Python学习 Day 4 函数 切片 迭代 列表生成式生成器

概述定义函数def my_abs(x):#求绝对值的my_abs函数if x >= 0:return xelse:return –xdef nop():#空函数pass#占位符参数检查>&gt

定义函数

def my_abs(x):#求绝对值的my_abs函数

if x >= 0:

return x

else:

return –x

 

def nop():#空函数

pass#占位符

 

参数检查

>>> my_abs(1,2)

Traceback (most recent call last):

file "<stdin>",line 1,in <module>

TypeError: my_abs() takes exactly 1argument (2 given)#参数个数不对

 

>>> my_abs('A')#参数类型不对，无法检查

'A'

>>> abs('A')

Traceback (most recent call last):

file "<stdin>",in <module>

TypeError: bad operand type for abs():'str'

 

>>> my_abs('A')

Traceback (most recent call last):

file "<stdin>",in <module>

file "<stdin>",line 3,in my_abs

TypeError: bad operand type#错误的参数类型

 

返回多个值

Python的函数返回多值其实就是返回一个tuple

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

151.961524227 70.0

函数的参数

def power(x):#计算x²的函数

return x * x

>>> power(5)

25

def power(x,n):#计算xⁿ

s = 1

while n > 0:

n = n - 1

s = s * x

return s

 

def power(x,n=2): #第二个参数n的默认值设定为2

s= 1

while n > 0:

n = n - 1

s = s * x

return s

默认参数降低了函数调用的难度，而一旦需要更复杂的调用时，又可以传递更多的参数来实现。无论是简单调用还是复杂调用，函数只需要定义一个。

def enroll(name,gender,age=6,city='Beijing'):

print 'name:',name

print 'gender:',gender

print 'age:',age

print 'city:',city

enroll('Bob','M',7)# 与默认参数不符的学生才需要提供额外的信息

enroll('Adam',city='Tianjin')

 

有多个默认参数时，调用的时候，既可以按顺序提供默认参数，比如调用enroll('Bob',7)，意思是，除了name，gender这两个参数外，最后1个参数应用在参数age上，city参数由于没有提供，仍然使用默认值。

默认参数的误区

def add_end(L=[]):#传入一个List

L.append('END')#添加一个END再返回

return L

>>> add_end([1,2,3])

[1,3,'END']

>>> add_end(['x','y','z'])

['x','z','END']

>>> add_end()

['END']

>>> add_end()

['END','END']

>>> add_end()

['END','END','END']

Python函数在定义的时候，默认参数L的值就被计算出来了，即[]，因为默认参数L也是一个变量，它指向对象[]，每次调用该函数，如果改变了L的内容，则下次调用时，默认参数的内容就变了，不再是函数定义时的[]了。所以，定义默认参数要牢记一点：默认参数必须指向不变对象！要修改上面的例子，我们可以用None这个不变对象来实现：

def add_end(L=None):

if L is None:

L = []

L.append('END')

return L

可变参数

def calc(numbers):#计算a2 + b2 +c2 + ……

sum = 0

for n in numbers:

sum = sum + n * n

return sum#调用时，要先组装List或tuple

>>> calc([1,3])

14

 

def calc(*numbers):#函数的参数改为可变参数

sum = 0

for n in numbers:

sum = sum + n * n

return sum

>>> calc(1,3)

14

>>> nums = [1,3]#已有List或tuple，调用可变参数

>>> calc(*nums)

14

关键字参数

关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict

def person(name,age,**kw):#函数除必选参数name和age，还接受关键字参数kw

print 'name:',name,'age:','other:',kw

>>> person('Michael',30)#调用函数时，可以只传入必选参数

name: Michael age: 30 other: {}

>>> person('Bob',35,city='Beijing')#可传入任意个数的关键字参数

name: Bob age: 35 other: {'city':'Beijing'}

>>> kw = {'city': 'Beijing','job': 'Engineer'}#组装出一个dict

>>> person('Jack',24,**kw)#把dict转换为关键字参数传进去

name: Jack age: 24 other: {'city': 'Beijing','job': 'Engineer'}

参数组合

def func(a,b,c=0,*args,**kw):#必选参数、默认参数、可变参数和关键字参数

print 'a =',a,'b =','c =',c,'args =',args,'kw =',kw

>>> func(1,2)# 自动按照参数位置和参数名把对应的参数传进去

a = 1 b = 2 c = 0 args = () kw = {}

>>> func(1,c=3)

a = 1 b = 2 c = 3 args = () kw = {}

>>> func(1,'a','b')

a = 1 b = 2 c = 3 args = ('a','b') kw = {}

>>> func(1,'b',x=99)

a = 1 b = 2 c = 3 args = ('a','b') kw ={'x': 99}

>>> args = (1,4)#tuple和dict，也可以调用该函数

>>> kw = {'x': 99}

>>> func(*args,**kw)

a = 1 b = 2 c = 3 args = (4,) kw = {'x':99}

对于任意函数，都可以通过类似func(*args,**kw)的形式调用它，无论它的参数是如何定义的。

递归函数

一个函数在内部调用自身本身，这个函数就是递归函数。

fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n= (n-1)! x n = fact(n-1) x n

def fact(n):#fact(n) = n! = fact(n-1) x n

if n==1:

return 1

return n *fact(n - 1)

