Python第十一课学习笔记

补充和global nonlocal

补充
默认参数的陷阱

# 默认参数的陷阱：
def func(name,sex='男'):
	print(name)
	print(sex)
func('jarvis')

# 陷阱只针对于默认参数是可变的数据类型：
def func(name,alist=[]):
	alist.append(name)
	return alist

ret1 = func('one')
print(ret1,id(ret1))  # ['one']
ret2 = func('two')
print(ret2,id(ret2))  # ['one','two']

# 如果你的默认参数指向的是可变的数据类型，那么你无论调用多少次这个默认参数，都是同一个。
def func(a, list=[]):
	list.append(a)
	return list
print(func(10,))  	# [10]
print(func(20,[]))  # [20]
print(func(100,))  	# [10,100]

def func(a, list= []):
	list.append(a)
	return list
ret1 = func(10,)  	# ret1 = [10]
ret2 = func(20,[])  # ret2 = [20]
ret3 = func(100,)  	# ret3 = [10,100]
print(ret1)  		# [10,100]  re1和re3使用的同一个列表
print(ret2)  		# [20]
print(ret3)  		# [10,100]

局部作用域的坑

count = 1
def func():
	count += 1
	print(count)
func()

# 函数中，如果你定义了一个变量，但是在定义这个变量之前对其引用了，那么解释器认为：语法问题（先引用后定义）
# 你应该在使用之前先定义。
count = 1
def func():
	print(count)
	count = 3
func()

global nonlocal

# global
# 在局部作用域声明一个全局变量。
name = 'jarvis'

def func():
    global name
    name = 'one'
    print(name)
func()
print(name)

# 修改一个全局变量
count = 1
def func():
    global count
    count += 1
    
print(count)   
func()
print(count)

# nonlocal
# 不能够操作全局变量。
count = 1
def func():
    nonlocal count
    count += 1
func()				#报错
# 局部作用域：内层函数对外层函数的局部变量进行修改。
def wrapper():
    count = 1
    def inner():
        nonlocal count
        count += 1
    print(count)
    inner()
    print(count)
wrapper()

函数名的运用

# 函数名 + ()就可以执行此函数。
def func():
	print(666)

func()
# 函数名指向的是函数的内存地址。
a = 1
a()
func() 					#报错

def func():
	print(666)

print(func,type(func))  # <function func at 0x000001BA864E1D08>
func()

# 函数名就是变量
def func():
	print(666)

f = func
f1 = f
f2 = f1

f()
func()
f1()
f2()

def func():
	print('in func')

def func1():
	print('in func1')

func1 = func
func1()

# 函数名可以作为容器类数据类型的元素
def func1():
	print('in func1')

def func2():
	print('in func2')

def func3():
	print('in func3')

l1 = [func1,func2,func3]
for i in l1:
	i()

# 函数名可以作为函数的参数
def func():
	print('in func')

def func1(x):
	x()  				# func()
	print('in func1')

func1(func)

# 函数名可以作为函数的返回值
def func():
    print('in func')

def func1(x): 			# x = func
    print('in func1')
    return x

ret = func1(func)  		# func
ret()  					# func()

新特性：格式化输出

格式化输出

# %s format
name = 'jarvis'
age = 18
msg = '我叫%s,今年%s' %(name,age)
msg1 = '我叫{},今年{}'.format(name,age)

# 新特性：格式化输出
name = 'jarvis'
age = 18
msg = f'我叫{name},今年{age}'
print(msg)

# 可以加表达式
dic = {'name':'jarvis','age': 18}
msg = f'我叫{dic["name"]},今年{dic["age"]}'
print(msg)

count = 7
print(f'最终结果：{count**2}')
name = 'jarvis'
msg = f'我的名字是{name.upper()}'
print(msg)

# 结合函数写：
def _sum(a,b):
    return a + b

msg = f'最终的结果是：{_sum(10,20)}'
print(msg)
# ! , : { } ;这些标点不能出现在{}这里面
# 优点
# 结构更加简化
# 可以结合表达式，函数进行使用
# 效率提升很多

