Python基础知识总结笔记（四）函数
python中的函数
函数中的参数
变量作用域
偏函数PFA
递归函数
高阶函数
BIFs中的高阶函数
匿名函数lambda
闭包Closure
装饰器Decorator
函数式编程Functional Programming

每天都有程序员定时讲解Python技术，分享一些学习的方法和需要留意的小细节，要资料加 624440745
1. python中的函数
￭ 函数的意义:
■1.对输入进行变换映射后输出 ，可以进行反复调用。以函数名对代码块进行封装
■2.过程化 VS 结构化
￭ 函数的创建及结构:
■定义函数名：def foo1(num):
■参数：num
■函数体
■返回
□有无返回：
有返回值：return返回的是对象，（如返回对象数>1返回元组)。且返回的为最后的一个return值。
无返回值 ：无返回值或者return后为空。
print可以有很多，但是return只有一个。
□return与yield的区别：
print：不返回任何的函数
return 结束函数，返回值，当函数被调用时，遇到结尾或return时就准备结束了。只显示最后一个return的值。
yield：丢出一个数，对象变成了生成器–记录当前运行到哪里了。

#函数的意义

n=5
for i in range(n):
print(i)


# 以函数名对以上代码块进行封装
def foo(num): #函数名foo； 参数num
for i in range(num):
print(i)

#然后进行反复调用
# foo()

#对输入进行变换映射后输出

#函数的定义
def foo1(num):#函数名与参数
#函数体
cumsum=0#函数内部的变量
for i in range(num):
cumsum+=i
#返回值
return cumsum
foo1(15)

#函数的返回值-无返回值
def foo2():#函数名与参数
#函数体
cumsum=0
for i in range(15):
cumsum+=i
#无返回值
#或者return后为空
foo2()

#函数的返回值，有返回值
def foo3():#函数名与参数
#函数体
cumsum=0
for i in range(15):
cumsum+=i

#return返回的是对象，（如返回对象数>1返回元组)
return cumsum,cumsum*2
#函数结束

foo3()

#return与print在Notebook上的差异
#print可以有很多，但是return只有一个

# def foo2():
# for i in range(5):
# print(i)

# foo2()

# #函数的参数
# def foo3(num):
# for i in range(num):
# print(i)
# return 'Done'
# foo3(1)

# print(foo3(2))

### 函数的返回

#return与yield关键字

#return 结束函数
def foo1():#不返回任何的函数
print('i\'m foo1,but i return nothing')

def foo2():#使用return返回值
return 'i\'m foo2, this is what i return'

def foo3():#函数被调用时，遇到结尾或return时就准备结束了。
return 'i\'m foo3, this is the first return'
return 'i\'m foo3, this is the secod return'

#yield 丢出一个数--对象变成了生成器--记录当前运行到哪里了
def foo4():
for i in range(5):
return i#执行第一次时foo4函数就结束了

#yield
def foo4():
for i in range(5):
yield i
yield 'f' #再加入一个yield看看会不会被执行
i+=1

g1=foo4()#看一下调用foo4()返回的是什么
type(g1)#看一下g1是个什么样子的对象
next(g1)#继续上一次的位置，进入下一层循环
#执行完最后一次循环，结束 yield语句并抛出StopIteration 异常

2. 函数中的参数
￭ 参数:
■语法:
func(positional_args,keyword_args,*tuple_nonkw_args,**dict_kw_args)
positional_args位置参数
keyword_args关键字参数
tuple_nonkw_args非关键字不定长参数
dict_kw_args关键字不定长参数

￭ 按参数传递方式:
■位置参数(定位参数，非关键字参数) :位置顺序十分重要，不可缺少个数。对位置敏感，传递时不用指定参数名
■关键字参数:等于号确定。intro=" "
不传关键字参数，函数依旧可以被调用，采用默认值。
传关键字参数，则覆盖默认值。
■位置参数包裹及使用*：一次传入不定长个位置参数。传入n个位置参数。传进来列表[]
■关键字参数包裹及使用 **：一次性传入不定长关键字参数传入n个关键字参数。传进来字典{}

