版权声明：本文为博主原创文章。未经博主同意不得转载。 https://blog.csdn.net/signjing/article/details/30745465

抽象

懒惰即美德。

抽象和结构

抽象能够节省大量工作，实际上它的作用还要更大。它是使得计算机程序能够让人读懂的关键。

创建函数

函数能够调用（可能包含參数，也就是放在圆括号里的值），它运行某种行为而且返回一个值。一般来说，内建的callable函数能够用来推断函数是否可调用：

>>> import math

>>> y=1

>>> x=math.sqrt

>>> callable(x)

True

>>> callable(y)

False

 

创建函数是组织程序的关键。

那么如何定义函数呢？

使用def(或“函数定义”）语句就可以：

>>> def hello(name):

return 'Hello, ' + name + '!'

 

传入不同的參数。得到不同的结果：

>>> print hello('signjing')

Hello, signjing!

>>> print hello('jiao')

Hello, jiao!

 

斐波那契数列的获取方法（比如，前10项）为：

>>> f=[0,1]

>>> for i in range(8):

f.append(f[-1]+f[-2])

 

>>> print f

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

 

假设用函数的方法实现。则为：

>>> def fibs(num):

result=[0,1]

for i in range(num-2):

result.append(result[-2]+result[-1])

return result

 

运行结果：

>>> fibs(10)

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

>>> fibs(16)

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610]

 

return语句是用来从函数中返回值的。

记录函数

假设想给函数写文档，让后面使用该函数的人能理解的话。能够增加凝视（以#开头）。

另外一个方式是直接写上字符串。

这里字符串在其它地方可能会非常实用，比方在def语句后面（以及在模块或类的开头）。假设在函数的开头写下字符串，它就会成为函数的一部分进行存储。称为文档字符串。

>>> def fibs(num):

'fibs is a funtion:*************'

result=[0,1]

for i in range(num-2):

result.append(result[-2]+result[-1])

return result

 

>>> fibs.__doc__

'fibs is a funtion:*************'

 

注意：__doc__是函数属性。

内建的help函数非常实用。

在交互式解释器中使用它，就能够得到关于函数，包含它的文档字符串的信息。

>>> help(fibs)

Help on function fibs in module __main__:

 

fibs(num)

    fibs is a funtion:*************

 

并非真正函数的函数

数学意义上的函数，总在计算其參数后返回点什么。python的有些函数却并不返回不论什么东西。

没有return语句。或者虽有return语句但return后边没有跟不论什么值的函数不返回值。

 

>>> def test():

print "This is printed"

return

print 'this is not'

 

>>> x=test()

This is printed

上述函数中的return语句仅仅起到结束函数的作用。

>>> x

>>> print x

None

 

所以，全部的函数的确都返回了东西：当不须要它们返回值的时候。它们就返回None。

參数魔法

值从哪里来

写在def语句中函数名后面的变量通常叫函数的形式參数，而调用函数时提供的值是实际參数，或者成为參数。

我能改变參数吗？

在函数内为參数赋予新值不会改变外部不论什么变量的值。

>>> def try_to_change(n):

n="Hello , signjing"

 

>>> say="Hello , jiao"

>>> try_to_change(say)

>>> say

'Hello , jiao'

 

字符串（以及数字和元组）是不可变的。即无法被改动。所以它们做參数的时候也就无需多做介绍。

但假设将可变的数据结构如列表做參数的时候会发生什么：

 

>>> def change(n):

n[0]='signjing'

 

>>> names=['Li lei','Han meimei']

>>> change(names)

>>> names

['signjing', 'Han meimei']

 

以下不用函数调用再做一次：

>>> names=['Li lei','Han meimei']

>>> n=names

>>> n[0]='signjing'

>>> names

['signjing', 'Han meimei']

 

之前也出现过这样的情况：当两个变量同一时候引用一个列表的时候，它们的确是同一时候引用一个列表。

假设想避免这样的情况。能够复制一个列表的副本。当在序列中做切片的时候，返回的切片总是一个副本。因此。假设你复制了整个列表的切片，将会得到一个副本：

>>> n=names[:]

>>> n

['Li lei', 'Han meimei']

