python高阶函数&异常处理

高阶函数

1、什么是高阶函数

• 在Python中，变量可以指向函数

• 函数名也是变量

• 既然变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。　　

map()高阶函数

map(function, iterable, ...)

　功能

• 将第一个参数 function 依次作用在参数可迭代对象中的每一个元素上，返回包含每次 function 函数返回值的新迭代器

　参数

• function -- 函数，有两个参数
• iterable  -- 一个或多个可迭代对象（如：序列）

　返回值

• Python 3.x 返回迭代器

def f(x):
    return x*x
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(r))
 
运行结果：
[1, 4, 9, 16, 25, 36, 49, 64, 81]

reduce()高阶函数

reduce(function, iterable[, initializer])

　功能

• 函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

• 其效果类似：reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

　参数

• function -- 函数，有两个参数
• iterable -- 可迭代对象
• initializer -- 可选，初始参数

　返回值

• 返回函数计算结果。

from functools import reduce
def add(x, y):
    return x + y
 
r = reduce(add, [1, 3, 5, 7, 9])
print(r)
 
运行结果：
25

filter()函数

filter(function, iterable)

　功能

• 该接收两个参数，第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判，然后返回 True 或 False，最后将返回 True 的元素放到新迭代器对象中

　参数

• function -- 判断函数
• iterable -- 可迭代对象（如：序列）

　返回值

• 返回一个迭代器对象

def is_odd(n):
    return n % 2 == 1
 
tmplist = filter(is_odd, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
newlist = list(tmplist)
print(newlist)
 
运行结果：
[1, 3, 5, 7, 9]

sorted()函数

sorted(iterable, key=abs, reverse=False)

　功能

• 对所有可迭代的对象进行排序操作

　参数

• iterable -- 可迭代对象。
• key -- key指定的函数将作用于可迭代对象上的每一个元素，并根据key函数返回的结果进行排序
• reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认）

　返回值

• 返回重新排列的列表　　

print(sorted([36, 5, -12, 9, -21]))
运行结果：[-21, -12, 5, 9, 36]
 
print(sorted([36, 5, -12, 9, -21], key=abs))
#abs（绝对值函数）此处也可使用 ~ 匿名函数
运行结果：[5, 9, -12, -21, 36]

返回函数

高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum        #将定义的函数sum()作为结果值返回
 
f = lazy_sum(1, 3, 5, 7, 9)
f()

闭包

闭包是“返回函数”的一个典型应用

闭包的定义： 在一个外函数中定义了一个内函数，内函数里运用了外函数的临时变量，并且外函数的返回值是内函数的引用。这样就构成了一个闭包。

#闭包函数的实例
# outer是外部函数 a和b都是外函数的临时变量
def outer( a ):
    b = 10
    def inner():  # inner是内函数
        print(a+b)  #在内函数中 用到了外函数的临时变量
    return inner  # 外函数的返回值是内函数的引用
 
if __name__ == '__main__':
    # 在这里我们调用外函数传入参数5
    #此时外函数两个临时变量 a是5 b是10 ，并创建了内函数，然后把内函数的引用返回存给了demo
    # 外函数结束的时候发现内部函数将会用到自己的临时变量，这两个临时变量就不会释放，会绑定给这个内部函数
    demo = outer(5)
    # 我们调用内部函数，看一看内部函数是不是能使用外部函数的临时变量
    # demo存了外函数的返回值，也就是inner函数的引用，这里相当于执行inner函数
    demo() #
 
    demo2 = outer(7)
    demo2()#

匿名函数（lambda表达式）

匿名函数的另一个别称是“lambda表达式”

• lambda表达式的语法： lambda argument_list: expression
• 这里的argument_list是参数列表。它的结构与Python中函数(function)的参数列表是一样的。
• 这里的expression是一个关于参数的表达式。表达式中出现的参数需要在argument_list中有定义，并且表达式只能是单行的。

lambda x: x*x
这个lambda表达式实际等同于：
def f(x):
    return x*x
 
>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25

递归函数

• 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，我们来计算阶乘n! = 1 x 2 x 3 x ... x n， 用函数fact(n)表示

