Home > Backend Development > Python Tutorial > Summary of python function usage

Summary of python function usage

巴扎黑
Release: 2017-08-05 16:15:49
Original
2269 people have browsed it

Empty function

If you want to define an empty function that does nothing, you can use the pass statement:


def nop():    pass
Copy after login
## The

#pass statement does nothing, so what's the use? In fact, pass can be used as a placeholder. For example, if you haven't figured out how to write the function code yet, you can put a pass first so that the code can run.

pass can also be used in other statements, such as if

Summary

When defining a function, you need to determine the function name and number of parameters;

If necessary, you can check the data type of the parameters first;

You can use

return inside the function body to return the function result at any time;

The function execution is completed When there is no

return statement, it automatically return None.

The function can return multiple values ​​at the same time, but it is actually a tuple.

Variable parameters

In Python functions, you can also define variable parameters. As the name suggests, variable parameters mean that the number of parameters passed in is variable, it can be 1, 2, or any number, or it can be 0.

*nums means passing all the elements of the nums list as variable parameters. This way of writing is quite useful and very common.

Keyword parameters

Variable parameters allow you to pass in 0 or any number of parameters. These variable parameters are automatically assembled into a tuple when the function is called. Keyword parameters allow you to pass in 0 or any number of parameters containing parameter names. These keyword parameters are automatically assembled into a dict inside the function.

What are the uses of keyword parameters? It can extend the function's functionality. For example, in the

person function, we are guaranteed to receive the two parameters name and age. However, if the caller is willing to provide more parameters, We can receive it too. Imagine you are doing a user registration function. Except for the user name and age, which are required, everything else is optional. Using keyword parameters to define this function can meet the registration needs.

Similar to variable parameters, you can also assemble a dict first, and then convert the dict into keyword parameters and pass it in:


>>> extra = {'city': 'Beijing', 'job': 'Engineer'}>>> person('Jack', 24, city=extra['city'], job=extra['job'])
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}
Copy after login
Of course , the above complex call can be written in a simplified way:


>>> extra = {'city': 'Beijing', 'job': 'Engineer'}>>> person('Jack', 24, **extra)
name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}
Copy after login

**extra means all the keys of the extra dict -value is passed into the **kw parameter of the function using keyword arguments. kw will obtain a dict. Note that the dict obtained by kw is extra A copy of , changes to kw will not affect extra outside the function.

Named keyword parameters

For keyword parameters, the caller of the function can pass in any unlimited keyword parameters. As for what is passed in, you need to check it through

kw inside the function.

Still taking the

person() function as an example, we want to check whether there are city and job parameters

If so To limit the names of keyword parameters, you can use named keyword parameters. For example, only

city and job are accepted as keyword parameters. The function defined in this way is as follows:


def person(name, age, *, city, job):    print(name, age, city, job)
Copy after login
is different from the keyword parameters

**kw. Named keyword parameters require a special delimiter ## Parameters following #*, * are treated as named keyword parameters. The calling method is as follows:

>>> person('Jack', 24, city='Beijing', job='Engineer')
Jack 24 Beijing Engineer
Copy after login

If there is already a variable parameter in the function definition, the following named keyword parameter no longer needs one The special delimiter *

is:

def person(name, age, *args, city, job):    print(name, age, args, city, job)
Copy after login

Named keyword parameters must pass in the parameter name, which is different from positional parameters. If no parameter name is passed in, the call will report an error:

>>> person('Jack', 24, 'Beijing', 'Engineer')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>TypeError: person() takes 2 positional arguments but 4 were given
Copy after login

Parameter combination

When defining a function in Python, you can use required parameters, default parameters, Variable parameters, keyword parameters and named keyword parameters, these five parameters can be used in combination. However, please note that the order of parameter definitions must be: required parameters, default parameters, variable parameters, named keyword parameters and keyword parameters.

