Python开发【第四章】：函数剖析

一、Python函数剖析

1、函数的调用顺序

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

#函数错误的调用方式
def func():                     #定义函数func()
    print("in the func")
    foo()                       #调用函数foo()
func()                          #执行函数func()
def foo():                      #定义函数foo()
    print("in the foo")

###########打印输出###########              #报错:函数foo没有定义
#NameError: name 'foo' is not defined

#函数正确的调用方式
def func():                     #定义函数func()
    print("in the func")
    foo()                       #调用函数foo()
def foo():                      #定义函数foo()
    print("in the foo")
func()                          #执行函数func()

###########打印输出###########
#in the func
#in the foo

总结：被调用函数要在执行之前被定义　

2、高阶函数

满足下列条件之一就可成函数为高阶函数

• 某一函数当做参数传入另一个函数中

• 函数的返回值包含一个或多个函数

刚才调用顺序中的函数稍作修改就是一个高阶函数

#高阶函数
def func():                     #定义函数func()
    print("in the func")
    return foo()                #调用函数foo()
def foo():                      #定义函数foo()
    print("in the foo")
    return 100

res = func()                     #执行函数func()
print(res)                       #打印函数返回值

###########打印输出###########
#in the func
#in the foo
#100

从上面的程序得知函数func的返回值为函数foo的返回值，如果foo不定义返回值的话，func的返回值默认为None；

下面我来看看更复杂的高阶函数：

#更复杂的高阶函数
import time                 #调用模块time
def bar():
    time.sleep(1)
    print("in the bar")
def foo(func):
    start_time=time.time()
    func()
    end_time=time.time()
    print("func runing time is %s"%(end_time-start_time))

foo(bar)
###########打印输出###########
#in the bar
#func runing time is 1.0000572204589844

其实上面这段代码已经实现了装饰器一些功能，即在不修改bar()代码的情况下，给bar()添加了功能；但是改变了bar()调用方式

下面我们对上面的code进行下修改，不改变bar()调用方式的情况下进行功能添加

#更复杂的高阶函数,不改变调用方式
import time                 #调用模块time
def bar():
    time.sleep(1)
    print("in the bar")
def foo(func):
    start_time=time.time()
    print("in the foo")
    return func            #返回bar函数的内存地址
    end_time=time.time()
    print("func runing time is %s"%(end_time-start_time))

bar = foo(bar)              #bar重新赋值
bar()
###########打印输出###########
#in the foo
#in the bar

我们没有对bar()源码进行过修改，也没有改变bar()的调用方式，当执行bar()函数时，多加了一些功能，装饰器的一些雏形已经呈现；但是我们又发现之前添加的计算bar()执行时间的功能没有打印出来，return执行后函数就结束了。

3、内嵌函数和作用域

定义：在一个函数体内创建另外一个函数，这种函数就叫内嵌函数(基于python支持静态嵌套域)

#内嵌函数示例
def foo():
    print("in the foo")
    def bar():
        print("in the bar")
    bar()

foo()
###########打印输出###########
#in the foo
#in the bar

嵌套函数有什么用呢？我们暂时先记住这个内容

局部作用域和全局作用域的访问顺序

#嵌套函数变量与全部变量
x = 0
def grandpa():
    x=1
    def dad():
        x=2
        def son():
            x=3
            print(x)
        son()
    dad()

grandpa()
print(x)
###########打印输出###########
# 3
# 0 

注：内嵌函数中定义的函数在全局中是无法直接执行的

4、装饰器

定义：本质是函数（装饰其他函数），为其他函数添加附加功能的。

遵循原则:①不能修改被装饰函数的源代码

　　　　 ②不能修改被装饰函数的调用方式

组成：装饰器由高阶函数+内嵌函数组成

之前说了那么多其实都是了给装饰器做铺垫，回到刚才高阶函数中最后一个示例，能不能给函数加上运算时间计算？

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

#装饰器
import time
def timer(func):
    def deco():
        start_time=time.time()
        func()                    #执行形参func()
        end_time=time.time()
        print("func runing time is %s"%(end_time-start_time))
    return deco                #返回函数deco的内存地址
def test1():
    print("in the test1")
    time.sleep(1)

test1 = timer(test1)            #重新赋值test1  此时test1=deco的内存地址
test1()                         #执行test1
###########打印输出###########
#in the test1
#func runing time is 1.0000572204589844

现在我们已经实现了装饰器的功能，但是如果test1有形参的话，上面的代码就会报错了，下面我们对代码做下修改

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

#装饰器
import time
def timer(func):
    def deco(*args,**kwargs):
        start_time=time.time()
        func(*args,**kwargs)                    #执行形参func()
        end_time=time.time()
        print("func runing time is %s"%(end_time-start_time))
    return deco                #返回函数deco的内存地址
@timer                          #test1 = timer(test1)  test1=deco
def test1(name):
    print("in the test1 name %s"%name)
    time.sleep(1)

test1("lzl")                         #执行test1
###########打印输出###########
#in the test1
#func runing time is 1.0000572204589844

上面的代码是不是觉得很完美了，呵呵，假如test1()有return返回值怎么办？你会发现最后执行test1返回值丢失了，所以要对上面的代码再完善一下了。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

#装饰器
import time
def timer(func):
    def deco(*args,**kwargs):
        start_time=time.time()
        res = func(*args,**kwargs)                    #执行形参func()
        end_time=time.time()
        print("func runing time is %s"%(end_time-start_time))
        return res
    return deco                #返回函数deco的内存地址
@timer                          #test1 = timer(test1)  test1=deco
def test1(name):
    print("in the test1 name %s"%name)
    time.sleep(1)
    return "return form test1"

print(test1("lzl"))                  #执行test1
###########打印输出###########
#in the test1
#func runing time is 1.0000572204589844
#return form test1

好了现在我们探讨一个问题，函数可以被多个装饰器装饰吗？！

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

#函数用多个装饰器
def w1(func):
    def inner(*args, **kwargs):
        print("in the w1")
        return func(*args, **kwargs)
    return inner
def w2(func):
    def inner(*args, **kwargs):
        print("in the w2")
        return func(*args, **kwargs)
    return inner
@w1
@w2
def f1(*args, **kwargs):
    print("in the f1")

f1()
###########打印输出###########
#in the w1
#in the w2
#in the f1

终极版装饰器来了......

