1. Python技术站首页
  2. Python开发

函数的特殊使用方式

• Python开发

5.4 函数的特殊使用方式

5.4.1 匿名函数

所谓匿名函数，即不再使用def语句这样标准形式定义的函数。Python中可以使用lambda关键字来创建匿名函数。用lambda创建的匿名函数的函数体比def定义的函数体要简单。语法如下：

lambda [参数1[,参数2],....参数n]]:表达式

lam_sum = lambda arg1, arg2: arg1 + arg2
print(lam_sum(10, 20))

30

上述代码中，第一行定义了一个lambda函数，执行两个数的和运算，并且把该lambda函数命名为lam_sum。然后通过lam_sum()函数实现求和的功能。
Lambda创建的匿名函数中只能封装有限的逻辑进去。
lambda函数拥有自己的命名空间，且不能访问自有参数列表之外或全局命名空间里的参数。
实际上，一般在使用匿名函数时是不会再为创建的匿名函数命名的。因为这样失去了匿名函数的简便性。在有些场景是需要传入函数，需要的逻辑并不是很复杂。但是又不想再创建一个，这个时候就可以直接使用匿名函数了。如下：

print(list(map(lambda x: x * x, [1, 2, 3, 4, 5])))

[1, 4, 9, 16, 25]

5.4.2 递归调用

在Python定义函数时，函数体中可以调用其他函数，甚至可以调用自己。这种自己调用自己的方式叫做递归调用。下面是一个递归式函数定义：

def recursion():
return recursion()

显然，对于上面定义的函数，如果你运行它，你将发现运行一段时间后，这个程序崩溃了(引发异常)。
从理论上说，这个程序将不断运行下去，但每次调用函数时，都将消耗一些内存。因此函数调用次数达到一定的程度(且之前的函数调用未返回)后，将耗尽所有的内存空间，导致程序终止并显示错误消息“超过最大递归深度(maximum recursion depth exceeded，默认最大为1000次)”。
可以通过以下代码修改最大递归深度：

import sys
sys.setrecursionlimit(99999)

这个函数中的递归称为无穷递归(就像以 while True 打头且不包含 break 和 return 语句的循环被称为无限循环一样)，因为它从理论上说永远不会结束。你想要的是能对你有所帮助的递归函数，这样的递归函数通常包含下面两部分。
基线条件：满足这种条件时函数将直接返回一个值。
递归条件：包含一个或多个调用，这些调用旨在解决问题的一部分。
这里的关键是，通过将问题分解为较小的部分，可避免递归没完没了，因为问题终将被分解成基线条件可以解决的最小问题。
那么如何让函数调用自身呢？这没有看起来那么难懂。前面说过，每次调用函数时，都将为此创建一个新的命名空间。这意味着函数调用自身时，是两个不同的函数［更准确地说，是不同版本(即命名空间不同)的同一个函数］在交流。你可将此视为两个属于相同物种的动物在彼此交流。
递归示例1：通过递归的方式求一个数的阶乘

def factorial(p_int=0):
if p_int == 0:  # 基线条件
	    return 1
else:  #  递归条件
return p_int * factorial(p_int - 1)


print(factorial(10))

3628800

递归示例2：通过递归的方式求幂

def power(x, n):
    return 1 if n == 0 else x * power(x, n - 1)


print(power(2, 10))

1024

递归示例3：通过递归的方式解决汉诺塔问题

def move(n, a='A', b='B', c='C'):
    if n == 1:
        print('移动', a, '-->', c)
    else:
        move(n - 1, a, c, b)
        move(1, a, b, c)
        move(n - 1, b, a, c)


move(4)

移动 A --> B
移动 A --> C
移动 B --> C
移动 A --> B
移动 C --> A
移动 C --> B
移动 A --> B
移动 A --> C
移动 B --> C
移动 B --> A
移动 C --> A
移动 B --> C
移动 A --> B
移动 A --> C
移动 B --> C

在某些特殊的问题中，如果通过普通的循环方式虽然也可以实现，但在使用了递归的方式后代码更加简单。逻辑也更加清楚。
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。
使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多会导致栈溢出。

5.4.3 偏函数

参考：偏函数
介绍函数参数的时候，我们讲到，通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。
int()函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换：
>>> int('12345')

12345

但int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：
>>> int('12345', base=8)

5349

>>> int('12345', 16)

