python入门第三天

一 为什么要用函数之不用函数的问题

#一、代码的组织结构不清晰，可读性差 #二、遇到重复的功能只能重复编写实现代码，代码冗余 #三、功能须要扩展时，须要找出全部实现该功能的地方修改之，没法统一管理且维护难度极大 

二 函数是什么

针对二中的问题，想象生活中的例子，修理工须要实现准备好工具箱里面放好锤子，扳手，钳子等工具，而后遇到锤钉子的场景，拿来锤子用就能够，而无需临时再制造一把锤子。

修理工===>程序员
具有某一功能的工具===>函数

要想使用工具，须要事先准备好，而后拿来就用且能够重复使用
要想用函数，须要先定义，再使用

三 函数分类

#一、内置函数 为了方便咱们的开发，针对一些简单的功能，python解释器已经为咱们定义好了的函数即内置函数。对于内置函数，咱们能够拿来就用而无需事先定义，如len(),sum(),max() ps：咱们将会在最后详细介绍经常使用的内置函数。 #二、自定义函数 很明显内置函数所能提供的功能是有限的，这就须要咱们本身根据需求，事先定制好咱们本身的函数来实现某种功能，之后，在遇到应用场景时，调用自定义的函数便可。例如

四 定义函数

 1 如何自定义函数？

#语法 def 函数名(参数1,参数2,参数3,...): '''注释''' 函数体 return 返回的值 #函数名要能反映其意义

def auth(user:str,password:str)->int: ''' auth function :param user: 用户名 :param password: 密码 :return: 认证结果 ''' if user == 'egon' and password == '123': return 1 # print(auth.__annotations__) #{'user': <class 'str'>, 'password': <class 'str'>, 'return': <class 'int'>}  user=input('用户名>>: ').strip() pwd=input('密码>>: ').strip() res=auth(user,pwd) print(res)

 

2 函数使用的原则：先定义，再调用

函数即“变量”，“变量”必须先定义后引用。未定义而直接引用函数，就至关于在引用一个不存在的变量名
#测试一 def foo(): print('from foo') bar() foo() #报错 #测试二 def bar(): print('from bar') def foo(): print('from foo') bar() foo() #正常 #测试三 def foo(): print('from foo') bar() def bar(): print('from bar') foo() #会报错吗? #结论:函数的使用,必须遵循原则:先定义,后调用 #咱们在使用函数时,必定要明确地区分定义阶段和调用阶段 #定义阶段 def foo(): print('from foo') bar() def bar(): print('from bar') #调用阶段 foo()

五 函数在定义阶段都干了哪些事？

#只检测语法，不执行代码 也就说，语法错误在函数定义阶段就会检测出来，而代码的逻辑错误只有在执行时才会知道

六 定义函数的三种形式

#一、无参：应用场景仅仅只是执行一些操做，好比与用户交互，打印 #二、有参：须要根据外部传进来的参数，才能执行相应的逻辑，好比统计长度，求最大值最小值 #三、空函数：设计代码结构

#定义阶段 def tell_tag(tag,n): #有参数 print(tag*n) def tell_msg(): #无参数 print('hello world') #调用阶段 tell_tag('*',12) tell_msg() tell_tag('*',12) ''' ************ hello world ************ ''' #结论： #一、定义时无参，意味着调用时也无需传入参数 #二、定义时有参，意味着调用时则必须传入参数

def auth(user,password): ''' auth function :param user: 用户名 :param password: 密码 :return: 认证结果 ''' pass def get(filename): ''' :param filename: :return: ''' pass def put(filename): ''' :param filename: :return: ''' def ls(dirname): ''' :param dirname: :return: ''' pass #程序的体系结构立见 

七 调用函数

1 调用函数

函数的调用：函数名加括号
1 先找到名字 2 根据名字调用代码

2 函数返回值

无return->None
return 1个值->返回1个值 return 逗号分隔多个值->元组

何时该有返回值？
　　　　调用函数，通过一系列的操做，最后要拿到一个明确的结果，则必需要有返回值
　　　　一般有参函数须要有返回值，输入参数，通过计算，获得一个最终的结果
何时不须要有返回值？
　　　　调用函数，仅仅只是执行一系列的操做，最后不须要获得什么结果，则无需有返回值
　　　　一般无参函数不须要有返回值