位置参数包裹可以写n个——列表；关键字参数包裹可以写n个——字典

■包裹解包顺序：首先拆位置参数包裹，按顺序给必选，默认，可变。再抓给关键字参数包裹。
■传递不定长参数时，使用包裹：位置参数
■传递参数时，使用包裹：关键字型参数
传递不定长参数时使用包裹——位置参数必须打碎（只传递内容）再传递，传递参数同理。即：列表类型、tuple类型必须（*list）；字典类型必须（ * *字典）。若传（list）代表的是传对象对不上函数。

l1=[1,5,6,7,2,5,3.5,9,6,3,4]
mysum2(*l1)#mysum2(1,5,6,7,2,5,3.5,9,6,3,4)可以，但是mysum2(l1)不可以，因为相当于是传递了l1为一个list类型的对象。*l1表示可迭代对象，里面有多少对象就当多少对象接受。
1
2
￭ 按参数的类型:
■必选(位置参数)：必须写、个数要对应
■关键字/默认：*args可变长位置参数，**kwargs可变长关键字参数
其中：
*args列表
**kwargs字典
￭ 函数如何处理传入参数
■值传递参数与指针传递参数：
值传递参数：值传递时，变量传递给函数后，函数复制一份，不会影响原有变量。
指针传递参数，会修改参数本身：指针（或引用）传递时，变量传递给函数的是及引用，该引用可以改变原变量

#按参数传递方式

#位置参数
def foo3(companyName,websiteUrl):#位置参数的定义
print('公司名:',companyName,'公司网址:',websiteUrl)
foo3('七月在线','http://www.julyedu.com')
foo3('http://www.julyedu.com',websiteUrl='七月在线')

#位置参数，对位置敏感，传递时不用指定参数名

#关键字参数
def foo4(companyName,websiteUrl,intro='专注AI教育'):#关键字参数的定义intro='专注AI教育'
print('公司名:',companyName,'公司网址:',websiteUrl,'介绍:',intro)

foo4('七月在线','http://www.julyedu.com')#不传关键字参数，函数依旧可以被调用，采用默认值
foo4('七月在线','http://www.julyedu.com',intro='国内领先的AI教育平台')#传关键字参数，覆盖默认值

#如果想一次传入不定长个位置参数，怎么办呢？
#位置参数包裹及使用*

def mysum1(a,b,c):
return a+b+c

mysum1(5,7,15)
#mysum1(5,7) #报错，因为传入的参数少于函数定义时的个数
#mysum1(5,7,15,22) #报错，因为传入的参数多于函数定义时的个数

#这时我们就需要使用包裹*args（tuple类型）进行接收
#位置参数包裹可以写n个——列表；关键字参数包裹可以写n个——字典
def mysum2(*args):
# print(type(args))
return sum(args)

mysum2(5,7,15,22,33)#正常调用
mysum2(5,7)#正常调用

#那同样如果想一次性传入不定长关键字参数，也可以使用一个包裹进行接收
#关键字参数包裹及使用**

def filmInfo(**kwargs):
print(type(kwargs))
for key,values in kwargs.items():
print(key,':',values)

filmInfo(film='羞羞的铁拳',box=3.5)
filmInfo(film='羞羞的铁拳',box=3.5,rate=7.9)
# d1={'羞羞的铁拳':3.5,'box':3.5}

#包裹解包顺序
#首先拆位置参数包裹，按顺序给必选，默认，可变。
#再抓给关键字参数包裹
def scoreReport(name,age,*args,course='python',**kwargs):
#位置；位置；位置参数包裹；关键字（默认，可以不修改）；关键字参数包裹
#位置参数包裹可以写n个——列表；关键字参数包裹可以写n个——字典
print('个人信息:',name,age)
for item in args:
print(item)
print('课程信息:',course)
print('每节课成绩:')
for key,value in kwargs.items():
print (key,value)

scoreReport('xiaoming',22,'高中部','三年二班',Lesson1=80,Lesson2=85)
scoreReport('xiaoming',22,'三年二班',course='machine learning',Lesson1=80,Lesson2=85)

