Python语言精要---下

函数:
可以返回多个值,其实函数是返回一个对象,就是元组,元组中的元素被拆分到各个结果变量中了

匿名函数:
lambda函数,仅仅由单条语句组成,结果就是返回值
这种函数没有提供名称属性

闭包:

closure就是其他函数动态生成并返回的函数
被返回的函数可以访问其创建者的局部命名空间
  1. def make_closure(a):
  2. def closure():
  3. print("I know the secret: %d" % a)
  4. return closure()
  5. closure = make_closure(5)
和标准函数的区别就是,即使创建者已经执行完成,闭包仍然可以访问创建者的局部命名空间
#I know the secret: 5

扩展调用语法:
  1. def say_hello_then_call_f(f,*args,**kwargs):
  2. print("arg is " + str(args))
  3. print("kwargs is %s "% kwargs)
  4. print("hello now i am gonna to call %s" % f)
  5. return f(*args,**kwargs)
  6. def g(x,y,z = 1):
  7. return (x+y) / z
  8. say_hello_then_call_f(g,1,2,z = 5)
  9. print(say_hello_then_call_f(g,1,2,z = 5))
  10. print(g(1,2,z = 5))
 
柯里化:
通过部分参数应用从现有函数派生出来的新函数技术
  1. def add_numbers(x,y):
  2. return x+y
  3. add_five = lambda y: add_numbers(5, y)
  4. print(add_five(2))
  5. #这里的add_numbers的第二个参数是柯里化的,就是定义了一个可以调用现有函数的新函数而已
  6. #还可以使用下面的模块函数简化这个过程
  7. from functools import partial
  8. add_five_ = partial(add_numbers,5)
  9. print(add_five_(9))
在pandas和时间序列中,可以用这个技术创建专门的数据序列转换函数
  1. #计算时间序列x的60日移动平均
  2. ma60 = lambda x:pandas.rolling_mean(x,60)
  3. #计算data中所有时间序列的60日移动平均
  4. data.apply(ma60)
pandas:Python Data Analysis Library

生成器:
能以一种一致的方式对序列进行迭代
通过一种迭代器协议实现的
生成器是构造性的可迭代对象的一种简单方式
一般的函数执行之后只返回单个值
生成器则是以延时的方式返回一个序列
每返回一个值之后暂停
直到下一个值被请求时再继续
要创建一个生成器,只需要将函数中的return替换成yeild即可
  1. def squares(n=10):
  2. print('Generating squares from 1 to %d' % (n**2))
  3. for i in range(1,n+1):
  4. yield i**2
  5. gen = squares()
  6. print(gen)
  7. #直到从生成器中请求元素时候,才会执行代码
  8. for x in gen:
  9. print(x)
  10. '''
  11. <generator object squares at 0x000000BD50384518>
  12. Generating squares from 1 to 100
  13. 1
  14. 4
  15. 9
  16. 16
  17. 25
  18. 36
  19. 49
  20. 64
  21. 81
  22. 100
  23. '''

生成器表达式:
是构造生成器的最简单的方式,方式就是把列表推导两边的方括号改成圆括号
  1. gen= (x ** 2 for x in range(100))
  2. print(gen)
  3. print(sum(x**2 for x in range(100)))
  4. print(dict((i,i**2) for i in range(7)))
  5. '''
  6. <generator object <genexpr> at 0x0000007F13491938>
  7. 328350
  8. {0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36}
  9. '''

itertools模块:
这个模块中有一组可以用于许多常见数据算法的生成器
groupby可以接受任何序列和一个函数,根据函数的返回值对序列中的连续元素进行分组
  1. import itertools
  2. first_letter = lambda x: x[0]
  3. names = ['jason','peggy','charles','heather','whitney','thea','ana','jane','aya']
  4. for letter,name in itertools.groupby(names,first_letter):
  5. print(letter,list(name))
  6. '''
  7. j ['jason']
  8. p ['peggy']
  9. c ['charles']
  10. h ['heather']
  11. w ['whitney']
  12. t ['thea']
  13. a ['ana']
  14. j ['jane']
  15. a ['aya']
  16. '''
文件操作:
  1. with open('temp_temp.txt','w') as handle:
  2. handle.writelines(x for x in open('temp.txt') if len(x)> 1)
  3. open('temp_temp.txt').readline()

上一篇:撑100s小游戏


下一篇:最简单有效的关于linux下配置Git操作免登录ssh公钥