3 函数调用的三种形式

1 语句形式：foo()
2 表达式形式：3*len('hello') 3 当中另一个函数的参数：range(len('hello'))

八 函数的参数

1 形参与实参

#形参即变量名，实参即变量值，函数调用时，将值绑定到变量名上，函数调用结束，解除绑定

2 具体应用

#一、位置参数：按照从左到右的顺序定义的参数  位置形参：必选参数 位置实参：按照位置给形参传值 #二、关键字参数：按照key=value的形式定义的实参  无需按照位置为形参传值 注意的问题： 1. 关键字实参必须在位置实参右面 2. 对同一个形参不能重复传值 #三、默认参数：形参在定义时就已经为其赋值  能够传值也能够不传值，常常须要变得参数定义成位置形参，变化较小的参数定义成默认参数（形参） 注意的问题： 1. 只在定义时赋值一次 2. 默认参数的定义应该在位置形参右面 3. 默认参数一般应该定义成不可变类型 #四、可变长参数：  可变长指的是实参值的个数不固定 而实参有按位置和按关键字两种形式定义，针对这两种形式的可变长，形参对应有两种解决方案来完整地存放它们，分别是*args，**kwargs ===========*args=========== def foo(x,y,*args): print(x,y) print(args) foo(1,2,3,4,5) def foo(x,y,*args): print(x,y) print(args) foo(1,2,*[3,4,5]) def foo(x,y,z): print(x,y,z) foo(*[1,2,3]) ===========**kwargs=========== def foo(x,y,**kwargs): print(x,y) print(kwargs) foo(1,y=2,a=1,b=2,c=3) def foo(x,y,**kwargs): print(x,y) print(kwargs) foo(1,y=2,**{'a':1,'b':2,'c':3}) def foo(x,y,z): print(x,y,z) foo(**{'z':1,'x':2,'y':3}) ===========*args+**kwargs=========== def foo(x,y): print(x,y) def wrapper(*args,**kwargs): print('====>') foo(*args,**kwargs) #五、命名关键字参数：*后定义的参数，必须被传值（有默认值的除外），且必须按照关键字实参的形式传递 能够保证，传入的参数中必定包含某些关键字 def foo(x,y,*args,a=1,b,**kwargs): print(x,y) print(args) print(a) print(b) print(kwargs) foo(1,2,3,4,5,b=3,c=4,d=5) 结果： 1 2 (3, 4, 5) 1 3 {'c': 4, 'd': 5}

九 函数对象

1 函数是第一类对象，即函数能够看成数据传递

#1 能够被引用 #2 能够看成参数传递 #3 返回值能够是函数 #3 能够看成容器类型的元素

2 利用该特性，优雅的取代多分支的if

def foo(): print('foo') def bar(): print('bar') dic={ 'foo':foo, 'bar':bar, } while True: choice=input('>>: ').strip() if choice in dic: dic[choice]()

十 函数嵌套

1 函数的嵌套调用

def max(x,y): return x if x > y else y def max4(a,b,c,d): res1=max(a,b) res2=max(res1,c) res3=max(res2,d) return res3 print(max4(1,2,3,4))

2 函数的嵌套定义

def f1(): def f2(): def f3(): print('from f3') f3() f2() f1() f3() #报错，为什么？请看下一小节

3 名称空间与做用域

十 什么是名称空间？

#名称空间：存放名字的地方，三种名称空间，（以前遗留的问题x=1，1存放于内存中，那名字x存放在哪里呢？名称空间正是存放名字x与1绑定关系的地方）

十一 名称空间的加载顺序

python test.py
#一、python解释器先启动，于是首先加载的是：内置名称空间 #二、执行test.py文件，而后以文件为基础，加载全局名称空间 #三、在执行文件的过程当中若是调用函数，则临时产生局部名称空间

十二 名字的查找顺序

局部名称空间--->全局名称空间--->内置名称空间

#须要注意的是：在全局没法查看局部的，在局部能够查看全局的，以下示例 # max=1 def f1(): # max=2 def f2(): # max=3 print(max) f2() f1() print(max) 

