python基础之函数和面向对象详解
函数
函数参数
变量作用域
内嵌函数和闭包
lambda 表达式
面向对象
三大特性
类、类对象 和 实例对象
类属性 和 对象属性
私有
魔法方法
基本的魔法方法
算术运算符
属性访问
描述符
迭代器和生成器
迭代器
生成器
总结
函数python中『一切皆对象』, 函数也不例外.
在之前所学的C++或Java中, 可以发现函数的返回值要么为空, 要么是某种数据类型, 但是在python中, 返回值可以是任何对象, 包括函数.
函数的参数种类比较多, 主要有:
1.位置参数 (positional argument): 就是最常见的x, y等
2默认参数 (default argument): 给定一个默认值, 用户也可以传入实参来调整.
def func(x, y=3):
print(x+y)
func(1) # 4
func(1, 666) # 667
3.可变参数 (variable argument): 不限制输入参数的个数, 传入后自动保存为元组类型.
1.*args 是可变参数，args 接收的是一个 tuple
def printinfo(arg1, *args):
print(arg1)
print(args, type(args))
printinfo(10) # 仅一个参数, 没有属于args的.
# 10
# () <class 'tuple'>
printinfo(70, 60, 50) # 除arg1位置匹配的, 其他都传入给可变参数
# 70
# (60, 50) <class 'tuple'>
4.关键字参数 (keyword argument): 不限制关键字的个数和命名, 传入后自动保存为字典的形式.
1.**kw 是关键字参数，kw 接收的是一个 dict
def printinfo(arg1, *args):
print(arg1)
print(args, type(args))
printinfo(10) # 仅一个参数, 没有属于args的.
# 10
# () <class 'tuple'>
printinfo(70, 60, 50) # 除arg1位置匹配的, 其他都传入给可变参数
# 70
# (60, 50) <class 'tuple'>
5.命名关键字参数 (name keyword argument)
1.命名关键字参数是为了限制调用者可以传入的『参数名』，也可以提供默认值.
2.与关键字参数不同的是, 关键字参数的名字和值都是任意的, 后续再进行匹配使用, 而命名关键字则只能接受给定的关键字作为参数.定义命名关键字参数
3.不要忘了写分隔符 *, 否则定义的是位置参数, 命名关键字参数调用函数时必须给定参数名.
def person(name, *, age, height=1.90):
print(f'{name}今年{age}岁, 身高{height:.2f}m')
person('张三', age=18, height=1.80) # 张三今年18岁, 身高1.80m
person('李四', age=18) # 李四今年18岁, 身高1.90m
person('王五') # TypeError, 需要传入给定关键字
6.参数组合
在Python中定义函数时, 以上这5种参数都可以使用, d但最多可以使用4种, 并且要注意顺序:
1.位置参数、默认参数、可变参数和关键字参数.
2.位置参数、默认参数、命名关键字参数和关键字参数.
变量作用域在python程序中, 处于不同位置的变量, 有不同的作用域.
定义在函数内部的变量拥有局部作用域, 该变量称为局部变量.
定义在函数外部的变量拥有全局作用域, 该变量称为全局变量.
局部变量只能在其被声明的函数内部访问, 而全局变量可以在整个程序范围内访问.
需要注意的是:
当局部变量试图访问全局变量时, 一定要在函数内声明global.
当局部变量与全局变量命名冲突时, 程序会优先选择局部变量.
内嵌函数和闭包内嵌函数就是在外层函数内定义内层函数.
def outer():
print('outer函数在这被调用')
def inner():
print('inner函数在这被调用')
inner() # 该函数只能在outer函数内部被调用
outer()
# outer函数在这被调用
# inner函数在这被调用
闭包是一个比较重要的语法结构, 结构上与内嵌函数类似, 区别在于返回值, 闭包的外层函数返回值是一个函数.
如果在一个内部函数里对外层非全局作用域的变量进行引用, 那么内部函数就被认为是闭包.
通过闭包可以访问外层非全局作用域的变量, 这个作用域称为闭包作用域.
def funX(x):
def funY(y):
print('使用funY(y)')
return x * y
return funY
i = funX(8)
print(type(i)) # <class 'function'>
print(i(5)) # 40
注意到上述代码中, 内部函数
FunY中使用了外部非全局作用域的变量x.