# #传递不定长参数时使用包裹-位置参数 必须打碎（只传递内容）再传递，即列表类型必须（*list）；字典类型必须（**字典）。若（list）代表的是传对象对不上函数。
l1=[1,5,6,7,2,5,3.5,9,6,3,4]
mysum2(*l1)#=mysum2(1,5,6,7,2,5,3.5,9,6,3,4)

# #zip案例
# l1=[(1,3),(2,4)]
# list(zip(*l1))

# ##传递参数时使用包裹-关键字型参数
# d1={'羞羞的铁拳':3.5,'雷神3':3.1,'战狼2':60}
# filmInfo(**d1)

#值传递，参数本身不会被修改
a=7
b='julyedu'
print('before reference:',a,b)

def foo1(a,b):
a+=1
b+='.com'
print('In foo1 a,b has changed to',a,b)

foo1(a,b)
print('after reference:',a,b)
#结论：值传递时，变量传递给函数后，函数复制一份，不会影响原有变量

print('>'*40)

#指针传递参数，会修改参数本身
l1=[1,2,3.4]
d1={'name':'jack'}
def foo2(a,b):
a.pop()
b['age']=22
print('before reference:',l1,d1)

foo2(l1,d1)

print('after reference:',l1,d1)
#结论：指针（或引用）传递时，变量传递给函数的是及引用，该引用可以改变原变

3. 变量作用域
位置与顺序
￭ 标识符的作用域
globals()#全局变量名称空间
locals()#局部变量名称空间
￭ 全局变量
■定义：全局变量会一直存在，除非是脚本运行结束或 del 删除它。
■经过函数时：可以被函数内部调用
￭ 局部变量
■函数内部创建与访问，当被调用结束时，生命周期结束。
￭ 变量的搜索顺序
■覆盖问题：重名，从局部到全局：先从局部找，找不到再去全局找。
■局部作用域->全局作用域：从局部到全局

4. 偏函数PFA
￭ 偏函数Partial function application
■使用场景:如果一个函数的参数很多，而在每次调用的时候有一些又经常不需要被指定时，就可以使用偏函数(近似理解为默认值)有些参数无需修改，固定部分参数
只设置了一部分的参数的函数，固定一部分参数，使得被调用时，某些参数被固定住了。
■语法:partical(func,*args,**keywords)
■使用:from functools import partial
■原理:创建一个新函数，固定住原函数的部分参数(可以为位置参数，也可以是关键字参数)，偏函数的类型与普通函数不一样，为：functools.partial。

#Partial function application(PFA)
# 只设置了一部分的参数的函数
# 固定一部分参数，使得被调用时，某些参数被固定住了。

#例如我们要定义一个函数将传进来的16进制的字符串，转换为10进制的
def hex2int(num):
return int(str(num),base=16)#base为关键字参数，这个在调用int这个函数时，固定给16。因为这个函数就是用来转换16进制到10进制

hex2int('F')#这时调用，相当于实际上会把10作为*args的一部分自动加到左边，也就是：int('F',base=16),这样就少写了一个函数

#这时也可以使用偏函数，固定int函数的关键字参数base，可以这样定义：
import functools
hex2int2=functools.partial(int,base=16)
#hex2int2('A')

#偏函数能固定位置参数？
#可以
max100=functools.partial(max,100)#定义一个叫max100的偏函数，将这个偏函数的第一个值固定为100
max100(101)#这时调用它，传入的值，都会与100进行比较反并返回。

type(max100)#偏函数的类型与普通函数不一样

5. 递归函数
￭ 定义:
■函数在内部调用自身
￭ 例子:
■求一个列表中数值的累加

#递归的方法求一个列表中数值的累加
def foo1(num):
if len(num)==1:
return num[0]
else:
# print(num[0],'>'*6)
# print(num[1:],' >'*6)
return num[0]+foo1(num[1:])

foo1([1,2,31,5,6,55])