十三 做用域

#一、做用域即范围 - 全局范围（内置名称空间与全局名称空间属于该范围）：全局存活，全局有效 　 - 局部范围（局部名称空间属于该范围）：临时存活，局部有效 #二、做用域关系是在函数定义阶段就已经固定的，与函数的调用位置无关，以下 x=1 def f1(): def f2(): print(x) return f2 x=100 def f3(func): x=2 func() x=10000 f3(f1()) #三、查看做用域：globals(),locals()  LEGB 表明名字查找顺序: locals -> enclosing function -> globals -> __builtins__ locals 是函数内的名字空间，包括局部变量和形参 enclosing 外部嵌套函数的名字空间（闭包中常见） globals 全局变量，函数定义所在模块的名字空间 builtins 内置模块的名字空间

 global与nonlocal关键字

十四 闭包函数

1 什么是闭包？

#内部函数包含对外部做用域而非全局做用域的引用 #提示：以前咱们都是经过参数将外部的值传给函数，闭包提供了另一种思路，包起来喽，包起呦，包起来哇 def counter(): n=0 def incr(): nonlocal n x=n n+=1 return x return incr c=counter() print(c()) print(c()) print(c()) print(c.__closure__[0].cell_contents) #查看闭包的元素

2 闭包的意义与应用

#闭包的意义：返回的函数对象，不只仅是一个函数对象，在该函数外还包裹了一层做用域，这使得，该函数不管在何处调用，优先使用本身外层包裹的做用域 #应用领域：延迟计算（原来咱们是传参，如今咱们是包起来） from urllib.request import urlopen def index(url): def get(): return urlopen(url).read() return get baidu=index('http://www.baidu.com') print(baidu().decode('utf-8'))

十五 装饰器

装饰器就是闭包函数的一种应用场景

1 为什么要用装饰器

#开放封闭原则：对修改封闭，对扩展开放

2 什么是装饰器

装饰器他人的器具，自己能够是任意可调用对象，被装饰者也能够是任意可调用对象。
强调装饰器的原则：1 不修改被装饰对象的源代码 2 不修改被装饰对象的调用方式 装饰器的目标：在遵循1和2的前提下，为被装饰对象添加上新功能

3 装饰器的使用

无参装饰器

import time def timmer(func): def wrapper(*args,**kwargs): start_time=time.time() res=func(*args,**kwargs) stop_time=time.time() print('run time is %s' %(stop_time-start_time)) return res return wrapper @timmer def foo(): time.sleep(3) print('from foo') foo()

有参装饰器

def auth(driver='file'): def auth2(func): def wrapper(*args,**kwargs): name=input("user: ") pwd=input("pwd: ") if driver == 'file': if name == 'egon' and pwd == '123': print('login successful') res=func(*args,**kwargs) return res elif driver == 'ldap': print('ldap') return wrapper return auth2 @auth(driver='file') def foo(name): print(name) foo('egon')

4 装饰器语法

被装饰函数的正上方，单独一行
        @deco1
        @deco2
        @deco3
        def foo(): pass foo=deco1(deco2(deco3(foo)))

5 装饰器补充：wraps

from functools import wraps def deco(func): @wraps(func) #加在最内层函数正上方 def wrapper(*args,**kwargs): return func(*args,**kwargs) return wrapper @deco def index(): '''哈哈哈哈''' print('from index') print(index.__doc__)

迭代器

十六 迭代的概念

#迭代器即迭代的工具，那什么是迭代呢？
#迭代是一个重复的过程，每次重复即一次迭代，而且每次迭代的结果都是下一次迭代的初始值 while True: #只是单纯地重复，于是不是迭代 print('===>') l=[1,2,3] count=0 while count < len(l): #迭代 print(l[count]) count+=1

十七 为什么要有迭代器？什么是可迭代对象？什么是迭代器对象？

def auth(driver='file'): def auth2(func): def wrapper(*args,**kwargs): name=input("user: ") pwd=input("pwd: ") if driver == 'file': if name == 'egon' and pwd == '123': print('login successful') res=func(*args,**kwargs) return res elif driver == 'ldap': print('ldap') return wrapper return auth2 @auth(driver='file') def foo(name): print(name) foo('egon')