• 可以看出： fact(n) = n! = 1 x 2 x 3 x ... x (n-1) x n = (n-1)! x n = fact(n-1) x n

• 所以，fact(n)可以表示为n x fact(n-1)，只有n=1时需要特殊处理。

• 于是，fact(n)用递归的方式写出来就是：

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

如果我们计算fact(5)，可以根据函数定义看到计算过程如下：
 
===> fact(5)
===> 5 * fact(4)
===> 5 * (4 * fact(3))
===> 5 * (4 * (3 * fact(2)))
===> 5 * (4 * (3 * (2 * fact(1))))
===> 5 * (4 * (3 * (2 * 1)))
===> 5 * (4 * (3 * 2))
===> 5 * (4 * 6)
===> 5 * 24
===> 120

递归函数的优点和缺点

• 递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。

• 缺点是过深的调用会导致栈溢出。

异常处理

1、python各种常见异常

1)  Exception: 所有异常类型
    2)  AttributeError: 特性引用或赋值失败时引发
    3)  IOError: 试图打开不存在的文件时引发
    4)  IndexError: 在使用序列中不存在的索引时引发
    5)  KeyError: 在使用映射时不存在的键时引发
    6)  NameError: 在找不到变量名字时引发
    7)  SyntaxError: 代码有语法错误时引发
    8)  TypeError: 函数应用于错误类型的对象时引发
    9)  ValueError:    函数应用于正确类型的对象，但该对象使用不合适的值时引发
    10)  ZeroDivisionError: 在除操作时第二个参数为0时引发
 
Python中各种内建异常

2、几种常见捕获异常的方法

　1、捕获单个异常

names = ['alex','jack']
try:
    names[2]
except IndexError as e:
    print("列表操作错误",e)
# 运行结果： 列表操作错误 list index out of range
 
捕获单个异常

　2、 多个except子句，捕获多个异常

try:
    x = input("Enter the first number:")
    y = input("Enter the second number:")
    print(x/y)
except ZeroDivisionError:
    print("The second number can't zero")
except NameError:
    print('That was not a number....')
 
多个except子句

　3、 一个except捕获多个异常

　　说明：如果需要用一个块扑捉多个异常类型，那么可以将他们作为元组列出

try:
    x = input("Enter the first number:")
    y = input("Enter the second number:")
    print(x/y)
except (ZeroDivisionError, TypeError, NameError):
    print("your numbers were bogus...")
 
一个except捕获多个异常

　4、 捕捉对象: except (NameError) as e

try:
    x = input("Enter the first number:")
    y = input("Enter the second number:")
    print(x/y)
except (ZeroDivisionError, TypeError, NameError) as e:
    print(e)
 
捕捉对象: except (NameError) as e

import traceback
 
try:
    name = int('df11')
except Exception as e:
    print(traceback.format_exc())
 
# Traceback (most recent call last):
#   File "C:/Users/tom/Desktop/cmdb_cli_ser/AutoClient/test01.py", line 4, in <module>
#     name = int('df11')
# ValueError: invalid literal for int() with base 10: 'df11'
 
traceback.format_exc()获取详细异常信息

　5、真正的全捕捉: except

try:
    x = input("Enter the first number:")
    y = input("Enter the second number:")
    print(x/y)
except:
    print('something wrong happened')
 
正真的全捕捉: except

　6、异常使用结构

try:
    # 主代码块
    pass
except KeyError as e:
    # 异常时，执行该块
    pass
else:
    # 主代码块正常执行完，执行该块
    pass
finally:
    # 无论异常与否，最终执行该块
    pass
 
异常使用结构

　7、主动触发异常

try:
    raise Exception('错误了。。。')
except Exception as e:
    print(e)
# 运行结果：  错误了。。。

　8、自定义异常

class WupeiqiException(Exception):
    def __init__(self, msg):
        self.message = msg
    def __str__(self):
        return self.message   #最终打印的结果就是这里return返回的值
 
try:
    raise WupeiqiException('我的异常') #这里的字符串就会传入到class类的msg中
except WupeiqiException as e:
    print(e)
# 运行结果： 我的异常
 
自定义异常

　9、断言

　　作用：Python的assert是用来检查一个条件，如果它为真，就不做任何事。如果它为假，则会抛出AssertError并且包含错误信息

n = 1
assert type(n) is int
print('aaaa')
# 1.    Assert后的断言结果成立时才会执行：print('aaaa')
# 2.    Assert后的断言结果不成立时会引发AssertError并退出程序