同样是, 函数内嵌套的函数作用域也需要特别注意, 若我们需要修改闭包内的变量, 需要使用nonlocal关键字.
num = 999
def outer():
num = 10
def inner():
nonlocal num # nonlocal关键字声明
num = 100
print(f'inner中num = {num}')
inner()
print(f'outer中num = {num}')
outer()
# inner中num = 100
# outer中num = 100
print(f'全局中num = {num}')
# 全局中num = 999
lambda 表达式
lambda需要注意的是:
匿名函数没有return, 表达式本身就是返回值.
匿名函数拥有『自己的命名空间』, 不能访问参数列表之外或全局变量.
匿名函数主要适用于函数式编程(函数不会影响函数之外的内容)的一些高阶函数中. 例如map映射和filter过滤, 当然也可以在自己自定义函数中使用.
odd = lambda x: x % 2 == 1
templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(templist)) # [1, 3, 5, 7, 9]
m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5])
print(list(m1)) # [1, 4, 9, 16, 25]
面向对象
三大特性
面向对象就必须了解三大特性:
封装: 把客观事物封装成抽象的类, 让数据和方法给信任的类或对象操作, 而隐藏部分信息.
继承: 子类自动共享父类的属性和方法.一般认为一个类是自身的子类;
可以使用issubclass(B, A)查看B是否是A的子类.
python也支持多继承, 但会使得类的整体层次复杂, 所以并不建议使用.
多态: 同一个方法的调用, 会由于不同对象而得到不同的结果.必要条件是继承和方法的重写.
类: 就是指对类的定义
类对象: 是在创建类的时候, 在内存开辟的一个空间, 一个类只有一个类对象.
实例对象: 通过实例化类创建的对象, 可以有多个.
类属性 和 对象属性类属性: 类定义内, 类方法外定义的变量称为类属性, 类属性属于类对象, 可以被多个实例化对象所共享, 就像我们都有一个家, 名字叫中国一样.
对象属性: 对象属性和具体创建的对象实例直接相关, 并且相互之间不共享属性, 就像我的老婆只是我的一样.
class A():
a = 0 #类属性
def __init__(self, xx):
A.a = xx #使用类属性可以通过 （类名.类属性）调用。
有一些操作属性的方法:
使用hasattr(object, name)来判断对象是否包含对应的属性或方法.
使用getattr(object, name)来获取属性或方法.
使用setattr(object, name, value)来修改属性值, 或创建新的属性和值.
使用delattr(object, name)来删除属性.
class A(object):
name = '张三'
def set(self, a, b):
x = a
a = b
b = x
print(a, b)
a = A()
print(hasattr(a, 'name')) # 判断是否有name属性 True
print(hasattr(a, 'set')) # 判断是否有set方法 True
x = getattr(a, 'name') # 获取属性值
print(x) # 张三
c = getattr(a, 'set') # 获取方法
c(a='1', b='2') # 2 1
私有
私有属性和方法仅需在定义命名的时候加上两个下划线"__"即可.
相对于公有属性和公有方法来说, 私有属性和私有方法更加的安全. 从定义上来说, 将需要安全保护的属性和方法封装为私有, 可以阻止外部直接调用, 而必须使用实例化对象方法或类方法进行调用, 从而提高安全性.
但在python中的私有是『伪私有』, 即可以使用类名, 通过 object._className__attrName 访问私有属性，用 object._className__func() 访问私有方法.
class JustCounter:
__secretCount = 0 # 私有变量
publicCount = 0 # 公开变量
def count(self):
self.__secretCount += 1
self.publicCount += 1
print(self.__secretCount)
counter = JustCounter()
counter.count() # 1
print(counter.publicCount) # 1
# 特殊方法依旧可以访问
print(counter._JustCounter__secretCount) # 1
# 直接访问则会报错.
print(counter.__secretCount)
实例直接使用点就可以增加属性了, 这点需要注意一下.
class B:
def func(self):
print('调用func方法')
b = B()
print(b.__dict__) # 查看属性 {}
b.name = '张三'
b.age = 18
print(b.__dict__) # 查看属性{'name': '张三', 'age': 18}
b1 = B()
print(b1.__dict__) # 查看属性 {}
魔法方法
基本的魔法方法
魔法方法基本上是被下划线包围的一些特殊方法. 相比于普通的方法, 它能够在适当的时候自动调用. 第一个参数一般是cls『类方法』或者self『实例方法』.