十八 迭代器对象的使用

dic={'a':1,'b':2,'c':3} iter_dic=dic.__iter__() #获得迭代器对象，迭代器对象即有__iter__又有__next__，可是：迭代器.__iter__()获得的仍然是迭代器自己 iter_dic.__iter__() is iter_dic #True print(iter_dic.__next__()) #等同于next(iter_dic) print(iter_dic.__next__()) #等同于next(iter_dic) print(iter_dic.__next__()) #等同于next(iter_dic) # print(iter_dic.__next__()) #抛出异常StopIteration，或者说结束标志 #有了迭代器，咱们就能够不依赖索引迭代取值了 iter_dic=dic.__iter__() while 1: try: k=next(iter_dic) print(dic[k]) except StopIteration: break #这么写太丑陋了，须要咱们本身捕捉异常，控制next，python这么牛逼，能不能帮我解决呢？能，请看for循环

十九 for循环

#基于for循环，咱们能够彻底再也不依赖索引去取值了 dic={'a':1,'b':2,'c':3} for k in dic: print(dic[k]) #for循环的工做原理 #1：执行in后对象的dic.__iter__()方法，获得一个迭代器对象iter_dic #2: 执行next(iter_dic),将获得的值赋值给k,而后执行循环体代码 #3: 重复过程2，直到捕捉到异常StopIteration,结束循环

二十 迭代器的优缺点

#优势： - 提供一种统一的、不依赖于索引的迭代方式 - 惰性计算，节省内存 #缺点： - 没法获取长度（只有在next完毕才知道到底有几个值） - 一次性的，只能日后走，不能往前退

生成器

二一 什么是生成器

#只要函数内部包含有yield关键字，那么函数名()的到的结果就是生成器，而且不会执行函数内部代码 def func(): print('====>first') yield 1 print('====>second') yield 2 print('====>third') yield 3 print('====>end') g=func() print(g) #<generator object func at 0x0000000002184360> 

二二 生成器就是迭代器

g.__iter__ g.__next__ #二、因此生成器就是迭代器，所以能够这么取值 res=next(g) print(res)

二三 协程函数

#yield关键字的另一种使用形式：表达式形式的yield def eater(name): print('%s 准备开始吃饭啦' %name) food_list=[] while True: food=yield food_list print('%s 吃了 %s' % (name,food)) food_list.append(food) g=eater('egon') g.send(None) #对于表达式形式的yield，在使用时，第一次必须传None，g.send(None)等同于next(g) g.send('蒸羊羔') g.send('蒸鹿茸') g.send('蒸熊掌') g.send('烧素鸭') g.close() g.send('烧素鹅') g.send('烧鹿尾')

二四 yield总结

#一、把函数作成迭代器 #二、对比return，能够返回屡次值，能够挂起/保存函数的运行状态

二五 面向过程编程

#一、首先强调：面向过程编程绝对不是用函数编程这么简单，面向过程是一种编程思路、思想，而编程思路是不依赖于具体的语言或语法的。言外之意是即便咱们不依赖于函数，也能够基于面向过程的思想编写程序 #二、定义 面向过程的核心是过程二字，过程指的是解决问题的步骤，即先干什么再干什么 基于面向过程设计程序就比如在设计一条流水线，是一种机械式的思惟方式 #三、优势：复杂的问题流程化，进而简单化 #四、缺点：可扩展性差，修改流水线的任意一个阶段，都会牵一发而动全身 #五、应用：扩展性要求不高的场景，典型案例如linux内核，git，httpd #六、举例 流水线1： 用户输入用户名、密码--->用户验证--->欢迎界面 流水线2： 用户输入sql--->sql解析--->执行功能

 ps：函数的参数传入，是函数吃进去的食物，而函数return的返回值，是函数拉出来的结果，面向过程的思路就是，把程序的执行当作一串首尾相连的功能，该功能能够是函数的形式，而后一个函数吃，拉出的东西给另一个函数吃，另一个函数吃了再继续拉给下一个函数吃。。。

二六 三元表达式

name=input('姓名>>: ') res='SB' if name == 'alex' else 'NB' print(res)