74565

假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：

def int2(x, base=2):
    return int(x, base)

这样，我们转换二进制就非常方便了：

>>> int2('1000000')

64

>>> int2('1010101')

85

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：
>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')

64

>>> int2('1010101')

85

所以，简单总结functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。
注意到上面的新的int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：
>>> int2('1000000', base=10)

1000000

最后，创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：
>>> int2 = functools.partial(int, base=2)
实际上固定了int()函数的关键字参数base，也就是：

>>> int2('10010')
相当于：
>>> kw = { 'base': 2 }
>>> int('10010', **kw)
当传入：
>>> max2 = functools.partial(max, 10)
实际上会把10作为args的一部分自动加到左边，也就是：
>>> max2(5, 6, 7)
相当于：
>>> args = (10, 5, 6, 7)
>>> max(args)

10

当函数的参数个数太多，需要简化时，使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。

5.4.4 闭包

闭包就是一种函数的嵌套，首先定义了一个函数，称之为外部函数。在这个外部函数体中又定义了一个内部函数，并且这个内部函数体中使用到了外部函数的变量。外部函数最后return了内部函数。那么这个外部函数以及内部函数就构成了一个特殊的对象，称之为闭包。
闭包避免了使用全局变量，使得局部变量在函数外被访问成为可能，相比较面向对象，不用继承那么多的额外方法，闭包占用了更少的空间。
闭包示例

a = 1


def out_fun(b):
    c = 3

    def in_fun(d):
        print(a + b + c + d)

    return in_fun


infun = out_fun(2)
infun(4)

10

可以看到，在内部函数in_fun中访问到了全局变量a、外部函数out_fun的局部变量c以及参数b。

5.4.4.2 装饰器

装饰器(decorator)的本质：函数闭包(function closure)的语法糖(Syntactic sugar)。通过给函数装饰，可以加强函数的功能或者增加原本函数没有的功能。
装饰器在第一次调用被装饰函数时进行增强，并且只增强一次。
让我们先从一个简单的函数开始吧。假设现在有一个函数，用来计算从1到100累加之和，并输出结果。为了避免计算太快，我们在使用循环累加时设置等待0.01秒，函数定义如下：

def mysum1():
    from time import sleep
    total = 0
    for _ in range(101):
        sleep(0.01)
        total += _
    print(total)

mysum1()

5050

此时，如果我们想要知道调用这个函数执行一共花了多少时间，我们可以在执行前后获取时间再经过计算得到，也可以通过改造函数，在函数内部函数体前后获取时间计算得到。但是这两种方法都比较麻烦，尤其是第二种方法，需要侵入式修改函数代码。
这个时候就可以通过为函数添加装饰器来实现了。下面是创建装饰器的一般方法：
装饰器的简单定义

def decorator1(func):

    def inner():
        print('在这里执行被装饰函数执行前的增强操作')

        func()  # 执行被装饰的函数

        print('在这里执行被装饰函数执行前的增强操作')

    return inner

从上面可以看出，装饰器也是一个函数。只不过装饰器接收的参数是被装饰的函数。然后再装饰器内部定义一个函数，该内部函数体中执行要增强的操作代码以及执行被装饰的函数。最后再return该内部函数。
接下来是用装饰器来对某个函数进行装饰。我们以上面定义的mysum1函数来进行装饰：
装饰器的使用

@decorator1
def mysum1():
    from time import sleep
    total = 0
    for _ in range(101):
        sleep(0.01)
        total += _
    print(total)
mysum1()

在这里执行被装饰函数执行前的增强操作
5050
在这里执行被装饰函数执行前的增强操作

由上面可以看出，如果要装饰某个函数，只需要在定义这个函数时，在def语句的上一行添加@装饰器函数即可。
对于装饰器装饰一个函数：

@decorator
def myfun():
    print("hello")

上面的代码等价于：

def myfun():
    print("hello")
   
myfun = decorator(myfun)

当一个装饰器装饰函数时，函数的功能增强了，因为在调用这个函数时，实际上调用的是在定义装饰器函数时，其内部函数。而此时内部函数是由增强功能命令和原被装饰函数组成。
创建一个统计函数运行时长的装饰器

import time


def decorator1(func):
    def inner():
        begin = time.time()

        func()  # 执行被装饰的函数

        end = time.time()
        print(f"函数`{func.__name__}`运行的总时间为：{end - begin:.3} 秒")

    return inner


@decorator1
def mysum1():
    from time import sleep
    total = 0
    for _ in range(101):
        sleep(0.01)
        total += _
    print(total)


mysum1()