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。如：

>>> fact(1000)

Traceback (most recent call last):

file "<stdin>",line 4,in fact

...

file "<stdin>",in fact

RuntimeError: maximum recursion depthexceeded

解决递归调用栈溢出的方法是通过尾递归优化，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.即:

def fact(n):

return fact_iter(1,1,n)

 

def fact_iter(product,count,max):

if count > max:

return product

return fact_iter(product * count,count + 1,max)

切片

>>> L = ['Michael','Sarah','Tracy','Bob','Jack']

>>> L[0:3]#取前3个元素,0开始取，直到索引3为止，但不包括索引3

['Michael','Tracy']

>>> L[1:3]

['Sarah','Tracy']

>>> L[-2:]# 倒数切片

['Bob','Jack']

>>> L[-2:-1]

['Bob']

>>> L[10:20]#前11-20个数

>>> L[:10:2]#前10个数，每两个取一个

>>> L[::5]#所有数，每5个取一个

>>> 'ABCDEFG'[:3]#字符串'xxx'或Unicode字符串u'xxx'也是一种List，每个元素就是一个字符

'ABC'

迭代

如果给定一个List或tuple，我们可以通过for循环来遍历这个List或tuple，这种遍历我们称为迭代（Iteration）。

>>> d = {'a': 1,'b': 2,'c': 3}

>>> for key in d:3只要是可迭代对象，无论有无下标，都可以迭代，比如dict

... print key

...

a

c

b

>>> for ch in 'ABC':#字符串也是可迭代

... print ch

...

A

B

C

>>> from collections importIterable

>>> isinstance('abc',Iterable) #str是否可迭代

True

>>> isinstance([1,3],Iterable)# List是否可迭代

True

>>> isinstance(123,Iterable) # 整数是否可迭代

False

 

>>> for x,y in [(1,1),(2,4),(3,9)]:

... print x,y

...

1 1

2 4

3 9

列表生成式ListComprehensions

>>> range(1,11)

[1,4,5,6,7,8,9,10]

 

>>> L = []#生成[1x1,2x2,3x3,...,10x10]

>>> for x in range(1,11):

... L.append(x * x)

...

>>> L

[1,16,25,36,49,64,81,100]

或：

>>> [x * x for x in range(1,11)]

[1,100]

 

>>> [x * x for x in range(1,11)if x % 2 == 0]#偶数的平方

 

>>> d = {'x': 'A','y': 'B','z':'C' }#dict的iteritems()可以同时迭代key和value

>>> for k,v in d.iteritems():

... print k,'=',v

...

y = B

x = A

z = C

 

>>> d = {'x': 'A','z':'C' }#两个变量来生成List

>>> [k + '=' + v for k,v ind.iteritems()]

['y=B','x=A','z=C']

生成器

在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。

>>> L = [x * x for x inrange(10)]#列表生成式的[]改成()，就创建了一个generator

>>> L

[0,81]

>>> g = (x * x for x in range(10))

>>> g

<generator object <genexpr> at0x104feab40>

 

>>> g = (x * x for x inrange(10))#使用for循环

>>> for n in g:

... print n

 

def fib(max):#斐波拉契数列

n,b = 0,1

while n < max:

print b

a,b = b,a + b

n = n + 1

变成generator的函数，在每次调用next()的时候执行，遇到yIEld语句返回，再次执行时从上次返回的yIEld语句处继续执行。例子，定义一个generator，依次返回数字1，3，5：

>>> def odd():#odd不是普通函数，而是generator

... print 'step 1'

... yIEld 1

... print 'step 2'

... yIEld 3

... print 'step 3'

... yIEld 5

...

>>> o = odd()

>>> o.next()

step 1

1

>>> o.next()

step 2

3

>>> o.next()

step 3

5

>>> o.next()

Traceback (most recent call last):

file "<stdin>",in <module>

stopiteration

总结

以上是内存溢出为你收集整理的Python学习 Day 4 函数 切片 迭代 列表生成式 生成器全部内容，希望文章能够帮你解决Python学习 Day 4 函数 切片 迭代 列表生成式 生成器所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。