1、递归函数
1.1 递归函数,就是自己调用自己的函数。
1.2 递归的思想:
把一个大规模问题分解成相似的小规模问题;
再将小规模问题分解成相似的小小规模问题。。。
# 要求定义一个递归函数,实现输出n遍"我爱python"
def rec(n:int):
if n == 0:
return
else:
print(f"{n}我爱python")
rec(n-1)
rec(10)
1.3 递归函数有三要素:
(1) 边界条件/基线条件 < 跳出 / 结束递归的条件 >
(2) 递归返回段 < 满足结束条件时,返回 >
(3) 递归前进段 <不满足结束条件时,前进/继续递归 >
1.4 递归函数小练习:
# 定义一个递归函数,求n的阶乘
# 阶乘:就是累乘,从1累乘到本身,或者从本身累乘到1
# 比如:5! = 1*2*3*4*5 = 5*4*3*2*1
def rec(n:int):
if n==1:
return 1
else:
return n * rec(n-1)
s = 5
print(rec(s))
2、嵌套函数
2.1 函数嵌套:在一个函数的内部,还嵌套定义了另外一个函数。
2.2 外部的我们称之为“外函数”,内部的我们称之为“内函数”。
def out_fun():
print("外函数")
def in_fun():
print("内函数")
in_fun()
out_fun()
2.3 嵌套函数小练习
x = 100
def out_fun():
# global x
x = 200
def in_fun():
# global x
# nonlocal
x = 300
print(f"内函数中输出:{x}")
in_fun()
print(f"外函数中输出:{x}")
out_fun()
print(f"函数外输出:{x}")
# 【运行结果】:
# 内函数中输出:300
# 外函数中输出:200
# 函数外输出:100
小练习结果分析:
通过上面的例子可以发现: 内函数局部变量 > 外函数局部变量 > 全局变量;
对比 global 和 nonlocal:
(1)global 修饰全局变量;
(2)nonlocal 修饰该函数上一层的局部变量;
3、闭包函数
3.1 闭包函数:
如果内函数中使用了外函数的局部变量,并且外函数把内函数返回的过程就叫闭包。
3.2 形成闭包的条件:
(1)函数嵌套;
(2)将内函数作为返回值返回;
(3)内函数必须使用外函数的局部变量;
def out_fun():
x = 100
def in_fun():
return x+666
return in_fun()
print(out_fun())
4、lambda 匿名函数
4.1 匿名函数:
就是没有名字的函数,这种函数只使用一次;
一般函数体只有一条语句一个返回值,用于实现简单功能。
4.2 语法格式
lambda 参数1, 参数2, 参数3, ... : 表达式
fun_1 = lambda *num : sum(num)
print(fun_1(1, 2, 3, 4, 5))
fun_2 = lambda **students : students
print(fun_2(zhangsan=18, lisi=20, wangwu=19))
# 使用匿名函数接收两个参数 a 和 b,返回 a、b 的较大值
fun_3 = lambda a, b: max(a, b)
print(fun_3(10, 20))
# 三元运算符
# 结果1 if 条件 else 结果2
fun_4 = lambda a, b : a if a>b else b
print(fun_4(13, 10))
4.3 lambda 函数的特性
(1)lambda 函数是匿名的,即它是没有名字的函数,并且自带 return;
(2)lambda 函数可以使用任意数量的参数,但只能包含一个表达式;
(3)lambda 函数返回一个值,这个值就是表达式的结果;
(4)lambda 函数的生命周期很短,调用后立即被回收;
5、map函数
5.1 作用:
用于将一个函数应用到一个序列的每一个元素,并返回一个包含结果的迭代器。
5.2 语法格式
map(函数, 可迭代对象)
input_num = (1, 2, 3, 4, 5)
ret = map(str, input_num)
print(ret) # <map object at 0x1026b2500>
print(list(ret)) # ['1', '2', '3', '4', '5']
ls = [1, 2, 3, 4, 5]
ret = list(map(lambda x : x*10, ls))
print(ret) # [10, 20, 30, 40, 50]
6、reduce函数
6.1 作用:
用于对序列进行累计运算,它通常需要从 functools 模块中导入。