5050
函数mysum1运行的总时间为：1.59 秒

5.4.4.2.2 被装饰函数接收参数

在上面的例子中，通过装饰器函数decorator装饰的函数是不能有输入参数的，在实际使用中并不是很方便。
通过对装饰器进行改造可以避免这种情况，从而使装饰器函数有更广泛的用途。
装饰器定义：让被装饰函数接收参数

import time


def decorator2(func):
    def inner(*args, **kwargs):
        begin = time.time()

        func(*args, **kwargs)  # 执行被装饰的函数

        end = time.time()
        print(f"函数`{func.__name__}`运行的总时间为：{end - begin:.3}")

    return inner

需要改造的地方：
1、为装饰器函数decorator的内部函数inner在定义时增加收集位置形参和收集关键字形参
2、在装饰器函数decorator的内部函数inner函数体中，执行被装饰器装饰的函数func时，通过参数解包的方式传入参数。
装饰带有参数的函数：

@decorator2
def mysum2(a, b):
    from time import sleep
    total = a
    for _ in range(total + 1, b + 1):
        sleep(0.01)
        total += _
    print(total)


mysum2(1, 100)

5050
函数mysum1运行的总时间为：1.56

5.4.4.2.3 装饰器函数接收参数

通过上面对装饰器进行改造，可以使的被装饰的函数可以输入参数。上面的装饰器函数decorator2可以计算被装饰的函数执行时间，但是只能获取到执行一次的时间。如果想要通过参数获取执行任一次的时间，则需要使得装饰器可以接收参数。
装饰器定义：装饰器接收参数

import time


def decorator3(n):
    def inner(func):
        def wrapper(*args, **kwargs):
            begin = time.time()
            for _ in range(iteration):
                func(*args, **kwargs)
            end = time.time()
            print(f"函数`{func.__name__}`运行的总时间为：{end - begin:.3}")

        return wrapper

    return inner

需要改造的地方：
1、装饰器函数此时并不是通过参数来传入被装饰的函数，而是定义装饰器自己的参数，演示时使用的是一个位置参数n，在后续如果遇到比较复杂的情况下也可以使用关键字形参、*args、**kwargs等收集参数。
2、内部函数inner用来收集被装饰的函数。
3、内部函数inner的内部函数wrapper用来收集被装饰的函数的参数。并编写需要增强的命令。最终要执行被装饰的函数其实就是执行这个wrapper函数。
装饰器接收参数：

import time


def decorator3(n):
    def inner(func):
        def wrapper(*args, **kwargs):
            begin = time.time()
            for _ in range(n):
                func(*args, **kwargs)
            end = time.time()
            print(f"函数`{func.__name__}`运行的总时间为：{end - begin:.3}")

        return wrapper

    return inner


@decorator3(10)
def mysum3(a, b):
    from time import sleep
    total = a
    for _ in range(total + 1, b + 1):
        sleep(0.01)
        total += _
    print(total)


mysum3(1, 10)
# 等价于：mysum3 = decorator3(10)(mysum3)

55
55
55
55
55
55
55
55
55
55
函数mysum3运行的总时间为：1.41

5.4.4.2.4 装饰器的返回值

如果你了解了上一节的内容，很容易想到只要在wrapper函数中return就是被装饰函数的返回值。
装饰器定义：接收被装饰函数的返回值

import time


def decorator3(n):
    def inner(func):
        def wrapper(*args, **kwargs):
            begin = time.time()
            for _ in range(n):
                func(*args, **kwargs)
            end = time.time()
            print(f"函数`{func.__name__}`运行的总时间为：{end - begin:.3}")
            return end - begin
        return wrapper

    return inner

1、在上面的代码中，return end – begin就是被装饰器的返回值。可以通过变量进行接收。

@decorator3(3)
def mysum3(a, b):
    from time import sleep
    total = a
    for _ in range(total + 1, b + 1):
        sleep(0.01)
        total += _
    print(total)


total_time = mysum3(1, 10)
print(total_time)