For example, define a function that contains the above parameters:

def f1(a, b, c=0, *args, **kw):    print('a =', a, 'b =', b, 'c =', c, 'args =', args, 'kw =', kw)def f2(a, b, c=0, *, d, **kw):    print('a =', a, 'b =', b, 'c =', c, 'd =', d, 'kw =', kw)
Copy after login

When the function is called, the Python interpreter automatically interprets the parameters according to the parameter position and name. The corresponding parameters are passed in.

>>> f1(1, 2)
a = 1 b = 2 c = 0 args = () kw = {}>>> f1(1, 2, c=3)
a = 1 b = 2 c = 3 args = () kw = {}>>> f1(1, 2, 3, 'a', 'b')
a = 1 b = 2 c = 3 args = ('a', 'b') kw = {}>>> f1(1, 2, 3, 'a', 'b', x=99)
a = 1 b = 2 c = 3 args = ('a', 'b') kw = {'x': 99}>>> f2(1, 2, d=99, ext=None)
a = 1 b = 2 c = 0 d = 99 kw = {'ext': None}
Copy after login

The most amazing thing is that through a tuple and dict, you can also call the above function:

>>> args = (1, 2, 3, 4)>>> kw = {'d': 99, 'x': '#'}>>> f1(*args, **kw)
a = 1 b = 2 c = 3 args = (4,) kw = {'d': 99, 'x': '#'}>>> args = (1, 2, 3)>>> kw = {'d': 88, 'x': '#'}>>> f2(*args, **kw)
a = 1 b = 2 c = 3 d = 88 kw = {'x': '#'}
Copy after login

So So, for any function, it can be called in the form similar to

func(*args, **kw), regardless of how its parameters are defined. Summary

Python's functions have a very flexible parameter form, which can not only implement simple calls, but also pass in very complex parameters.

The default parameters must use immutable objects. If they are variable objects, there will be logic errors when the program is running!

Pay attention to the syntax of defining variable parameters and keyword parameters:

*args是可变参数,args接收的是一个tuple;

**kw是关键字参数,kw接收的是一个dict。

以及调用函数时如何传入可变参数和关键字参数的语法:

可变参数既可以直接传入:func(1, 2, 3),又可以先组装list或tuple,再通过*args传入:func(*(1, 2, 3))

关键字参数既可以直接传入:func(a=1, b=2),又可以先组装dict,再通过**kw传入:func(**{'a': 1, 'b': 2})

使用*args**kw是Python的习惯写法,当然也可以用其他参数名,但最好使用习惯用法。

命名的关键字参数是为了限制调用者可以传入的参数名,同时可以提供默认值。

定义命名的关键字参数在没有可变参数的情况下不要忘了写分隔符*,否则定义的将是位置参数。

 

内置函数

注:查看详细猛击这里

 

文件操作函数

open函数,该函数用于文件处理

操作文件时,一般需要经历如下步骤:

  • 打开文件

  • 操作文件

一、打开文件

  文件句柄 = open('文件路径''模式')

打开文件时,需要指定文件路径和以何等方式打开文件,打开后,即可获取该文件句柄,日后通过此文件句柄对该文件操作。

打开文件的模式有:

  • r,只读模式(默认)。

  • w,只写模式。【不可读;不存在则创建;存在则删除内容;】

  • a,追加模式。【可读;   不存在则创建;存在则只追加内容;】

"+" 表示可以同时读写某个文件

  • r+,可读写文件。【可读;可写;可追加】

  • w+,写读

  • a+,同a

"U"表示在读取时,可以将 \r \n \r\n自动转换成 \n (与 r 或 r+ 模式同使用)

  • rU

  • r+U

"b"表示处理二进制文件(如:FTP发送上传ISO镜像文件,linux可忽略,windows处理二进制文件时需标注)

  • rb

  • wb

  • ab

 

二、操作


class file(object)    def close(self): # real signature unknown; restored from __doc__        关闭文件        """
        close() -> None or (perhaps) an integer.  Close the file.
         
        Sets data attribute .closed to True.  A closed file cannot be used for
        further I/O operations.  close() may be called more than once without
        error.  Some kinds of file objects (for example, opened by popen())
        may return an exit status upon closing.        """
 
    def fileno(self): # real signature unknown; restored from __doc__        文件描述符  
         """
        fileno() -> integer "file descriptor".
         