#使用递归分解质因数
l1=[]
def fenji(num):
num=int(num)

for i in range(2,num):
if num%i==0:
l1.append(i)
nextv=int(num/i)
fenji(nextv)
break#这里的break不加就会硬循环60次
return l1

fenji(60)

#阶乘
def factorial(n):
if n==1:
return 1
else:
return n*factorial(n-1)
factorial (5)

6. 高阶函数
￭ 函数的引用与调用
■引用:访问，变量别名(多个别名引用)
一个对象可以被多个变量引用。
■调用:() 最后返回结果
￭ 函数对象可以被引用，可以作为参数被传入或作为结果被返回。
￭ 高阶函数:
■==一个函数接收另一个函数作为参数。==将函数作为变量。可接受一个指向函数变量的变量名
￭ 回调函数:
■函数作为调用函数的结果返回。返回函数

#函数对象的引用 与 调用
num=-5
a=b=c=abs

#引用
print(abs,a)

#调用
a(num)
b(-8.8)
c(7)

#函数名本质即变量，同一个函数对象可以被多个变量引用
def foo():#新建一个函数对象，并用foo这个变量名对其进行引用
pass

del foo#对函数对象的引用可以删除

#高阶函数
def mycalucate(num,func):
return func#返回函数

l1=[5,8,3,6,9,15,22]

mycalucate(l1,max)
mycalucate(l1,min)
mycalucate(l1,sum)
mycalucate(l1,reversed)

#回调函数
def callbackfunc(*num):
return max
callbackfunc(53,5,33)

7. BIFs中的高阶函数
￭ filter
■核心点:对每个元素做过滤
语法：filter(function,list可迭代对象)
函数 f 的作用是对每个元素进行判断，返回 True或 False。
filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。
￭ map
■核心点:对每个元素做映射
语法：map(function, list)
让list的每一个元素依次调用function函数，并获取返回值存入一个新的list中。
￭ reduce
■核心点:两两传给func
■Python 3.x中,reduce()函数已经被从全局名字空间里移除了,它和partical一样被放置在 fucntools模块中。使用前需要调用.
语法：from functools import reduce
reduce(function, list)
函数function必须包含两个参数，optional可选，如果存在则表示初值为optional
reduce()对list的每个元素反复调用函数f，并返回最终结果值。

l1=[2,3,5,7,3,4,5,9,'julyedu.com',[2,3,3],5,2]

filter
#语法：filter(function,list)
# 函数 f 的作用是对每个元素进行判断，返回 True或 False
# filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。

def myfilter(x):
if x>60:
return True
else:
return False

myfilter(61)

l1=[1,61]

filter(myfilter,l1)

list(filter(lambda x:True if type(x)==str else False,l1))

#map
# 语法：map(function, list)
#让list的每一个元素依次调用function函数，并获取返回值存入一个新的list中。

map(lambda x:(x,l1.count(x)),l1)

# reduce
# 语法：reduce(function, list)
#函数function必须包含两个参数，optional可选，如果存在则表示初值为optional
#reduce()对list的每个元素反复调用函数f，并返回最终结果值。
from functools import reduce
reduce(lambda a,b:a+b,[1,2,3,4,5,6,7,8])

8. 匿名函数lambda
￭ 匿名函数lambda: 简化函数
■使用场景:
□返回简单结束 ，不需要专门定义函数
■特点:
□简洁，同一行定义体+声明。不用写return
■定义:
□定义后，赋值给一个变量,做正常函数使用
□lambda关键字定义在高阶函数的参数位上
■语法:
□lambda格式：lambda 接受n个参数：函数体，即： lambda(args1,args2, argsN):expression

#匿名函数--简单的函数功能
#lambda语法：lambda 接受n个参数：函数体
print(type(lambda a,b:a**b ))
#定义
#函数体
#不用写return

#使用1：作为正常函数使用，不推荐
foo=lambda x,y:x+y #不用写return

#lambda
print(foo(5,6))

#使用2：lambda关键字定义在高阶函数的参数位上
d1={'china':15,'India':9,'USA':2,'Japan':1.5} #排序key
sorted(d1.items(),key=lambda x:(x[0],x[1]))#按d1.items()第0个元素升序，国家名
# sorted(d1.items(),key=lambda x:(x[1]))#按d1.items()第1个元素升序,人口数

