记录我的 python 学习历程-Day11 两个被忽视的坑、补充知识点、函数名的应用、新版格式化输出、迭代器

补充知识点

函数形参中默认参数的陷阱

针对不可变数据类型,它是没有陷阱的

def func(name, sex='男'):

    print(name)

    print(sex)

func('Dylan')

# 输出结果:

Dylan

男

陷阱只针对默认参数是可变的数据类型

def func(name, a_list=[]):  # a_list=[]不在全局名称空间里,也不在局部名称空间里,它在一个特殊的内存空间中

    a_list.append(name)     # 将实参传进来的 name 增加到 a_list 这个空列表里.

    return a_list           # 返回 a_list 这个列表

ret = func('Dylan')

print(ret, id(ret))     # ['Dylan'] 4344392712

ret2 = func('xiaobai')

print(ret2, id(ret2))   # ['Dylan', 'xiaobai'] 4344392712

# 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.

面试题-1 ***

def func(a, list=[]):

    list.append(a)

    return list

print(func(10,))        # [10]

print(func(20, []))     # [20]

print(func(100,))       # [10, 100]

# 在传参的时候,如果使用默认参数传参,那么无论你调用多少次,使用的都将是同一个 id,如果你将默认参数覆盖传入,将会重新创建另一个 id.

面试题-2 ***

def func(a, list=[]):

    list.append(a)

    return list

ret1 = func(10,)

ret2 = func(20, [])

ret3 = func(100,)

# ret1 和 ret2 和 ret3 都执行完毕后,其 ret1和 ret3其实是同一个列表,那当然就是 ret3改变 ret1也跟着改变了.

print(ret1)     # [10, 100]

print(ret2)     # [20]

print(ret3)     # [10, 100]

局部作用域当中的坑

先引用,后定义的坑

# 在函数中,如果定义了一个变量,但是在定义这个变量之前对其引用了,那么解释器就会认为这是一个语法问题.

# 你应该在使用之间先定义.

cont =1

def func():

    print(cont)

    cont = 3

func()

# 此时就会报错了,因为你是先引用后定义的

globlal 和 nonlocal 关键字

global

在局部作用域声明一个全局变量

def func():

    global name	# 在局部作用域中声明一个全局变量

    name = 'Dylan'

    print(name) # Dylan

func()

print(name)     # Dylan

# 这样用 global 在函数里声明一下,那么在全局作用域中就可以找到局部作用域中的变量了

修改一个全局变量

cont = 1

def func():

    global cont

    cont += 1

print(cont)     # 1   这之所以是1,是因为函数还没有执行,此时打印的是全局作用域中原有的 cont

func()

print(cont)     # 2   这之所以是2,是因为,函数执行了,在函数里定义了全局变量,函数里把 cont 自加了个1,所以此时打印的 cont 就变成了2.函数内的自加改变了函数外的变量.就是因为 golbal在函数中定义了全局变量.

nonlocal

不能够操作全局变量

cont = 1

def func():

    nonlocal cont

    cont += 1

func()

print(cont)

# 报错了 SyntaxError: no binding for nonlocal 'cont' found

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():

    cont = 1

    def inner():

        nonlocal cont

        cont += 1

    print(cont)     # 1

    inner()

    print(cont)     # 2

wrapper()

函数名的运用

函数名的定义和变量的定义几乎一致，在变量的角度，函数名其实就是一个变量，具有变量的功能：可以赋值；但是作为函数名他也有特殊的功能就是加上()就会执行对应的函数，所以我们可以把函数名当做一个特殊的变量，那么接下来，我们就来研究一下这个特殊的变量。

函数的内存地址

函数名指向的是这个函数的内存地址
```
def func():

    print('Dylan')

print(func)

# 结果:<function func at 0x102020e18>
```
其实深一步理解可得知，与其说函数名()可以执行这个函数，不如说是函数的内存地址()才是执行这个函数的关键，就好比：
```
a = 1

b = 2

c = a + b

print(c)  # 3
```
a + b 并不是变量的相加，而是两个变量指向的int对象的相加。
函数名可以赋值给其它变量
```
def func():

    print("Dylan")

print(func)

a = func    # 把函数当成一个变量赋值给另一个变量

a()         # 函数调用 func()
```
通过变量的赋值，变量a，和变量func都指向的这个函数的内存地址，那么a() 当然可以执行这个函数了。

函数名可以当做容器类的元素

函数名就是一个变量，我的变量是可以当做容器类类型的元素的：

def func1():

    print("in func1: 嘻嘻")

def func2():

    print("in func2: 哈哈")

def func3():

    print("in func3: 咯咯")

def func4():

    print("in func4: 吱吱")

lst = [func1, func2, func3, func4]

for i in lst:

    i()