        This is needed for lower-level file interfaces, such os.read().        """
        return 0    
 
    def flush(self): # real signature unknown; restored from __doc__        刷新文件内部缓冲区        """ flush() -> None.  Flush the internal I/O buffer. """
        pass
 
 
    def isatty(self): # real signature unknown; restored from __doc__        判断文件是否是同意tty设备        """ isatty() -> true or false.  True if the file is connected to a tty device. """
        return False 
 
    def next(self): # real signature unknown; restored from __doc__        获取下一行数据,不存在,则报错        """ x.next() -> the next value, or raise StopIteration """
        pass
 
    def read(self, size=None): # real signature unknown; restored from __doc__        读取指定字节数据        """
        read([size]) -> read at most size bytes, returned as a string.
         
        If the size argument is negative or omitted, read until EOF is reached.
        Notice that when in non-blocking mode, less data than what was requested
        may be returned, even if no size parameter was given.        """
        pass
 
    def readinto(self): # real signature unknown; restored from __doc__        读取到缓冲区,不要用,将被遗弃        """ readinto() -> Undocumented.  Don't use this; it may go away. """
        pass
 
    def readline(self, size=None): # real signature unknown; restored from __doc__        仅读取一行数据        """
        readline([size]) -> next line from the file, as a string.
         
        Retain newline.  A non-negative size argument limits the maximum
        number of bytes to return (an incomplete line may be returned then).
        Return an empty string at EOF.        """
        pass
 
    def readlines(self, size=None): # real signature unknown; restored from __doc__        读取所有数据,并根据换行保存值列表        """
        readlines([size]) -> list of strings, each a line from the file.
         
        Call readline() repeatedly and return a list of the lines so read.
        The optional size argument, if given, is an approximate bound on the
        total number of bytes in the lines returned.        """
        return [] 
    def seek(self, offset, whence=None): # real signature unknown; restored from __doc__        指定文件中指针位置        """
        seek(offset[, whence]) -> None.  Move to new file position.
         
        Argument offset is a byte count.  Optional argument whence defaults to
(offset from start of file, offset should be >= 0); other values are 1
        (move relative to current position, positive or negative), and 2 (move
        relative to end of file, usually negative, although many platforms allow
        seeking beyond the end of a file).  If the file is opened in text mode,
        only offsets returned by tell() are legal.  Use of other offsets causes
        undefined behavior.
        Note that not all file objects are seekable.        """
        pass
 
    def tell(self): # real signature unknown; restored from __doc__        获取当前指针位置        """ tell() -> current file position, an integer (may be a long integer). """
        pass
 
    def truncate(self, size=None): # real signature unknown; restored from __doc__        截断数据,仅保留指定之前数据        """
        truncate([size]) -> None.  Truncate the file to at most size bytes.
         
        Size defaults to the current file position, as returned by tell().        """
        pass
 
    def write(self, p_str): # real signature unknown; restored from __doc__        写内容        """
        write(str) -> None.  Write string str to file.
         
        Note that due to buffering, flush() or close() may be needed before
        the file on disk reflects the data written.        """
        pass
 
    def writelines(self, sequence_of_strings): # real signature unknown; restored from __doc__        将一个字符串列表写入文件        """
        writelines(sequence_of_strings) -> None.  Write the strings to the file.
         
        Note that newlines are not added.  The sequence can be any iterable object
        producing strings. This is equivalent to calling write() for each string.        """
        pass
 
    def xreadlines(self): # real signature unknown; restored from __doc__        可用于逐行读取文件,非全部        """
        xreadlines() -> returns self.
         