>>> names

['Li lei', 'Han meimei']

>>> n is names

False

>>> m=n

>>> m is n

True

 

 

在某些语言（如c++、Ada）中，重绑定參数而且使这些改变影响到函数外的变量是非常寻常的事情。

但在python中是不可能的。函数仅仅能改动參数对象本身。

但假设參数不可变，如数字。又该怎么办呢？答案是没有办法。

这时候应该从函数中返回全部须要的值，假设值多于一个。则以元组形式返回。

比如。将变量数值增1的函数能够这样写：

>>> def inc(x):return x+1

 

>>> foo=10

>>> foo=inc(foo)

>>> foo

11

 

假设真的想改变參数，能够使用一点小技巧。即将值放置在列表中：

>>> def inc(x):x[0]=x[0]+1

 

>>> foo=[10]

>>> inc(foo)

>>> foo

[11]

这样就仅仅会返回新值。

 

keyword參数和默认值

眼下我们所使用的參数都叫做位置參数，由于它们的位置非常重要——其实比它们的名字更重要。

>>> def hello_1(greeting,name):

print '%s,%s' %(greeting,name)

 

>>> def hello_2(name,greeting):

print '%s,%s' %(name,greeting)

 

>>> hello_1('hello','boy')

hello,boy

>>> hello_2('hello','girl')

hello,girl

 

有些时候（尤其是參数非常多的时候）。參数的顺序是非常难记住的。为了让事情简单些，能够提供參数的名字：

>>> hello_1(greeting='hello',name='boy')

hello,boy

>>> hello_1(name='boy',greeting='hello')

hello,boy

但參数名和值一定要相应：

>>> hello_2(name='boy',greeting='hello')

boy,hello

>>> hello_2(greeting='hello',name='boy')

boy,hello

 

这类使用參数名提供的參数叫做keyword參数。

主要作用是明白每一个參数的作用。

keyword參数最厉害的地方在于能够在函数中给參数提供默认值。当參数具有默认值的时候。调用的时候就不用提供參数了。能够不提供、提供一些或者提供全部的參数：

>>> def hello_3(greeting='hello',name='world'):

print '%s,%s!' %(greeting,name)

 

>>> hello_3()

hello,world!

>>> hello_3('Greeting')

Greeting,world!

>>> hello_3('Greeting','universe')

Greeting,universe!

>>> hello_3(name='boys')

hello,boys!

 

位置和keyword參数是能够联合使用的。

把位置參数放置在前面就能够了。

 

注意：除非全然清楚程序的功能和參数的意义。否则应该避免混合使用位置參数和keyword參数。

 

收集參数

有时候让用户提供随意数量的參数是非常实用的。

试着像以下这样定义函数：

>>> def print_params(*params):

print params

 

>>> print_params(1,2)

(1, 2)

>>> print_params(1,2,'ab')

(1, 2, 'ab')

 

參数前的星号将全部值放置在同一个元组中。能够说是将这些值收集起来，然后使用。

>>> def print_params_2(title,*params):

print title

print params

 

>>> print_params_2('Params: ',1,2,3)

Params: 

(1, 2, 3)

 

假设不提供不论什么供收集的元素，params就是空元组：

>>> print_params_2('Nothing: ')

Nothing: 

()

 

>>> print_params_2('Hmm...',something=42)

 

Traceback (most recent call last):

  File "<pyshell#73>", line 1, in <module>

    print_params_2('Hmm...',something=42)

TypeError: print_params_2() got an unexpected keyword argument 'something'

我们须要另外一个能处理keyword參数的“收集”操作。

>>> def print_params_3(**params):

print params

 

>>> print_params_3(x=1,y=2,z=3)

{'y': 2, 'x': 1, 'z': 3}

 

 

反转过程

>>> def add(x,y):

return x+y

 

>>> params=(1,2)

>>> add(*params)

3

在调用中使用而不是在定义中使用。

 

对于參数列表来说工作正常。仅仅要扩展到部分是最新的就能够。能够使用相同的技术来处理字典——使用双星号运算符。

 

>>> def hello_3(greeting='hello',name='world'):

print '%s, %s!' %(greeting,name)

 

>>> params={'name':'Sir Robin','greeting':'Well met'}

>>> hello_3(*params)

name, greeting!