# 结果:

# in func1: 嘻嘻

# in func2: 哈哈

# in func3: 咯咯

# in func4: 吱吱

函数名可以当做函数的参数

变量可以做的，函数名都可以做到

def func1():

    print('in func1')

def func2(f):					# 这相当于 func1

    print('in func2')			# in func2

    f()		#这相当于func1()	# in func1

func2(func1)

函数名可以作为函数的返回值
```
def func1():

    print('in func1')

def func2(f):

    print('in func2')

    return f

ret = func2(func1)

ret()  # ret, f, func1 都是指向的func1这个函数的内存地址
```
小结：函数名是一个特殊的变量，他除了具有变量的功能，还有最主要一个特点就是加上() 就执行，其实他还有一个学名叫第一类对象。

Python新特性：f-strings格式化输出

f-strings 是python3.6开始加入标准库的格式化输出新的写法，这个格式化输出比之前的%s 或者 format 效率高并且更加简化，非常的好用，学完这个之后，以后再用格式化输出这就是你们唯一的选择。

简单举例

他的结构就是F(f)+ str的形式，在字符串中想替换的位置用{}展位，与format类似，但是用在字符串后面写入替换的内容，而他可以直接识别。
```
ame = 'Dylan'

age = 18

sex = '男'

msg = f'姓名:{name}, 年龄:{age}, 性别:{sex}'  # f不区分大小写

print(msg)

# 输出结果: 姓名:Dylan, 年龄:18, 性别:男
```

任意表达式

他可以加任意的表达式，非常方便：

print(f'{3*21}')  # 63

name = 'barry'

print(f"全部大写：{name.upper()}")  # 全部大写：BARRY

# 字典也可以

teacher = {'name': 'Dylan', 'age': 18}

msg = f"The teacher is {teacher['name']}, aged {teacher['age']}"

print(msg)  # The comedian is Dylan, aged 18

# 列表也行

l1 = ['Dylan', 18]

msg = f'姓名：{l1[0]},年龄：{l1[1]}.'

print(msg)  # 姓名：Dylan,年龄：18.

插入表达式

可以用函数完成相应的功能，然后将返回值返回到字符串相应的位置

def sum_a_b(a,b):

    return a + b

a = 1

b = 2

print('求和的结果为:\t' + f'{sum_a_b(a,b)}')     # 求和的结果为:	3

多行 f(不常用)

name = 'barry'

age = 18

ajd = 'handsome'

# speaker = f'''Hi {name}.

# You are {age} years old.

# You are a {ajd} guy!'''

speaker = f'Hi {name}.'\

          f'You are {age} years old.'\

          f'You are a {ajd} guy!'

print(speaker)  # Hi barry.You are 18 years old.You are a handsome guy!

其他细节

这里有一些注意的细节，了解一下就行。

```python

print(f"{{73}}")  # {73}

print(f"{{{73}}}")  # {73}

print(f"{{{{73}}}}")  # {{73}}

m = 21

# ! , : { } ;这些标点不能出现在{} 这里面。

# print(f'{;12}')  # 报错

# 所以使用lambda 表达式会出现一些问题。

# 解决方式：可将lambda嵌套在圆括号里面解决此问题。

x = 5

print(f'{(lambda x: x*2) (x)}')  # 10

```

**总结**：f-string的格式化输出更加简洁，方便，易读。而且他的处理速度对之前的%s 或者format 有了较高的提升，所以以后尽量使用此种格式化输出。

可迭代对象和迭代器

可迭代对象
- 可迭代对象的定义
  
  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（或对象）。
  
  专业角度：在python中，但凡内部含有__iter__方法的对象，都是可迭代对象。
  
  目前学过的可迭代对象有：srt / list / tuple / dict / set / range / 文件句柄
- 查看对象的内部方法 dir()
  
  该对象内部含有什么方法除了看源码，还可以通过 dir() 去判断一个对象具有什么方法。
```
s1 = 'Dylan'

print(dir(s1))

# 结果：

['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']
```
  dir() 会返回一个列表，这个列表中含有该对象的以字符串的形式所有方法名。
  
  这样我们就可以判断python中的一个对象中是不是有__iter__方法，从而就可以判断这个对象是不是可迭代对象了：
```
s1 = 'alex'

i = 100

print('__iter__' in dir(i))  # False

print('__iter__' in dir(s1))  # True
```
  小结：
  - 从字面意思来说：可迭代对象就是一个可以重复取值的实实在在的东西。
  - 从专业角度来说：但凡内部含有'__iter__'方法的对象，都是可迭代对象。
  - 判断一个对象是不是可迭代对象： '__iter__' in dir(对象)
  - 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。
    - 可迭代对象是不能迭代取值的（除去索引，key 以外）
      