        For backward compatibility. File objects now include the performance
        optimizations previously implemented in the xreadlines module.        """
        passPython 2.x
Copy after login

python 2.0


class TextIOWrapper(_TextIOBase):    """
    Character and line based layer over a BufferedIOBase object, buffer.
    
    encoding gives the name of the encoding that the stream will be
    decoded or encoded with. It defaults to locale.getpreferredencoding(False).
    
    errors determines the strictness of encoding and decoding (see
    help(codecs.Codec) or the documentation for codecs.register) and
    defaults to "strict".
    
    newline controls how line endings are handled. It can be None, '',
    '\n', '\r', and '\r\n'.  It works as follows:
    
    * On input, if newline is None, universal newlines mode is
      enabled. Lines in the input can end in '\n', '\r', or '\r\n', and
      these are translated into '\n' before being returned to the
      caller. If it is '', universal newline mode is enabled, but line
      endings are returned to the caller untranslated. If it has any of
      the other legal values, input lines are only terminated by the given
      string, and the line ending is returned to the caller untranslated.
    
    * On output, if newline is None, any '\n' characters written are
      translated to the system default line separator, os.linesep. If
      newline is '' or '\n', no translation takes place. If newline is any
      of the other legal values, any '\n' characters written are translated
      to the given string.
    
    If line_buffering is True, a call to flush is implied when a call to
    write contains a newline character.    """
    def close(self, *args, **kwargs): # real signature unknown        关闭文件        pass

    def fileno(self, *args, **kwargs): # real signature unknown        文件描述符  
        pass

    def flush(self, *args, **kwargs): # real signature unknown        刷新文件内部缓冲区        pass

    def isatty(self, *args, **kwargs): # real signature unknown        判断文件是否是同意tty设备        pass

    def read(self, *args, **kwargs): # real signature unknown        读取指定字节数据        pass

    def readable(self, *args, **kwargs): # real signature unknown        是否可读        pass

    def readline(self, *args, **kwargs): # real signature unknown        仅读取一行数据        pass

    def seek(self, *args, **kwargs): # real signature unknown        指定文件中指针位置        pass

    def seekable(self, *args, **kwargs): # real signature unknown        指针是否可操作        pass

    def tell(self, *args, **kwargs): # real signature unknown        获取指针位置        pass

    def truncate(self, *args, **kwargs): # real signature unknown        截断数据,仅保留指定之前数据        pass

    def writable(self, *args, **kwargs): # real signature unknown        是否可写        pass

    def write(self, *args, **kwargs): # real signature unknown        写内容        pass

    def __getstate__(self, *args, **kwargs): # real signature unknown
        pass

    def __init__(self, *args, **kwargs): # real signature unknown
        pass

    @staticmethod # known case of __new__
    def __new__(*args, **kwargs): # real signature unknown
        """ Create and return a new object.  See help(type) for accurate signature. """
        pass

    def __next__(self, *args, **kwargs): # real signature unknown
        """ Implement next(self). """
        pass

    def __repr__(self, *args, **kwargs): # real signature unknown
        """ Return repr(self). """
        pass

    buffer = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    closed = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    encoding = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    errors = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    line_buffering = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    name = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    newlines = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    _CHUNK_SIZE = property(lambda self: object(), lambda self, v: None, lambda self: None)  # default
    _finalizing = property(lambda self: object(), lambda self, v: None, lambda self: None)  # defaultPython 3.x
Copy after login

python3.0

三、管理上下文

为了避免打开文件后忘记关闭,可以通过管理上下文,即:


with open('log','r') as f:
       
    ...
Copy after login

如此方式,当with代码块执行完毕时,内部会自动关闭并释放文件资源。

在Python 2.7 后,with又支持同时对多个文件的上下文进行管理,即:


with open('log1') as obj1, open('log2') as obj2:    pass
Copy after login

lambda表达式

学习条件运算时,对于简单的 if else 语句,可以使用三元运算来表示,即:


# 普通条件语句if 1 == 1:
    name = 'wupeiqi'else:
    name = 'alex'
   # 三元运算name = 'wupeiqi' if 1 == 1 else 'alex'
Copy after login

对于简单的函数,也存在一种简便的表示方式,即:lambda表达式


# ###################### 普通函数 ####################### 定义函数(普通方式)def func(arg):    return arg + 1   
# 执行函数result = func(123)   
# ###################### lambda ######################
   # 定义函数(lambda表达式)my_lambda = lambda arg : arg + 1   
# 执行函数result = my_lambda(123)
Copy after login

lambda存在意义就是对简单函数的简洁表示!

