Python函数设计与高级特性-优快云博客

函数设计注意点：

耦合性：尽量不要使用全局变量；尽量不要改变函数中接收的可变实参的值；避免直接更改另一个模块文件中的变量。

聚合性：每个函数都有一个单一的，统一的目标，并且函数尽可能的小。

Python的函数是一个对象，函数对象可以赋值给其他名字，传递给其他函数，嵌入到数据结构。而对于用于def语句中的名称，它只是当前作用域的一个变量赋值，def运行之后，该名字指向了函数对象，我们可以把该对象赋给其他对象，同时我们也可以给这个函数名赋予其他对象。

>>> def echo(message):         #给变量echo赋予一个函数对象
... 	print(message)
... 
>>> echo
<function echo at 0xb70760ac>  
>>> x=echo                    #把函数对象赋予其他变量
>>> x('hello world')          
hello world
>>> echo=5                    #给变量echo赋予一个整数对象
>>> echo
5

函数内省

因为函数也是对象，所以我们也可以像一个类一样，通过.引用来查看它的属性的值；而通过在引用dir方法，可以深入探索下一层的细节。

>>> def fun(a):
... 	print(a)
... 
>>> dir(fun)
['__annotations__', '__call__', '__class__', '__closure__', '__code__',... ,  '__subclasshook__']
>>> fun.__code__
<code object fun at 0xb71532a0, file "<stdin>", line 1>
>>> dir(fun.__code__)
['__class__', ..., 'co_argcount', ..., 'co_varnames']      #注意比较长的是两个_,因为是文件名的连接，所以中间是一个短线
>>> fun.__code__.co_varnames
('a',)
>>> fun.__code__.co_argcount
1

函数属性

除了上面我们查看到的函数属性，我们也可以通过手动添加一个新的属性。

>>> fun.count=0     #手动添加属性count，
>>> dir(fun)        #通过dir方式，你可以查看count已经添加到fun的属性中
['__annotations__', ...,'__sizeof__', '__str__', '__subclasshook__', 'count']

函数注解

注解信息：与函数的参数和结果相关的任意的用户定义的数据。它是可选的，出现的时候直接附加到函数对象的__annotations__，注解它编写在def头部行，所以我们只有在定义函数的时候才能对它进行设置。我们只对变量和函数返回值进行注释。

参数的注释：在参数后面加个冒号和注释信息。如果你想对参数设置默认值的话，它处在注释之后。

返回值的注释：在参数列表之后冒号之前加一个->后面是标注信息

>>> def fun(a:'spam'=4, b:(1,10)=5, c:float=6) -> int:
... 	return a+b+c
... 
>>> fun.__annotations__
{'a': 'spam', 'c': <class 'float'>, 'b': (1, 10), 'return': <class 'int'>}

lambda

lambda表达式：一个或多个参数，紧接着一个冒号，之后是表达式。lambda argument1,argument2,...argument3:expression using arguments

lambda引入的本地作用域更像一个嵌套的def语句，将会自动从上层函数中，模块中以及内置作用域中(通过LEGB法则)查变量

>>> def knights():
... 	title ='sir'
... 	action =(lambda x='fee':title+x) #默认值方式，它把表达式作为返回值
... 	return action
... 
>>> act=knights()
>>> act('hello')
'sirhello'

在序列中映射函数：map

map 函数会对一个序列对象中的每一个元数应用被传入的函数，并且返回一个包含了所有调用结果的列表。因为它第一个参数期待函数对象，所以常与lambda配合

>>> map((lambda x:x+3),(1,2,3))       #仅仅得到的是函数对象 
<map object at 0xb707544c>
>>> list(map((lambda x:x+3),(1,2,3))) 
[4, 5, 6]
>>> list(map(pow,[1,2,3],[2,3,4]))    #赋予一个N参数的函数用于N序列，并行处理序列，并返回结果
[1, 8, 81]

filter 和 reduce

filter 基于某一个测试函数过滤一些元数

reduce 对每对元素都应用函数并运行到最后结果

>>> list(filter((lambda x: x>0),range(-5,5)))   #序列中大于0的选出来
[1, 2, 3, 4]

>>> from functools import reduce
>>> reduce((lambda x, y:x+y),[1,2,3,4])         
10