6.2 语法格式
from functools import reduce
reduce(函数, 可迭代对象)
from functools import reduce
ls = [1, 2, 3, 4, 5]
ret_sum = reduce(lambda x, y: x+y, ls)
print(ret_sum) # 15
ret_pro = reduce(lambda x, y: x*y, ls)
print(ret_pro) # 120
7、filter函数
7.1 作用:
用于遍历序列中的每个元素,根据条件进行筛选;
返回一个包含被筛选后结果的迭代器。
7.2 语法格式
filter(函数, 可迭代对象)
import random
ls = [random.randint(10, 30) for _ in range(10)]
print(ls) # [29, 28, 19, 30, 21, 22, 13, 10, 18, 28]
ret = filter(lambda x : x%2==0, ls)
print(ret) # <filter object at 0x100bee950>
print(list(ret)) # [28, 30, 22, 10, 18, 28]
8、排序函数
menu = [['h红烧牛肉面', 18], ['x香辣牛肉面', 16], ['a安徽板面', 15], ['c重庆小面', 20]]
# 排序
menu.sort()
print(menu)
# #【运行结果】:
# # [['a安徽板面', 15], ['c重庆小面', 20], ['h红烧牛肉面', 18], ['x香辣牛肉面', 16]]
# 按单价排序
# itemgetter:获取多维数组中某个维度的元素值
import operator
menu.sort(key=operator.itemgetter(1), reverse=True)
print(menu)
# 按单价排序,使用匿名函数lambda
menu.sort(key=lambda x:x[1], reverse=False)
print(menu)
#【运行结果】:
# [['c重庆小面', 20], ['h红烧牛肉面', 18], ['x香辣牛肉面', 16], ['a安徽板面', 15]]
# [['a安徽板面', 15], ['x香辣牛肉面', 16], ['h红烧牛肉面', 18], ['c重庆小面', 20]]
9、装饰器
9.1 概念
装饰器本质是一个特殊的嵌套函数;
它接收一个函数(被装饰的函数)做参数,并返回一个新的函数(装饰后的函数);
9.2 装饰器作用:
在不改变原有函数(被装饰的函数)的基础上给它添加新的功能。
9.3 基本用法
# 装饰器
def out_fun(function):
def in_fun():
print("挂上一颗星星")
function()
print("挂上一个礼物盒")
return in_fun
# 被装饰函数
def my_tree():
print("简简单单一棵树")
# 第一种调用方式
out_fun(my_tree)()
my_tree()
# 【运行结果】:
# 挂上一颗星星
# 简简单单一棵树
# 挂上一个礼物盒
# 简简单单一棵树
# 装饰器
def out_fun(function):
def in_fun():
print("挂上一颗星星")
function()
print("挂上一个礼物盒")
return in_fun
# 被装饰函数
def my_tree():
print("简简单单一棵树")
# 第二种调用方式
my_tree = out_fun(my_tree)
my_tree()
#【运行结果】:
# 挂上一颗星星
# 简简单单一棵树
# 挂上一个礼物盒
9.4 装饰器语法糖
语法糖是由编程语言提供的,可以让代码更加简洁、高效、易读和易写。
语法糖不改变不会带来新的功能,也不会改变编程的结果,但是使用它会更加方便。
9.5 装饰器语法糖格式
@装饰器函数名
def 被装饰函数名:
代码块
# 装饰器
def out_fun(function):
def in_fun():
print("挂上一颗星星")
function()
print("挂上一个礼物盒")
return in_fun
# 被装饰函数
@out_fun
def my_tree():
print("简简单单一棵树")
my_tree()
#【运行结果】:
# 挂上一颗星星
# 简简单单一棵树
# 挂上一个礼物盒
9.6 被装饰函数有参数
若被装饰函数有参数,那么装饰器的内部函数也需要有参数;
保证在内部调用被装饰函数的时候能正确传参。
# 被装饰函数有一个参数
# 装饰器
def out_fun(function):
def in_fun(x):