>>> hello_3(**params)

Well met, Sir Robin!

 

星号仅仅在定义函数（同意使用不定数目的參数）或者调用（“切割”字典或者序列）时才实用。

 

作用域

变量和所相应的值用的是个“不可见”的字典。

实际上这么说已经非常接近真实情况了。内建的vars函数能够返回这个字典：

>>> x=1

>>> scope=vars()

>>> scope['x']

1

>>> scope['x']+=1

>>> x

2

 

这类“不可见字典”叫做命名空间或者作用域。究竟有多少个命名空间？除了全局作用域外，每一个函数调用都会创建一个新的作用域。

 

參数的工作原理相似于局部变量，所以用全局变量的名字作为參数名并没有问题。

 

假设须要在函数内部訪问全局变量，应该怎么办呢？而且仅仅想读取变量的值（也就是说不想重绑定变量），一般来说是没有问题的：

>>> def combine(parameter):

print parameter+external

 

>>> external='berry'

>>> combine('Shrub')

Shrubberry

 

读取全局变量一般来说并非问题，可是还是有个会出问题的事情。假设局部变量或者參数的名字和想要訪问的全局变量名相同的话，就不能直接訪问了。全局变量会被局部变量屏蔽。

假设的确须要的话，能够使用globals函数获取全局变量值。该函数的近亲是vars，它能够返回全局变量的字典（locals返回局部变量的字典）。

 

重绑定全局变量（使变量引用其它新值）：假设在函数内部将值赋予一个变量。它会自己主动成为局部变量——除非告知python将其声明为全局变量。

>>> x=1

>>> def change_global():

global x

x=x+1

 

>>> change_global()

>>> x

2

递归

想到了一个笑话：

你要想理解递归，首先得理解递归。

 

好吧。有点冷，继续热乎的话题....

 

递归的定义（包含递归函数定义）包含它们自身定义内容的引用。

须要查找递归的意思。结果它告诉请參见递归，无穷尽也，一个相似的函数定义例如以下：

>>> def recursion():

return recursion()

 

显然它什么也做不了，理论上讲。它应该永远运行下去。

 

由于每次调用函数都会用掉一点内存，在足够的函数调用发生后，空间就不够了，程序以一个“超过最大递归深度”的错误信息结束：

Traceback (most recent call last):

  File "<pyshell#37>", line 1, in <module>

    recursion()

  File "<pyshell#36>", line 2, in recursion

return recursion()

......

  File "<pyshell#36>", line 2, in recursion

    return recursion()

RuntimeError: maximum recursion depth exceeded

 

这类递归叫无穷递归，相似于while True開始的无穷循环。中间没有break或return语句。

 

实用的递归函数包含以下几个部分：

当函数直接返回值时有基本实例（最小可能性问题）；

递归实例，包含一个或者多个问题最小部分的递归调用；

 

两个经典：阶乘和幂

>>> def factorial(n):

result=n

for i in range(1,n):

result*=i

return result

 

>>> factorial(5)

120

 

递归的实现方式：

>>> def factorial(n):

if n==1:

return 1

else:

return n*factorial(n-1)

>>> factorial(4)

24

 

>>> def power(x,n):

result=1

for i in range(n):

result*=x

return result

 

>>> power(5,3)

125

递归实现：

>>> def power(x,n):

if n==0:

return 1

else:

return x*power(x,n-1)

 

>>> power(4,4)

256

还有一个经典：二元查找

此处略；

对象的魔力

创建自己的对象（尤其是类型或者被称为类的对象）是python的核心概念——非常核心。

 

面向对象程序设计中的术语对象基本上能够看作数据（特性）以及由一系列能够存取、操作这些数据的方法所组成的集合。

对象最重要的长处包含以下几个方面：

多态：能够对不同类的对象使用相同的操作；

封装：对外部世界隐藏对象的工作细节。

继承：以普通的类为基础建立专门的类对象。

类和类型

类究竟是什么

类就是一种对象。全部的对象都属于某一个类，成为类的实例。

 

当一个对象所属的类是另外一个对象所属类的子集时。前者就被称为后者的子类。相反，后者就称为前者的超类（基类）。

 