二七 列表推导式

#一、示例 egg_list=[] for i in range(10): egg_list.append('鸡蛋%s' %i) egg_list=['鸡蛋%s' %i for i in range(10)] #二、语法 [expression for item1 in iterable1 if condition1 for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN ] 相似于 res=[] for item1 in iterable1: if condition1: for item2 in iterable2: if condition2 ... for itemN in iterableN: if conditionN: res.append(expression) #三、优势：方便，改变了编程习惯，可称之为声明式编程

二八 生成器表达式

#一、把列表推导式的[]换成()就是生成器表达式 #二、示例：生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性 >>> chicken=('鸡蛋%s' %i for i in range(5)) >>> chicken <generator object <genexpr> at 0x10143f200> >>> next(chicken) '鸡蛋0' >>> list(chicken) #因chicken可迭代，于是能够转成列表 ['鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4',] #三、优势：省内存，一次只产生一个值在内存中

二九 声明式编程练习题

一、将names=['egon','alex_sb','wupeiqi','yuanhao']中的名字所有变大写

二、将names=['egon','alex_sb','wupeiqi','yuanhao']中以sb结尾的名字过滤掉，而后保存剩下的名字长度

三、求文件a.txt中最长的行的长度（长度按字符个数算，须要使用max函数）

四、求文件a.txt中总共包含的字符个数？思考为什么在第一次以后的n次sum求和获得的结果为0？（须要使用sum函数）

五、思考题

with open('a.txt') as f: g=(len(line) for line in f) print(sum(g)) #为什么报错？

六、文件shopping.txt内容以下

mac,20000,3
lenovo,3000,10 tesla,1000000,10 chicken,200,1

求总共花了多少钱？

打印出全部商品的信息，格式为[{'name':'xxx','price':333,'count':3},...]

求单价大于10000的商品信息,格式同上

#题目一 names=['egon','alex_sb','wupeiqi','yuanhao'] names=[name.upper() for name in names] #题目二 names=['egon','alex_sb','wupeiqi','yuanhao'] names=[len(name) for name in names if not name.endswith('sb')] #题目三 with open('a.txt',encoding='utf-8') as f: print(max(len(line) for line in f)) #题目四 with open('a.txt', encoding='utf-8') as f: print(sum(len(line) for line in f)) print(sum(len(line) for line in f)) #求包换换行符在内的文件全部的字符数，为什么获得的值为0? print(sum(len(line) for line in f)) #求包换换行符在内的文件全部的字符数，为什么获得的值为0? #题目五（略） #题目六：每次必须从新打开文件或seek到文件开头，由于迭代完一次就结束了 with open('a.txt',encoding='utf-8') as f: info=[line.split() for line in f] cost=sum(float(unit_price)*int(count) for _,unit_price,count in info) print(cost) with open('a.txt',encoding='utf-8') as f: info=[{ 'name': line.split()[0], 'price': float(line.split()[1]), 'count': int(line.split()[2]), } for line in f] print(info) with open('a.txt',encoding='utf-8') as f: info=[{ 'name': line.split()[0], 'price': float(line.split()[1]), 'count': int(line.split()[2]), } for line in f if float(line.split()[1]) > 10000] print(info)

 递归与二分法

三十 递归调用的定义

#递归调用是函数嵌套调用的一种特殊形式，函数在调用时，直接或间接调用了自身，就是递归调用

三一 递归分为两个阶段：递推，回溯

#图解。。。 # salary(5)=salary(4)+300 # salary(4)=salary(3)+300 # salary(3)=salary(2)+300 # salary(2)=salary(1)+300 # salary(1)=100 # # salary(n)=salary(n-1)+300 n>1 # salary(1) =100 n=1 def salary(n): if n == 1: return 100 return salary(n-1)+300 print(salary(5))

三二 python中的递归效率低且没有尾递归优化

#python中的递归 python中的递归效率低，须要在进入下一次递归时保留当前的状态，在其余语言中能够有解决方法：尾递归优化，即在函数的最后一步（而非最后一行)调用本身，尾递归优化：http://egon09.blog.51cto.com/9161406/1842475 可是python又没有尾递归，且对递归层级作了限制 #总结递归的使用： 1. 必须有一个明确的结束条件 2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减小 3. 递归效率不高，递归层次过多会致使栈溢出（在计算机中，函数调用是经过栈（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。因为栈的大小不是无限的，因此，递归调用的次数过多，会致使栈溢出）