print("挂上一颗星星")
function(x)
print("挂上一个礼物盒")
return in_fun
# 被装饰函数
@out_fun
def my_tree(x):
print(f"简简单单{x}棵树")
my_tree(3)
#【运行结果】:
# 挂上一颗星星
# 简简单单3棵树
# 挂上一个礼物盒
import time
# 被装饰函数有未知个参数
# 装饰器
def out_fun(function):
def in_fun(*args, **kwargs):
start = time.time()
function(*args, **kwargs)
end = time.time()
print(end - start)
return in_fun
# 被装饰函数1
@out_fun
def fun_1(x):
time.sleep(1)
print(x)
fun_1(1)
# 被装饰函数2
@out_fun
def fun_2(x, y, z):
time.sleep(1)
print(x + y + z)
fun_2(1,2,3)
#【运行结果】:
# 1
# 1.0034222602844238
# 6
# 1.0041251182556152
9.7 装饰器带参数
上面是被装饰函数带有参数,我们在装饰器内部函数设置参数,以保证参数的正确传递。
现在装饰器要带有参数,而且装饰器的外部函数要接收被装饰函数的函数名,内部函数要接收被装饰函数的参数,那么为了保证装饰器参数、被装饰函数参数的正确传递,我们在装饰器外部函数再嵌套一层函数,用于接收装饰器参数。
# 装饰器
def decoration(dec_arg):
def out_fun(function):
def in_fun(x):
print(dec_arg)
print("挂上一颗星星")
function(x)
print("挂上一个礼物盒")
return in_fun
return out_fun
# 被装饰函数
@decoration("我是装饰器的参数")
def my_tree(x):
print(f"简简单单{x}棵树")
my_tree(3)
#【运行结果】:
# 我是装饰器的参数
# 挂上一颗星星
# 简简单单3棵树
# 挂上一个礼物盒
9.8 装饰器嵌套
装饰器嵌套就是“被装饰函数”可以被多个装饰器装饰。
# 装饰器1
def out_fun_1(function):
def in_fun_1(*args, **kwargs):
print("装饰器1开始调用")
function(*args, **kwargs)
print("装饰器1结束调用")
return in_fun_1
# 装饰器2
def out_fun_2(function):
def in_fun_2(*args, **kwargs):
print("装饰器2开始调用")
function(*args, **kwargs)
print("装饰器2结束调用")
return in_fun_2
# 嵌套装饰 被装饰函数
@out_fun_1
@out_fun_2
def my_tree(x):
print(f"{x}棵树")
my_tree(3)
#【运行结果】:
# 装饰器1开始调用
# 装饰器2开始调用
# 3棵树
# 装饰器2结束调用
# 装饰器1结束调用
9.9 类装饰器
除了可以自定义一个新的函数用作装饰器之外,也可以将一个类作为装饰器,为被装饰的函数添加新的功能。
类装饰器通过实现类的 __call__ 方法,使得类的实例可以被当作函数来调用,丛而实现对其他函数的装饰。
9.10 装饰器的常见应用
# 记录日志
# 装饰器可以用来记录函数调用的详细信息,包括调用时间、参数、返回值等
import logging
def log_decorator(func):
def wrapper(*args, **kwargs):
logging.basicConfig(filename='./app.log', level=logging.INFO, filemode='a',
format='%(name)s - %(levelname)s - %(asctime)s - %(message)s')
logging.warning(f"calling function:{func.__name__} with args:{args} and "
f"kwargs:{kwargs}")
ret = func(*args, **kwargs)
logging.warning(f"function {func.__name__} returned: {ret}")
return ret
return wrapper
@log_decorator
def test(a,b):
print(a+b)
test(18,108)
#【运行结果】:
# 126