函数mysum3运行的总时间为：1.42
1.4218323230743408

5.4.4.2.5 多个装饰器装饰同一个函数

对于某个函数，可以使用多个装饰器对其进行装饰，写法如下：

@decorator1
@decorator2
def 被装饰函数():
	pass

对于被多个装饰器装饰的函数，其装饰顺序为由最近到远，即decorator2会先装饰，然后是decorator1。

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：函数的特殊使用方式 - Python技术站

赞 (0)
0 0 打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023年4月2日 下午4:06
下一篇 2023年4月2日

相关文章

  • Python内置函数 Python开发

    Python内置函数

    5.6 Python内置函数 Python自带的所有内置函数如下：Python函数以上为Python3.10中所有的内置函数，其中绝大部分在前面的学习当中都已经接触过了。这里在补充介绍下没有提到或学习到的函数。 5.6.1 callable(object) 描述如果参数 object 是可调用的就返回 True，否则返回 False。 如果返回 True，调…

    2023年3月31日
    00

  • Python简单语句

    3.5 Python简单语句 Python语句由关键字、标识符、表达式组成。语句的根本作用就是执行某些修改操作，让代码发挥作用去做某些事。语句从执行结构上来分有顺序、条件、循环结构，这3种结构可以实现任何算法功能。Python语句根据代码占用的逻辑行数分为只占用1行的简单语句和占用多行的复合语句。 3.5.1 赋值语句 赋值语句用于将名称(重)绑定到特定值，…

    Python开发 2023年4月2日
    00

  • Python函数的参数

    5.3 函数参数 示例2中定义的函数虽然能够计算总分数，但是每次计算后的结果是固定的，为了增加函数的灵活性，我们希望在调用函数的时候可以传入一些数据，然后根据传入的数据进行计算。要满足这种需求，就需要在定义函数的时候定义参数。 5.3.1 形参和实参 在编程语言中，函数定义使用的是形参，调用时传入的是实参。形参（parameter），全称为形式参数，不是实际…

    Python开发 2023年4月2日
    00

  • 常用库

    2.4 常用库 2.4.1 time 时间的访问和转换 该模块提供了各种与时间相关的函数。相关功能还可以参阅 datetime 和 calendar 模块。 2.4.2 datetime 基本日期和时间类型 datetime 模块提供用于处理日期和时间的类。 2.4.3 calendar 日历相关函数 这个模块让你可以输出像 Unix cal 那样的日历，它…

    Python开发 2023年4月2日
    00

  • 数字(number)

    4.2 数字(number) Python中数字类型有4种： 整型(int) 布尔型(bool) 浮点数(float) 复数(complex) 4.2.1 整型(int) 形如：1、233、-6、69这样的数据都是整型。1、在Python3中只有一种整型int，表示长整型，没有Python2中的long。2、理论上Python3中的int类型可以表示无限大的…

    Python开发 2023年4月2日
    00

  • 集合(set)

    4.6 集合(set) 集合是由不重复元素组成的无序容器。集合中的元素不能重复，即使向集合中再添加同样的元素，也只会保留一个。由于集合的这种特性，所以一般可以用集合进行去重。集合中不能添加可变对象(不可哈希)，因为无法判断两个可变对象是否相同，也就无法保证集合的内部不会有重复元素。集合中的元素是无序的，我们通过print可以显示集合内的元素，但是显示的结果并…

    Python开发 2023年4月2日
    00

  • Python表达式

    3.4 Python表达式 Python表达式是运算符和操作数进行有意义排列所得的组合。操作数可以是值、变量、标识符等。单独的一个值或一个变量也是一个表达式。表达式是Python程序中最常见的代码。表达式是一段可以被求值的代码。因为可以被求值，所以一般表达式可以写在赋值语句=的右边。表达式可以作为语句的组成部分。以下都是Python表达式： 5 + 3 3 …

    Python开发 2023年4月2日
    00

  • 类相关函数(反射机制)

    6.5 类相关函数(反射机制) 在 Python 中使用反射可以得到对象的属性，即：反过来让对象告诉我们他的相关信息是什么，用于实现在运行时获取对象的相关信息。Python中有几个内置方法，可以用来检查或是访问对象的属性。这些方法可以用于任意对象。 6.5.1 dir([obj]) 描述不带参数时，返回当前范围内的变量、方法和定义的类型列表；带参数时，返回参…

    Python开发 2023年3月31日
    00
合作推广
合作推广
分享本页
返回顶部