义一个函数使用 def 语句，依次写出函数名、括号、括号中的参数和冒号 : ，然后，在缩进块中编写函数体，函数的返回值用 return 语句返回。

def my_abs(x): if x >= 0: return x else: return -x 返回多个值 比如在游戏中经常需要从一个点移动到另一个点，给出坐标、位移和角度，就可以计算出新的新的坐标： #import math语句表示导入math包，并允许后续代码引用math包里的sin、cos等函数。 import math def move(x, y, step, angle=0): nx = x + step * math.cos(angle) ny = y - step * math.sin(angle) return nx, ny >>> x, y = move(100, 100, 60, math.pi / 6) >>> print(x, y) 151.96152422706632 70.0 #但其实这只是一种假象，Python函数返回的仍然是单一值： >>> r = move(100, 100, 60, math.pi / 6) >>> print(r) (151.96152422706632, 70.0) #原来返回值是一个tuple！但是，在语法上，返回一个tuple可以省略括号，而多个变量可以同时接收一个tuple，按位置赋给对应的值，所以，Python的函数返回多值其实就是返回一个tuple，但写起来更方便。

参数

参数地设置：可以设置默认参数. 一是必选参数在前，默认参数在后，否则Python的解释器会报错. 当函数有多个参数时，把变化大的参数放前面，变化小的参数放后面。变化小的参数就可以作为默认参数。 默认参数必须指向不变对象！

def power(x, n=2): 定义可变参数 def calc(*numbers): sum = 0 for n in numbers: sum = sum + n * n return sum

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一个*号。在函数内部，参数numbers接收到的是一个tuple，因此，函数代码完全不变。但是，调用该函数时，可以传入任意个参数，包括0个参数：

递归函数

def fact(n): if n==1: return 1 return n * fact(n - 1)

尾递归是指，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。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

高级特征

切片 Slice

取指定索引范围的操作，可以使用切片操作。list 、tuple 字符串可以用切片操作

#一个 list 如下，取前三个元素 >>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack'] #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。即索引0，1，2，正好是3个元素。 >>> L[0:3] ['Michael', 'Sarah', 'Tracy'] #如果第一个索引是0，还可以省略： >>> L[:3] ['Michael', 'Sarah', 'Tracy'] #Python支持L[-1]取倒数第一个元素，倒数第一个元素的索引是-1。 >>> L[-2:] ['Bob', 'Jack'] >>> L[-2:-1] ['Bob'] 前10个数，每两个取一个：# >>> L[:10:2] [0, 2, 4, 6, 8] #所有数，每5个取一个： >>> L[::5] [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95] #什么都不写，只写[:]就可以原样复制一个list #切片［开始：结束：步长］，他们的方向只有一个。

迭代

使用迭代来遍历列表。可以迭代甚至没有下标地对象。

列表生成式

Python内置的非常简单却强大的可以用来创建list的生成式。

#如果要生成[1x1, 2x2, 3x3, ..., 10x10]怎么做？方法一是循环： >>> L = [] >>> for x in range(1, 11): ... L.append(x * x) ... >>> L [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] #循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list： #写列表生成式时，把要生成的元素x * x放到前面，后面跟for循环，就可以把list创建出来，十分有用，多写几次，很快就可以熟悉这种语法。 >>> [x * x for x in range(1, 11)] [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] #for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方： >>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100] #使用两层循环，可以生成全排列：三层和三层以上的循环就很少用到了 >>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ'] #运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现： >>> import os # 导入os模块 >>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录 ['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode'] #for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value： >>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> for k, v in d.items(): ... print(k, '=', v) ... y = B x = A z = C #列表生成式也可以使用两个变量来生成list： >>> d = {'x': 'A', 'y': 'B', 'z': 'C' } >>> [k + '=' + v for k, v in d.items()] ['y=B', 'x=A', 'z=C'] #最后把一个list中所有的字符串变成小写： >>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L] ['hello', 'world', 'ibm', 'apple']

生成器

列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的 list ，从而节省大量的空间。在 Python 中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个 generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个 generator：

>>> 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> #要一个一个打印出来，可以通过next()函数获得generator的下一个返回值 >>> next(g) 0 #正确的方法是使用for循环，因为generator也是可迭代对象 >>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81

迭代器

可以直接作用于for循环的数据类型有以下几种： 一类是集合数据类型，如list、tuple、dict、set、str等； 一类是generator，包括生成器和带yield的generator function。 这些可以直接作用于for循环的对象统称为可迭代对象：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，直到最后抛出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 #生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。 #把list、dict、str等Iterable变成Iterator可以使用iter()函数： >>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True

为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。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，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

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。