Python 基础

摘要：基础基础函数定义一个函数要使用语句，依次写出函数名括号括号中的参数和冒号，然后，在缩进块中编写函数体，函数的返回值用语句返回。用循环调用时，发现拿不到的语句的返回值。

定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。

def my_abs(x):
    if x >= 0:
        return x
    else:
        return -x
// my_abs(-9)  调用        

如果想定义一个什么事也不做的空函数，可以用pass语句：

def nop():
    pass
// pass 作为占位符    

在其他语句里

if age >= 18:
    pass

调用函数时，如果参数个数不对，Python解释器会自动检查出来，并抛出TypeError

def my_abs(x):
    if not isinstance(x, (int, float)):
        raise TypeError("bad operand type")
    // 数据类型检查可以用内置函数isinstance()实现：
    if x >= 0:
        return x
    else:
        return -x

import math

def move(x, y, step, angle=0):
    nx = x + step * math.cos(angle)
    ny = y - step * math.sin(angle)
    return nx, ny
    

定义默认参数要牢记一点：默认参数必须指向不变对象！

def enroll(name, gender, age=6, city="shanghai"):
  print("gender:",gender)
  print("age:",age)
  print("city:",city)

enroll("shan","F")
enroll("shan","M",5,"beijing")
enroll("shan","F",age=6)

def add_end(L=None):
    if L is None:
        L = []
    L.append("END")
    return L
    
add_end()    

def calc(numbers):
    sum = 0
    for n in numbers:
        sum = sum + n * n
    return sum
    
calc([1, 2, 3]) //  调用的时候，需要先组装出一个list或tuple
calc(1, 2, 3)
nums = [1, 2, 3]
calc(*nums)   // 定义可变参数和定义一个list或tuple参数相比，仅仅在参数前面加了一个*号

关键字参数

关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict

def person(name, age, **kw):
    print("name:", name, "age:", age, "other:", kw)
    
person("Bob", 35, city="Beijing")
person("Adam", 45, gender="M", job="Engineer")
extra = {"city": "Beijing", "job": "Engineer"}
person("Jack", 24, **extra)   // **extra表示把extra这个dict的所有key-value用关键字参数传入到函数的**kw参数  

如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数
和关键字参数*kw不同，命名关键字参数需要一个特殊分隔符，*后面的参数被视为命名关键字参数。

def person(name, age, *, city, job):
    print(name, age, city, job)

person("Jack", 24, city="Beijing", job="Engineer")
# person("Jack", 24, "Beijing", "Engineer")   命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错

如果没有可变参数，就必须加一个作为特殊分隔符。如果缺少，Python解释器将无法识别位置参数和命名关键字参数：

def person(name, age, city, job):
    # 缺少 *，city和job被视为位置参数
    pass

在Python中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这5种参数都可以组合使用。
参数定义的顺序必须是：必选参数、默认参数、可变参数、命名关键字参数和关键字参数。

def f1(a, b, c=0, *args, **kw):
    print("a =", a, "b =", b, "c =", c, "args =", args, "kw =", kw)
def f2(a, b, c=0, *, d, **kw):
    print("a =", a, "b =", b, "c =", c, "d =", d, "kw =", kw)

在函数调用的时候，Python解释器自动按照参数位置和参数名把对应的参数传进去。

>>> f1(1, 2)
a = 1 b = 2 c = 0 args = () kw = {}
>>> f1(1, 2, c=3)
a = 1 b = 2 c = 3 args = () kw = {}
>>> f1(1, 2, 3, "a", "b")
a = 1 b = 2 c = 3 args = ("a", "b") kw = {}
>>> f1(1, 2, 3, "a", "b", x=99)
a = 1 b = 2 c = 3 args = ("a", "b") kw = {"x": 99}
>>> f2(1, 2, d=99, ext=None)
a = 1 b = 2 c = 0 d = 99 kw = {"ext": None}