      那么这个缺点有人就提出质疑了，即使抛去索引,key以外，这些我可以通过for循环进行取值呀！对，他们都可以通过for循环进行取值，其实for循环在底层做了一个小小的转化，就是先将可迭代对象转化成迭代器，然后在进行取值的。

迭代器

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：迭代器是这样的对象：实现了无参数的__next__方法，返回序列中的下一个元素，如果没有元素了，那么抛出StopIteration异常.python中的迭代器还实现了__iter__方法，因此迭代器也可以迭代。 ——出自《流畅的python》
- 简单来说：在 python 中，内部含有'__iter__'方法，并且含有'__next__'方法的对象，就是迭代器。

判断一个对象是否是迭代器

# 方法如下：

# print('__iter__' in dir(对象) and '__next__' in dir(对象))

# 例子1：

with open('文件', encoding='utf-8',mode='w') as f:

    print('__iter__' in dir(f) and '__next__' in dir(f))

# 输出结果： True

# 这说明，文件句柄是一个迭代器。

# 例子2：

o1 = 'alex'

o2 = [1, 2, 3]

o3 = (1, 2, 3)

o4 = {'name': '太白','age': 18}

o5 = {1, 2, 3}

with open('文件', encoding='utf-8',mode='w') as f:

print('__iter__' in dir(o1))  # True

print('__iter__' in dir(o2))  # True

print('__iter__' in dir(o3))  # True

print('__iter__' in dir(o4))  # True

print('__iter__' in dir(o5))  # True

print('__iter__' in dir(f))  # True

#

print('__next__' in dir(o1))  # False

print('__next__' in dir(o2))  # False

print('__next__' in dir(o3))  # False

print('__next__' in dir(o4))  # False

print('__next__' in dir(o5))  # False

print('__next__' in dir(f))  # True

# 这说明，上面这些数据类型（或者对象），除了文件句柄外，其它的都不是迭代器，只是可迭代对象。

可迭代对象如何转化成迭代器 iter(可迭代对象)或者可迭代对象.__iter__()

s = 'Dylan'

obj = s.__iter__()  # 或者 obj = iter(s)

print(obj)  # <str_iterator object at 0x102894a90>

迭代器取值

l1 = [11, 22, 33, 44, 55, 66]

obj = iter(l1)  # 把 l1列表转换为迭代器赋值给变量 obj。

print(obj)      # <list_iterator object at 0x1032949e8>

print(next(obj))    # 11

print(next(obj))    # 22

print(next(obj))    # 33

print(next(obj))    # 44

print(next(obj))    # 55

print(next(obj))    # 66

print(next(obj))    # 再多一个就会报错了。StopIteration 停止迭代

# 迭代器利用 next 取值：一个 next 取对应的一个值，如果迭代器里面的值取完了，还要 next，那么就会报'StopIteration' 停止迭代的错误

while 循环模拟 for 循环机制

l1 = [1, 2, 3, 4, 5, 6]

# 1，将可迭代对象转化成迭代器。

obj = iter(l1)

# 2，利用 while 循环，next 进行取值。

while 1:

    # 3，利用异常处理，终止循环。

    try:

        print(next(obj))

    except StopIteration:

        break

小结：
- 从字面意思来说：迭代器就是可以迭代取值的工具。
- 从专业角度来说：在 python 中，内部含有'__iter__'方法并且含有'__next__'方法的对象就是迭代器。
- 迭代器的优点：
  - 节省内存。
    
    迭代器在内存中相当于只占一个数据的空间，因为每次取值都会将上一条数据在内存中释放，加载当前的此条数据。
  - 惰性机制。
    
    next 一次，取一个值。
    
    （有一个迭代器模式可以很好的解释上面这两条：迭代是数据处理的基石。扫描内存中放不下的数据集时，我们要找到一种惰性获取数据项的方式，即按需一次获取一个数据项。这就是迭代器模式。）
- 迭代顺的缺点：
  - 速度慢，不能直观的查看里面的数据。
  - 取值时不走回头路，只能一直向下取值。
```
l1 = [1, 2, 3, 4, 5, 6]

obj = iter(l1)

for i in range(2):

    print(next(obj))

for i in range(2):

    print(next(obj))

# 迭代器会记住当前程序最后一次取值的位置，下次取值时，会继续上次的位置进行取值。
```

可迭代对象与迭代器的对比

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。

应用：

当你侧重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：

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。

应用：

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。