三三 能够修改递归最大深度

import sys sys.getrecursionlimit() sys.setrecursionlimit(2000) n=1 def test(): global n print(n) n+=1 test() test() 虽然能够设置，可是由于不是尾递归，仍然要保存栈，内存大小必定，不可能无限递归

三四 二分法

想从一个按照从小到大排列的数字列表中找到指定的数字，遍历的效率过低，用二分法（算法的一种，算法是解决问题的方法）能够极大低缩小问题规模

实现相似于in的效果

三元表达式、列表推导式、生成器表达式、递归、匿名函数、内置函数

阅读目录

• 一 三元表达式、列表推导式、生成器表达式
• 二 递归与二分法
• 三 匿名函数
• 四 内置函数
• 五 阶段性练习

一 三元表达式、列表推导式、生成器表达式

一 三元表达式

name=input('姓名>>: ') res='SB' if name == 'alex' else 'NB' print(res)

二 列表推导式

#一、示例 egg_list=[] for i in range(10): egg_list.append('鸡蛋%s' %i) egg_list=['鸡蛋%s' %i for i in range(10)] #二、语法 [expression for item1 in iterable1 if condition1 for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN ] 相似于 res=[] for item1 in iterable1: if condition1: for item2 in iterable2: if condition2 ... for itemN in iterableN: if conditionN: res.append(expression) #三、优势：方便，改变了编程习惯，可称之为声明式编程

三 生成器表达式

#一、把列表推导式的[]换成()就是生成器表达式 #二、示例：生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性 >>> chicken=('鸡蛋%s' %i for i in range(5)) >>> chicken <generator object <genexpr> at 0x10143f200> >>> next(chicken) '鸡蛋0' >>> list(chicken) #因chicken可迭代，于是能够转成列表 ['鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4',] #三、优势：省内存，一次只产生一个值在内存中

四 声明式编程练习题

一、将names=['egon','alex_sb','wupeiqi','yuanhao']中的名字所有变大写

二、将names=['egon','alex_sb','wupeiqi','yuanhao']中以sb结尾的名字过滤掉，而后保存剩下的名字长度

三、求文件a.txt中最长的行的长度（长度按字符个数算，须要使用max函数）

四、求文件a.txt中总共包含的字符个数？思考为什么在第一次以后的n次sum求和获得的结果为0？（须要使用sum函数）

五、思考题

with open('a.txt') as f: g=(len(line) for line in f) print(sum(g)) #为什么报错？

六、文件shopping.txt内容以下

mac,20000,3
lenovo,3000,10 tesla,1000000,10 chicken,200,1

求总共花了多少钱？

打印出全部商品的信息，格式为[{'name':'xxx','price':333,'count':3},...]

求单价大于10000的商品信息,格式同上

#题目一 names=['egon','alex_sb','wupeiqi','yuanhao'] names=[name.upper() for name in names] #题目二 names=['egon','alex_sb','wupeiqi','yuanhao'] names=[len(name) for name in names if not name.endswith('sb')] #题目三 with open('a.txt',encoding='utf-8') as f: print(max(len(line) for line in f)) #题目四 with open('a.txt', encoding='utf-8') as f: print(sum(len(line) for line in f)) print(sum(len(line) for line in f)) #求包换换行符在内的文件全部的字符数，为什么获得的值为0? print(sum(len(line) for line in f)) #求包换换行符在内的文件全部的字符数，为什么获得的值为0? #题目五（略） #题目六：每次必须从新打开文件或seek到文件开头，由于迭代完一次就结束了 with open('a.txt',encoding='utf-8') as f: info=[line.split() for line in f] cost=sum(float(unit_price)*int(count) for _,unit_price,count in info) print(cost) with open('a.txt',encoding='utf-8') as f: info=[{ 'name': line.split()[0], 'price': float(line.split()[1]), 'count': int(line.split()[2]), } for line in f] print(info) with open('a.txt',encoding='utf-8') as f: info=[{ 'name': line.split()[0], 'price': float(line.split()[1]), 'count': int(line.split()[2]), } for line in f if float(line.split()[1]) > 10000] print(info)