迭代器

可迭代对象
- 字面意思：对象：python中一切皆对象。一个实实在在存在的值，对象。
- 可迭代：更新迭代。重复的，循环的一个过程，更新迭代每次都有新的内容，可以进行循环更新的一个实实在在的值。
- 专业角度：可迭代对象：内部含有'__iter__'方法的对象，可迭代对象。
- 目前学过的可迭代对象：str list tuple dict set range 文件句柄
获取对象的所有方法并且以字符串的形式表现：dir()

判断一个对象是否是可迭代对象

s1 = 'fjdskl'
l1 = [1,2,3]
print(dir(s1))
print(dir((l1)))
print('__iter__' in dir(s1))
print('__iter__' in dir(range(10)))

可迭代对象小结
- 字面意思：可以进行循环更新的一个实实在在的值。
- 专业角度：内部含有'__iter__'方法的对象，可迭代对象。
- 判断一个对象是不是可迭代对象： '__iter__' in dir(对象)
- str list tuple dict set range
- 优点：
  - 存储的数据直接能显示，比较直观
  - 拥有的方法比较多，操作方便
- 缺点：
  - 占用内存
  - 不能直接通过for循环，不能直接取值（索引，key）
迭代器的定义
- 字面意思：更新迭代，器：工具：可更新迭代的工具。
- 专业角度：内部含有'__iter__'方法并且含有'__next__'方法的对象就是迭代器。
- 可以判断是否是迭代器：'__iter__' and '__next__' 在不在dir(对象)

判断一个对象是否是迭代器

with open('文件1',encoding='utf-8',mode='w') as f1:
    print(('__iter__' in dir(f1)) and ('__next__' in dir(f1)))

迭代器的取值

#可迭代对象可以转化成迭代器
s1 = 'fjdag'
obj = iter(s1)  	# s1.__iter__()
print(obj)
print(next(obj)) 	# print(obj.__next__())
print(next(obj)) 	# print(obj.__next__())
print(next(obj)) 	# print(obj.__next__())
print(next(obj)) 	# print(obj.__next__())
print(next(obj)) 	# print(obj.__next__())
#多一个就会报错

l1 = [11,22,33,44,55,66]
obj = iter(l1)
print(next(obj))
print(next(obj))
print(next(obj))
print(next(obj))
print(next(obj))
print(next(obj))

可迭代对象如何转化成迭代器

iter([1,2,3])

while循环模拟for循环机制

l1 = [11,22,33,44,55,66,77,88,99,1111,1133,15652]
# 将可迭代对象转化成迭代器。
obj = iter(l1)
while 1:
    try:
        print(next(obj))
    except StopIteration:
        break

小结
- 字面意思：更新迭代，器：工具：可更新迭代的工具。
- 专业角度：内部含有'__iter__'方法并且含有'__next__'方法的对象就是迭代器。
- 优点：
  - 节省内存
  - 惰性机制，next一次，取一个值
- 缺点：
  - 速度慢
  - 不走回头路
可迭代对象与迭代器的对比
可迭代对象
- 可迭代对象是一个操作方法比较多，比较直观，存储数据相对少（几百万个对象，8G内存是可以承受的）的一个数据集。
- 当你侧重于对于数据可以灵活处理，并且内存空间足够，将数据集设置为可迭代对象是明确的选择。

迭代器
- 迭代器是一个非常节省内存，可以记录取值位置，可以直接通过循环+next方法取值，但是不直观，操作方法比较单一的数据集。
- 当你的数据量过大，大到足以撑爆你的内存或者你以节省内存为首选因素时，将数据集设置为迭代器是一个不错的选择。

Python全栈-第十一课学习笔记

Python第十一课学习笔记

补充和global nonlocal

函数名的运用

新特性：格式化输出

迭代器

猜你喜欢

Python全栈-第十一课 学习笔记

Python第十一课 学习笔记

补充和global nonlocal

函数名的运用

新特性：格式化输出

迭代器

猜你喜欢

Python全栈-第十一课学习笔记

Python第十一课学习笔记