 

递归


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

递归函数的优点是定义简单,逻辑清晰。理论上,所有的递归函数都可以写成循环的方式,但循环的逻辑不如递归清晰。

使用递归函数需要注意防止栈溢出。在计算机中,函数调用是通过栈(stack)这种数据结构实现的,每当进入一个函数调用,栈就会加一层栈帧,每当函数返回,栈就会减一层栈帧。由于栈的大小不是无限的,所以,递归调用的次数过多,会导致栈溢出。可以试试fact(1000)


>>> fact(1)1
>>> fact(5)120
>>> fact(100)93326215443944152681699238856266700490715968264381621468592963895217599993229915608941463976156518286253697920827223758251185210916864000000000000000000000000

===> fact(5)===> 5 * fact(4)===> 5 * (4 * fact(3))===> 5 * (4 * (3 * fact(2)))===> 5 * (4 * (3 * (2 * fact(1))))===> 5 * (4 * (3 * (2 * 1)))===> 5 * (4 * (3 * 2))===> 5 * (4 * 6)===> 5 * 24
===> 120
Copy after login

解决递归调用栈溢出的方法是通过尾递归优化,事实上尾递归和循环的效果是一样的,所以,把循环看成是一种特殊的尾递归函数也是可以的。

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。

上面的fact(n)函数由于return n * fact(n - 1)引入了乘法表达式,所以就不是尾递归了。要改成尾递归方式,需要多一点代码,主要是要把每一步的乘积传入到递归函数中:


def fact(n):    return fact_iter(n, 1)def fact_iter(num, product):    if num == 1:        return product    return fact_iter(num - 1, num * product)
Copy after login

可以看到,return fact_iter(num - 1, num * product)仅返回递归函数本身,num - 1num * product在函数调用前就会被计算,不影响函数调用。

fact(5)对应的fact_iter(5, 1)的调用如下:


===> fact_iter(5, 1)===> fact_iter(4, 5)===> fact_iter(3, 20)===> fact_iter(2, 60)===> fact_iter(1, 120)===> 120
Copy after login

尾递归调用时,如果做了优化,栈不会增长,因此,无论多少次调用也不会导致栈溢出。

遗憾的是,大多数编程语言没有针对尾递归做优化,Python解释器也没有做优化,所以,即使把上面的fact(n)函数改成尾递归方式,也会导致栈溢出。

小结

使用递归函数的优点是逻辑简单清晰,缺点是过深的调用会导致栈溢出。

针对尾递归优化的语言可以通过尾递归防止栈溢出。尾递归事实上和循环是等价的,没有循环语句的编程语言只能通过尾递归实现循环。

Python标准的解释器没有针对尾递归做优化,任何递归函数都存在栈溢出的问题。

汉诺塔:


#!/usr/bin/env python3# -*- coding: utf-8 -*-# 利用递归函数计算阶乘# N! = 1 * 2 * 3 * ... * Ndef fact(n):    if n == 1:        return 1    return n * fact(n-1)print('fact(1) =', fact(1))print('fact(5) =', fact(5))print('fact(10) =', fact(10))# 利用递归函数移动汉诺塔:def move(n, a, b, c):    if n == 1:        print('move', a, '-->', c)        return
    move(n-1, a, c, b)    print('move', a, '-->', c)
    move(n-1, b, a, c)

move(4, 'A', 'B', 'C')
Copy after login

The above is the detailed content of Summary of python function usage. For more information, please follow other related articles on the PHP Chinese website!

Related labels:
source:php.cn
Statement of this Website
The content of this article is voluntarily contributed by netizens, and the copyright belongs to the original author. This site does not assume corresponding legal responsibility. If you find any content suspected of plagiarism or infringement, please contact admin@php.cn
Popular Tutorials
More>
Latest Downloads
More>
Web Effects
Website Source Code
Website Materials
Front End Template