二 递归与二分法

一 递归调用的定义

#递归调用是函数嵌套调用的一种特殊形式，函数在调用时，直接或间接调用了自身，就是递归调用

二 递归分为两个阶段：递推，回溯

#图解。。。 # salary(5)=salary(4)+300 # salary(4)=salary(3)+300 # salary(3)=salary(2)+300 # salary(2)=salary(1)+300 # salary(1)=100 # # salary(n)=salary(n-1)+300 n>1 # salary(1) =100 n=1 def salary(n): if n == 1: return 100 return salary(n-1)+300 print(salary(5))

三 python中的递归效率低且没有尾递归优化

#python中的递归 python中的递归效率低，须要在进入下一次递归时保留当前的状态，在其余语言中能够有解决方法：尾递归优化，即在函数的最后一步（而非最后一行)调用本身，尾递归优化：http://egon09.blog.51cto.com/9161406/1842475 可是python又没有尾递归，且对递归层级作了限制 #总结递归的使用： 1. 必须有一个明确的结束条件 2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减小 3. 递归效率不高，递归层次过多会致使栈溢出（在计算机中，函数调用是经过栈（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。因为栈的大小不是无限的，因此，递归调用的次数过多，会致使栈溢出）

四 能够修改递归最大深度

import sys sys.getrecursionlimit() sys.setrecursionlimit(2000) n=1 def test(): global n print(n) n+=1 test() test() 虽然能够设置，可是由于不是尾递归，仍然要保存栈，内存大小必定，不可能无限递归

五 二分法

想从一个按照从小到大排列的数字列表中找到指定的数字，遍历的效率过低，用二分法（算法的一种，算法是解决问题的方法）能够极大低缩小问题规模

l=[1,2,10,30,33,99,101,200,301,402] #从小到大排列的数字列表 def search(num,l): print(l) if len(l) > 0: mid=len(l)//2 if num > l[mid]: #in the right l=l[mid+1:] elif num < l[mid]: #in the left l=l[:mid] else: print('find it') return search(num,l) else: #若是值不存在，则列表切为空 print('not exists') return search(100,l)

实现相似于l.index(30)的效果

l=[1,2,10,30,33,99,101,200,301,402]

def search(num,l,start=0,stop=len(l)-1): if start <= stop: mid=start+(stop-start)//2 print('start:[%s] stop:[%s] mid:[%s] mid_val:[%s]' %(start,stop,mid,l[mid])) if num > l[mid]: start=mid+1 elif num < l[mid]: stop=mid-1 else: print('find it',mid) return search(num,l,start,stop) else: #若是stop > start则意味着列表实际上已经所有切完，即切为空 print('not exists') return search(301,l)

三五 匿名函数

1 什么是匿名函数？

匿名就是没有名字
def func(x,y,z=1): return x+y+z 匿名 lambda x,y,z=1:x+y+z #与函数有相同的做用域，可是匿名意味着引用计数为0，使用一次就释放，除非让其有名字 func=lambda x,y,z=1:x+y+z func(1,2,3) #让其有名字就没有意义

2 有名字的函数与匿名函数的对比

#有名函数与匿名函数的对比 有名函数：循环使用，保存了名字，经过名字就能够重复引用函数功能 匿名函数：一次性使用，随时随时定义 应用：max，min，sorted,map,reduce,filter

3 内置函数

#注意：内置函数id()能够返回一个对象的身份，返回值为整数。这个整数一般对应与该对象在内存中的位置，但这与python的具体实现有关，不该该做为对身份的定义，即不够精准，最精准的仍是之内存地址为准。is运算符用于比较两个对象的身份，等号比较两个对象的值，内置函数type()则返回一个对象的类型 #更多内置函数：https://docs.python.org/3/library/functions.html?highlight=built#ascii 

format(了解便可)