9. 闭包Closure
￭ 闭包的概念
■涉及嵌套函数时才有闭包问题
■内层函数引用了外层函数的变量(参数)，然后返回内层函数的情况，称为闭包(Closure)。
■这些外层空间中被引用的变量叫做这个函数的环境变量。
■环境变量和这个非全局函数一起构成了闭包。
￭ 闭包的特点:
■函数会记住外层函数的变量
￭ 闭包的实现:

10. 装饰器Decorator
￭ 定义:
■以函数作参数并返回一个替换函数的可执行函数
￭ 简单理解:
■装饰器的作用就是==为已存在的对象添加额外功能 ==
■为一个函数增加一个装饰(用另一个函数装饰)
■本质上就一个返回函数的高阶函数
￭ 应用:
■给函数动态增加功能(函数)
￭ 定义与使用:
@是python装饰器的简便写法，也叫语法糖。装饰器语法糖在要被包裹的函数前声明。@后面的函数名，是包裹下边函数的函数名extrafoo。
￭ 装饰器在Python使用如此方便都要归因于
Python的函数能像普通的对象一样能作为参数传递给其他函数
可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

#现有如下 三个函数
def foo1():
print ('this is foo1 function')

def foo2():
print ('this is foo2 function')

def foo3():
print ('this is foo3 function')

#现在想为每一个函数都添加一个打印当前时间的功能
#一种解决办法是一个一个修改，在底部添加代码，但问题是，太麻烦了~
import datetime

def foo1():
print ('this is foo1 function')
print(datetime.datetime.now())

def foo2():
print ('this is foo2 function')
print(datetime.datetime.now())

def foo3():
print ('this is foo3 function')
print(datetime.datetime.now())

#另一种办法是，写一个函数，负责打印时间,然后修改那三个函数
import datetime

def printtime():
print(datetime.datetime.now())

def foo1():
print ('this is foo1 function')
printtime()

def foo2():
print ('this is foo2 function')
printtime()

def foo3():
print ('this is foo3 function')
printtime()

#虽然不那么麻烦了，但还是每个函数都要修改，依旧很麻烦。

#法一：我们可以这样解决
def foo1():
print ('this is foo1 function')

def foo2():
print ('this is foo2 function')

def foo3():
print ('this is foo3 function')

def extrafoo(func):
print(datetime.datetime.now())
return func

decorated=extrafoo(foo2)
decorated()

#这样每次调用还是有点麻烦，要先写一个函数接收，再调用。OK，再弄简单一些

#法二：我们可以这样解决： 已有功能foo1，现在想要加计时功能，再写一个函数，利用装饰器。
import datetime
def extrafoo(func):#func代表函数对象
def inner():
print('from inner to execute:',func.__name__)
print('the',func.__name__,'result:',func())#func()代表原始函数
print('extra:',datetime.datetime.now())#加计时功能，在原始函数后面加计时功能。
return inner

@extrafoo#装饰器特性，被装饰的函数定义之后立即运行。@extrafoo可以理解成decorated=extrafoo(foo1)以及decorated()
def foo1():
return 'this is foo1 function--'

#@是python装饰器的简便写法，也叫语法糖
#装饰器语法糖在要被包裹的函数前声明。@后面的函数名，是包裹下边函数的函数名extrafoo
#该语法糖省略了
#decorated=foo(test)
#decorated()

# 装饰器在Python使用如此方便都要归因于
# Python的函数能像普通的对象一样能作为参数传递给其他函数
# 可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

foo1()

11. 函数式编程Functional Programming
￭ 函数式编程思想:
■函数是第一等公民First Class
■函数式编程是一种编程范式，是如何编写程度的方法论。 把运算过程尽量变成一系列函数的调用。属于结构化编程
￭ 特点:
■允许函数作为参数，传入另一个函数
■返回一个函数
￭ 理解:
■结合本章知识点，案例进行理解