最神奇的是通过一个tuple和dict，你也可以调用上述函数：

>>> args = (1, 2, 3, 4)
>>> kw = {"d": 99, "x": "#"}
>>> f1(*args, **kw)
a = 1 b = 2 c = 3 args = (4,) kw = {"d": 99, "x": "#"}
>>> args = (1, 2, 3)
>>> kw = {"d": 88, "x": "#"}
>>> f2(*args, **kw)
a = 1 b = 2 c = 3 d = 88 kw = {"x": "#"}

在函数内部，可以调用其他函数。如果一个函数在内部调用自身本身，这个函数就是递归函数。

举个例子，计算阶乘n! = 1 x 2 x 3 x ... x n

def fact(n):
    if n==1:
        return 1
    return n * fact(n - 1)

使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（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。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。

可以试试fact(1000)：

尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。

def fact(n):
    return fact_iter(n, 1)

def fact_iter(num, product):
    if num == 1:
        return product
    return fact_iter(num - 1, num * product)
    

取前N个元素

　L = ["Michael", "Sarah", "Tracy", "Bob", "Jack"]
 for i in range(n):
     r.append(L[i])
  L[0:3] // 完成切片 
 L[-2:]  //　倒数第２个开始

L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。
倒数第一个元素的索引是-1

L = list(range(100))
# >>> L [0, 1, 2, 3, ..., 99]

>>> L[:10] 前10个数
>>> L[-10:] 后10个数：
>>> L[10:20] 前11-20个数
>>> L[:10:2]  前10个数，每两个取一个
>>> L[::5] 所有数，每5个取一个：
>>> L[:] 所有的

字符串"xxx"也可以看成是一种list，每个元素就是一个字符。

>>> "ABCDEFG"[:3]
"ABC"
>>> "ABCDEFG"[::2]
"ACEG"

def trim(s):
  if (s[:1] == " "):
    return trim(s[1:])
  if (s[-1:] == " "):
    return trim(s[:-1])
  return s

如果给定一个list或tuple，通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）

d = {"a": 1, "b": 2, "c": 3}
for key in d:
  print(key)

dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样

for ch in "abcde"
  print(ch)

如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：

>>> from collections import Iterable
>>> isinstance("abc", Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

# Python内置的enumerate函数可以把一个list变成索引-元素对
for i, value in enumerate(["A", "B", "C"]):
  print(i, value)
# 在for循环中，引用了两个变量
 for x, y in [(1, 1), (2, 4), (3, 9)]:
   print(x, y)

List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式

>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

>>> L = []
>>> for x in range(1, 11):
    L.append(x * x)
>>>[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
# for循环后面加条件判断
>>>[x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100]
# 两层循环
[m + n for m in "ABC" for n in "XYZ"]
["AX", "AY", "AZ", "BX", "BY", "BZ", "CX", "CY", "CZ"]

import os # 导入os模块，模块的概念后面讲到
>>> [d for d in os.listdir(".")] # os.listdir可以列出文件和目录

for循环其实可以同时使用两个甚至多个变量

d = {"x": "A", "y": "B", "z": "C" }
 for k, v in d.items():
   print(k, "=", v)
[k + "=" + v for k, v in d.items()]
L = ["Hello", "World", "IBM", "Apple"]
[s.lower() for s in L] #大写变小写

如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
 at 0x1022ef63
next(g)

for n in g:
  print(n)

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

可以通过next()函数获得generator的下一个返回值：

著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到,函数

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return "done"
    

把fib函数变成generator，只需要把print(b)改为yield b就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return "done"

>>> f = fib(6)
>>> f

最难理解的就是generator和函数的执行流程不一样。
函数是顺序执行，遇到return语句或者最后一行函数语句就返回。
generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

>>> g = fib(6)
 while True:
     try:
       x = next(g)
        print("g:", x)
    except StopIteration as e:
       print("Generator return value:", e.value)       break

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

for x in [1, 2, 3, 4, 5]:
    pass
实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance("abc", Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False