#字符串能够提供的参数 's' None >>> format('some string','s') 'some string' >>> format('some string') 'some string' #整形数值能够提供的参数有 'b' 'c' 'd' 'o' 'x' 'X' 'n' None >>> format(3,'b') #转换成二进制 '11' >>> format(97,'c') #转换unicode成字符 'a' >>> format(11,'d') #转换成10进制 '11' >>> format(11,'o') #转换成8进制 '13' >>> format(11,'x') #转换成16进制 小写字母表示 'b' >>> format(11,'X') #转换成16进制 大写字母表示 'B' >>> format(11,'n') #和d同样 '11' >>> format(11) #默认和d同样 '11' #浮点数能够提供的参数有 'e' 'E' 'f' 'F' 'g' 'G' 'n' '%' None >>> format(314159267,'e') #科学计数法，默认保留6位小数 '3.141593e+08' >>> format(314159267,'0.2e') #科学计数法，指定保留2位小数 '3.14e+08' >>> format(314159267,'0.2E') #科学计数法，指定保留2位小数，采用大写E表示 '3.14E+08' >>> format(314159267,'f') #小数点计数法，默认保留6位小数 '314159267.000000' >>> format(3.14159267000,'f') #小数点计数法，默认保留6位小数 '3.141593' >>> format(3.14159267000,'0.8f') #小数点计数法，指定保留8位小数 '3.14159267' >>> format(3.14159267000,'0.10f') #小数点计数法，指定保留10位小数 '3.1415926700' >>> format(3.14e+1000000,'F') #小数点计数法，无穷大转换成大小字母 'INF' #g的格式化比较特殊，假设p为格式中指定的保留小数位数，先尝试采用科学计数法格式化，获得幂指数exp，若是-4<=exp<p，则采用小数计数法，并保留p-1-exp位小数，不然按小数计数法计数，并按p-1保留小数位数 >>> format(0.00003141566,'.1g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点 '3e-05' >>> format(0.00003141566,'.2g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留1位小数点 '3.1e-05' >>> format(0.00003141566,'.3g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留2位小数点 '3.14e-05' >>> format(0.00003141566,'.3G') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点，E使用大写 '3.14E-05' >>> format(3.1415926777,'.1g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留0位小数点 '3' >>> format(3.1415926777,'.2g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留1位小数点 '3.1' >>> format(3.1415926777,'.3g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留2位小数点 '3.14' >>> format(0.00003141566,'.1n') #和g相同 '3e-05' >>> format(0.00003141566,'.3n') #和g相同 '3.14e-05' >>> format(0.00003141566) #和g相同 '3.141566e-05'

！！！lambda与内置函数结合使用！

字典的运算：最小值，最大值，排序
salaries={ 'egon':3000, 'alex':100000000, 'wupeiqi':10000, 'yuanhao':2000 } 迭代字典，取得是key，于是比较的是key的最大和最小值 >>> max(salaries) 'yuanhao' >>> min(salaries) 'alex' 能够取values，来比较 >>> max(salaries.values()) >>> min(salaries.values()) 但一般咱们都是想取出，工资最高的那我的名，即比较的是salaries的值，获得的是键 >>> max(salaries,key=lambda k:salary[k]) 'alex' >>> min(salaries,key=lambda k:salary[k]) 'yuanhao' 也能够经过zip的方式实现 salaries_and_names=zip(salaries.values(),salaries.keys()) 先比较值，值相同则比较键 >>> max(salaries_and_names) (100000000, 'alex') salaries_and_names是迭代器，于是只能访问一次 >>> min(salaries_and_names) Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: min() arg is an empty sequence sorted(iterable，key=None,reverse=False)

eval与exec

#一、语法 # eval(str,[,globasl[,locals]]) # exec(str,[,globasl[,locals]]) #二、区别 #示例一： s='1+2+3' print(eval(s)) #eval用来执行表达式，并返回表达式执行的结果 print(exec(s)) #exec用来执行语句，不会返回任何值 ''' 6 None ''' #示例二： print(eval('1+2+x',{'x':3},{'x':30})) #返回33 print(exec('1+2+x',{'x':3},{'x':30})) #返回None # print(eval('for i in range(10):print(i)')) #语法错误，eval不能执行表达式 print(exec('for i in range(10):print(i)'))

compile(str,filename,kind)
filename:用于追踪str来自于哪一个文件，若是不想追踪就能够不定义
kind能够是：single表明一条语句，exec表明一组语句，eval表明一个表达式
s='for i in range(10):print(i)' code=compile(s,'','exec') exec(code) s='1+2+3' code=compile(s,'','eval') eval(code)