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

#终极版装饰器
def Before(*args, **kwargs):
    print("before")
def After(*args, **kwargs):
    print("after")

def Filter(before_func, after_func):
    def outer(main_func):
        def wrapper(*args, **kwargs):
            before_result = before_func(*args, **kwargs)
            if (before_result != None):
                return before_result
            main_result = main_func(*args, **kwargs)
            if (main_result != None):
                return main_result
            after_result = after_func(*args, **kwargs)
            if (after_result != None):
                return after_result
        return wrapper
    return outer

@Filter(Before, After)      #Filter(Before,After)=outer  Index=outer(Index)=wrapper
def Index(*args, **kwargs):
    print("index")

Index()                     #Index() = wrapper()
###########打印输出###########
#before
#index
#after

　　

 5、生成器

学习生成器之前，我们先来看看什么是列表生成式

#列表生成式
b = [ i*2 for i in range(10)]
print(b)

###########打印输出###########
#[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，还需要花费很长时间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。所以，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，这种调用时才会生成相应数据的机制，称为生成器：generator

要创建一个generator，有很多种方法，第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个生成器

#生成器
l = [ i*2 for i in range(10)]
print(l)

g = (i*2 for i in range(10))
print(g)

###########打印输出###########
#[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
#<generator object <genexpr> at 0x0064AAE0>

print(g) 打印出来的信息显示g是一个生成器，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；我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值

#生成器next打印
print(next(g))
#.........                 不断next 打印10次
#..........
print(next(g))

###########打印输出###########
#0
#........
#18
#Traceback (most recent call last):
#  File "<stdin>", line 1, in <module>
#StopIteration

我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象，所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误

#生成器for调用
g = (i*2 for i in range(10))        #不用担心出现StopIteration错误
for i in g:
    print(i)

###########打印输出###########
# 0
# 2
# 4
# 6
# 8
# 10
# 12
# 14
# 16
# 18

generator非常强大。如果推算的算法比较复杂，用列表生成式转换的生成器无法去实现时，我们还可以用函数来实现。比如，著名的斐波拉契数列（Fibonacci）

#函数表示斐波拉契数列
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n += 1
    return 'done'

fib(5)
###########打印输出###########
# 1
# 1
# 2
# 3
# 5

仔细观察，可以看出，fib函数实际上是定义了斐波那契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator；也就是说，上面的函数和generator仅一步之遥，那我们能不能把上面的函数变成一个生成器呢？

#斐波拉契数列转换为generator
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        #print(b)
        yield b
        a, b = b, a + b
        n += 1
    return 'done'

print(type(fib(5)))     #打印fib(5)的类型
for i in fib(5):        #for循环去调用
    print(i)
###########打印输出###########
# <class 'generator'>
# 1
# 1
# 2
# 3
# 5

要把fib函数变成generator，只需要把print(b)改为yield b就可以了，这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

但是用for循环调用generator时，会发现拿不到generator的return语句的返回值，也就是return的值没有打印出来，现在我们来看看怎么去打印generator的返回值

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

#获取generator的返回值
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        #print(b)
        yield b
        a, b = b, a + b
        n += 1
    return 'done'

g = fib(5)
while True:
    try:
        x = next(g)
        print( x)
    except StopIteration as e:
        print(e.value)
        break
###########打印输出###########
# 1
# 1
# 2
# 3
# 5
# done

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，关于如何捕获错误，后面的错误处理还会详细讲解。　

还可通过yield实现在单线程的情况下实现并发运算的效果

#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian

import time
def consumer(name):
    print("%s 准备吃包子啦!" %name)
    while True:
       baozi = yield

       print("包子[%s]来了,被[%s]吃了!" %(baozi,name))

def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()　　　　　　　　#c.__next__()等同于next(c)
    c2.__next__()
    print("老子开始准备做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("%s做了2个包子!"%(name))
        c.send(i)
        c2.send(i)

producer("lzl")

6、迭代器

我们已经知道，可以直接作用于for循环的数据类型有以下2种：

• 集合数据类型，如list、tuple、dict、set、str等；

• 生成器，包括generator和带yield的generator function；

定义：这些可以直接作用于for循环的对象统称为可迭代对象：Iterable　　

我们可以使用isinstance()去判断一个对象是否是Iterable对象

#可迭代对象
from collections import Iterable

print(isinstance([], Iterable))
# True
print(isinstance("abc", Iterable))
# True
print(isinstance((x for x in range(10)), Iterable))
# True
print(isinstance(100, Iterable))
# False

我们知道生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了

重点来了....*可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator

可以使用isinstance()判断一个对象是否是Iterator对象

#迭代器对象
from collections import Iterator

print(isinstance([], Iterator))
# True
print(isinstance("abc", Iterator))
# False
print(isinstance((x for x in range(10)), Iterator))
# True
print(isinstance(100, Iterator))
# False

由上面可知，生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator；把list、dict、str等Iterable变成Iterator可以使用iter()函数

#可迭代对象转迭代器对象
print(isinstance(iter([]), Iterator))
# True
print(isinstance(iter("abc"), Iterator))
# True

你可能会问，为什么list、dict、str等数据类型是Iterable但不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结：

• 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；

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

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