__init__(self[, ...]) 构造器, 当一个实例被创建的时候调用的初始化方法.
__new__(cls[, ...]) 在一个对象实例化的时候所调用的第一个方法, 在调用__init__初始化前, 先调用__new__.需要注意的是, __new__的返回值必须为当前类的实例, 否则将不会调用__init__初始化.
主要是在继承一些不可变的class(比如int, str, tuple)时, 提供一个自定义该类实例化过程的途径.
__del__(self) 析构器, 当一个对象将要被系统回收之时调用的方法.
__str__(self): 当你打印一个对象、使用%s格式化或使用str强转数据类型的时候，触发__str__.
__repr__(self)是__str__(self)的备胎, 情况类似, 不过自定义时往往更加准确, 主要用于调试.
普通的计算在对象中是无法进行的, 需要自定义计算方式.
__add__(self, other)定义加法的行为: +
__sub__(self, other)定义减法的行为: -
__mul__(self, other)定义乘法的行为: *
__truediv__(self, other)定义真除法的行为: /
__floordiv__(self, other)定义整数除法的行为: //
__mod__(self, other) 定义取模算法的行为: %
__divmod__(self, other)定义当被 divmod() 调用时的行为
divmod(a, b)把除数和余数运算结果结合起来，返回一个包含商和余数的元组(a // b, a % b)。
__pow__(self, other[, module])定义当被 power() 调用或 ** 运算时的行为
__lshift__(self, other)定义按位左移位的行为: <<
__rshift__(self, other)定义按位右移位的行为: >>
__and__(self, other)定义按位与操作的行为: &
__xor__(self, other)定义按位异或操作的行为: ^
__or__(self, other)定义按位或操作的行为: |
还有对应的反运算符, 在之前加上r即可, 例如__rsub__. 对应增量赋值运算符, 在之前加上i即可, 例如__isub__.
__getattr__(self, name): 定义当用户试图获取一个不存在的属性时的行为.
__getattribute__(self, name): 定义当该类的属性被访问时的行为(先调用该方法, 查看是否存在该属性, 若不存在, 接着去调用__getattr__).
__setattr__(self, name, value): 定义当一个属性被设置时的行为.
__delattr__(self, name): 定义当一个属性被删除时的行为.
描述符就是将某种特殊类型的类的实例指派给另一个类的属性.
__get__(self, instance, owner): 用于访问属性, 它返回属性的值.
__set__(self, instance, value): 将在属性分配操作中调用, 不返回任何内容.
__del__(self, instance): 控制删除操作, 不返回任何内容.
迭代是Python最强大的功能之一, 是访问集合元素的一种方式.
迭代器是一个可以记住遍历的位置的对象.
迭代器对象从集合的第一个元素开始访问, 直到所有的元素被访问完结束.
迭代器只能往前不会后退.
字符串, 列表或元组对象都可用于创建迭代器.
迭代器有两个基本的方法: iter() 和 next():
iter(object) 函数用来生成迭代器.
next(iterator[, default]) 返回迭代器的下一个项目. 在元素为空时返回默认值, 若没有则会触发 StopIteration 异常. 在元组推导式和next中使用过, 不过是下面的『生成器』.
把一个类作为一个迭代器使用需要在类中实现两个魔法方法 __iter__() 与 __next__() .
__iter__(self)定义当迭代容器中的元素的行为, 返回一个特殊的迭代器对象, 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成.
__next__() 返回下一个迭代器对象. StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。
class Fibs:
def __init__(self, n=10):
self.a = 0
self.b = 1
self.n = n
def __iter__(self):
return self
def __next__(self):
self.a, self.b = self.b, self.a + self.b
if self.a > self.n:
raise StopIteration
return self.a
fibs = Fibs(100)
for each in fibs:
print(each, end=' ')
# 1 1 2 3 5 8 13 21 34 55 89
生成器
在 Python 中，使用了 yield 的函数被称为生成器(generator)。
跟普通函数不同的是, 生成器是一个返回迭代器的函数, 只能用于迭代操作, 更简单点理解生成器就是一个迭代器.
在调用生成器运行的过程中, 每次遇到 yield 时函数会暂停并保存当前所有的运行信息, 返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行.
调用一个生成器函数, 返回的是一个迭代器对象.
def libs(n):
a = 0
b = 1
while True:
a, b = b, a + b
if a > n:
return
yield a
for each in libs(100):
print(each, end=' ')
# 1 1 2 3 5 8 13 21 34 55 89
总结
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注软件开发网的更多内容!