在面向对象程序设计中，子类的关系是隐式的，由于一个类的定义取决于它所支持的方法。定义子类仅仅是定义很多其它（也有可能是重载已经存在的）的方法的过程。

创建自己的类

>>> __metaclass__ = type

>>> class Person:

 

def setName(self,name):

self.name=name

def getName(self):

return self.name

def greet(self):

print "Hello,world!I'm %s." %self.name

 

>>> foo=Person()

>>> bar=Person()

>>> foo.setName('abc')

>>> foo.getName()

'abc'

>>> foo.greet()

Hello,world!I'm abc.

 

self是对于对象自身的引用。

没有它，成员方法就没法訪问他们要对其特性进行操作的对象本身了。

 

特效、函数和方法

默认情况下。程序能够从外部訪问一个对象的特性。

为了让方法或特性变为私有（从外部无法訪问），仅仅要在它的名字前面加上双下划线就可以：

>>> class Secretive:

def __inaccessible(self):

print "Bet you can't see me..."

def accessible(self):

print "The secret message is:"

self.__inaccessible()

 

>>> s.__inaccessible()

 

Traceback (most recent call last):

  File "<pyshell#52>", line 1, in <module>

    s.__inaccessible()

AttributeError: 'Secretive' object has no attribute '__inaccessible'

>>> s.accessible()

The secret message is:

Bet you can't see me...

 

类的内部定义中，全部以双下划线開始的名字都被“翻译”成前面加上单下划线和类名的形式：

>>> Secretive._Secretive__inaccessible

<unbound method Secretive.__inaccessible>

 

简而言之，确保其它人不会訪问对象的方法和特性是不可能的，可是这类“名称变化术”就是他们不应该訪问这些函数或者特性的强有力信号。

类的命名空间

类的定义其实就是运行代码块，这一点非常实用。

指定超类

将其它类名写在class语句后的圆括号内能够指定超类：

>>> class Filter:

def init(self):

self.blocked=[]

def filter(self,sequence):

return [x for x in sequence if x not in self.blocked]

 

>>> class SPAMFilter(Filter):

def init(self):

self.blocked=['SPAM']

 

 

Filter是个用于过滤序列的通用类。其实它不能过滤不论什么东西：

>>> f=Filter()

>>> f.init()

>>> f.filter([1,3,4])

[1, 3, 4]

 

Filter类的用处在于它能够用作其它类的基类（超类），能够将序列中的“SPAM”过滤出去。

>>> s=SPAMFilter()

>>> s.init()

>>> s.filter(['abc','SPAM',"SPAM",'SPAM','signjing'])

['abc', 'signjing']

调查继承

想要查看一个类是否是还有一个的子类。能够使用内建的issubclass函数：

>>> issubclass(SPAMFilter,Filter)

True

>>> issubclass(Filter,SPAMFilter)

False

 

假设想要知道已知类的基类（们），能够直接使用它的特殊特性__bases__：

>>> SPAMFilter.__bases__

(<class '__main__.Filter'>,)

>>> Filter.__bases__

(<type 'object'>,)

 

相同。还能使用isinstance方法检查一个对象是否是一个类的实例：

>>> isinstance(s,SPAMFilter)

True

>>> isinstance(s,Filter)

True

>>> isinstance(s,str)

False

 

S是SPAMFilter类的（直接）成员。但也是Filter类的间接成员，由于SPAMFilter是Filter的子类。

 

假设想知道一个对象属于哪个类，能够使用__class__特性：

>>> s.__class__

<class '__main__.SPAMFilter'>

多个超类

>>> class Calculator:

def calculate(self,expression):

self.value=eval(expression)

 

>>> class Talker:

def talk(self):

print 'Hi,my value is',self.value

 

>>> class TalkingCalculator(Calculator,Talker):

pass

 

超类能够有多个。

在这里，子类不做不论什么事，从自己的超类继承全部的行为。

这样的行为成为多重继承。是个非常实用的工具。

使用多重继承时，有个须要注意的地方。假设一个方法从多个超类继承，必须要注意一下超类的顺序：

先继承的类中的方法会重写后继承的类中的方法。