隐式函数python的简单介绍

Python 有什么奇技淫巧

显示有限的接口到外部

创新互联是专业的北仑网站建设公司，北仑接单;提供成都做网站、成都网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行北仑网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

当发布python第三方package时, 并不希望代码中所有的函数或者class可以被外部import, 在__init__.py中添加__all__属性,

该list中填写可以import的类或者函数名, 可以起到限制的import的作用, 防止外部import其他函数或者类

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

from base import APIBase

from client import Client

from decorator import interface, export, stream

from server import Server

from storage import Storage

from util import (LogFormatter, disable_logging_to_stderr,

enable_logging_to_kids, info)

__all__ = ['APIBase', 'Client', 'LogFormatter', 'Server',

'Storage', 'disable_logging_to_stderr', 'enable_logging_to_kids',

'export', 'info', 'interface', 'stream']

with的魔力

with语句需要支持上下文管理协议的对象, 上下文管理协议包含 __enter__ 和__exit__ 两个方法. with语句建立运行时上下文需要通过这两个方法执行进入和退出操作.

其中上下文表达式是跟在with之后的表达式, 该表示大返回一个上下文管理对象

Python

# 常见with使用场景

with open("test.txt", "r") as my_file: # 注意, 是__enter__()方法的返回值赋值给了my_file,

for line in my_file:

print line

详细原理可以查看这篇文章《浅谈 Python 的 with 语句》

知道具体原理, 我们可以自定义支持上下文管理协议的类, 类中实现 __enter__ 和__exit__ 方法

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

class MyWith(object):

def __init__(self):

print "__init__ method"

def __enter__(self):

print "__enter__ method"

return self # 返回对象给as后的变量

def __exit__(self, exc_type, exc_value, exc_traceback):

print "__exit__ method"

if exc_traceback is None:

print "Exited without Exception"

return True

else:

print "Exited with Exception"

return False

def test_with():

with MyWith() as my_with:

print "running my_with"

print "------分割线-----"

with MyWith() as my_with:

print "running before Exception"

raise Exception

print "running after Exception"

if __name__ == '__main__':

test_with()

执行结果如下:

__init__ method

__enter__ method

running my_with

__exit__ method

Exited without Exception

------分割线-----

__init__ method

__enter__ method

running before Exception

__exit__ method

Exited with Exception

Traceback (most recent call last):

File "bin/python", line 34, in module

exec(compile(__file__f.read(), __file__, "exec"))

File "test_with.py", line 33, in module

test_with()

File "test_with.py", line 28, in test_with

raise Exception

Exception

证明了会先执行 __enter__ 方法, 然后调用with内的逻辑, 最后执行 __exit__ 做退出处理, 并且, 即使出现异常也能正常退出

filter的用法

相对filter而言, map和reduce使用的会更频繁一些, filter正如其名字, 按照某种规则过滤掉一些元素

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

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

# 所有奇数都会返回True, 偶数会返回False被过滤掉

print filter(lambda x: x % 2 != 0, lst)

#输出结果

[1, 3, 5]

一行作判断

当条件满足时, 返回的为等号后面的变量, 否则返回else后语句

Python

lst = [1, 2, 3]

new_lst = lst[0] if lst is not None else None

print new_lst

# 打印结果

装饰器之单例

使用装饰器实现简单的单例模式

Python

# 单例装饰器

def singleton(cls):

instances = dict() # 初始为空

def _singleton(*args, **kwargs):

if cls not in instances: #如果不存在, 则创建并放入字典

instances[cls] = cls(*args, **kwargs)

return instances[cls]

return _singleton

a href=""@singleton/a

class Test(object):

pass

if __name__ == '__main__':

t1 = Test()

t2 = Test()

# 两者具有相同的地址

print t1, t2

staticmethod装饰器

类中两种常用的装饰, 首先区分一下他们

普通成员函数, 其中第一个隐式参数为对象

classmethod装饰器, 类方法(给人感觉非常类似于OC中的类方法), 其中第一个隐式参数为类

staticmethod装饰器, 没有任何隐式参数. python中的静态方法类似与C++中的静态方法

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

class A(object):

# 普通成员函数

def foo(self, x):

print "executing foo(%s, %s)" % (self, x)

@classmethod # 使用classmethod进行装饰

def class_foo(cls, x):

print "executing class_foo(%s, %s)" % (cls, x)

@staticmethod # 使用staticmethod进行装饰

def static_foo(x):

print "executing static_foo(%s)" % x

def test_three_method():

obj = A()

# 直接调用噗通的成员方法

obj.foo("para") # 此处obj对象作为成员函数的隐式参数, 就是self

obj.class_foo("para") # 此处类作为隐式参数被传入, 就是cls

A.class_foo("para") #更直接的类方法调用

obj.static_foo("para") # 静态方法并没有任何隐式参数, 但是要通过对象或者类进行调用

A.static_foo("para")

if __name__ == '__main__':

test_three_method()

# 函数输出

executing foo(__main__.A object at 0x100ba4e10, para)

executing class_foo(class '__main__.A', para)

executing static_foo(para)

property装饰器

定义私有类属性

将property与装饰器结合实现属性私有化(更简单安全的实现get和set方法)

Python

#python内建函数

property(fget=None, fset=None, fdel=None, doc=None)

fget是获取属性的值的函数,fset是设置属性值的函数,fdel是删除属性的函数,doc是一个字符串(like a comment).从实现来看，这些参数都是可选的

property有三个方法getter(), setter()和delete() 来指定fget, fset和fdel。这表示以下这行

Python

class Student(object):

@property #相当于property.getter(score) 或者property(score)

def score(self):

return self._score

@score.setter #相当于score = property.setter(score)

def score(self, value):

if not isinstance(value, int):

raise ValueError('score must be an integer!')

if value 0 or value 100:

raise ValueError('score must between 0 ~ 100!')

self._score = value

iter魔法

通过yield和__iter__的结合, 我们可以把一个对象变成可迭代的

通过__str__的重写, 可以直接通过想要的形式打印对象

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

class TestIter(object):

def __init__(self):

self.lst = [1, 2, 3, 4, 5]

def read(self):

for ele in xrange(len(self.lst)):

yield ele

def __iter__(self):

return self.read()

def __str__(self):

return ','.join(map(str, self.lst))

__repr__ = __str__

def test_iter():

obj = TestIter()

for num in obj:

print num

print obj

if __name__ == '__main__':

test_iter()

神奇partial

partial使用上很像C++中仿函数(函数对象).

在stackoverflow给出了类似与partial的运行方式

Python

def partial(func, *part_args):

def wrapper(*extra_args):

args = list(part_args)

args.extend(extra_args)

return func(*args)

return wrapper

利用用闭包的特性绑定预先绑定一些函数参数, 返回一个可调用的变量, 直到真正的调用执行

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

from functools import partial

def sum(a, b):

return a + b

def test_partial():

fun = partial(sum, 2) # 事先绑定一个参数, fun成为一个只需要一个参数的可调用变量

print fun(3) # 实现执行的即是sum(2, 3)

if __name__ == '__main__':

test_partial()

# 执行结果

神秘eval

eval我理解为一种内嵌的python解释器(这种解释可能会有偏差), 会解释字符串为对应的代码并执行, 并且将执行结果返回

看一下下面这个例子

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

def test_first():

return 3

def test_second(num):

return num

action = { # 可以看做是一个sandbox

"para": 5,

"test_first" : test_first,

"test_second": test_second

}

def test_eavl():

condition = "para == 5 and test_second(test_first) 5"

res = eval(condition, action) # 解释condition并根据action对应的动作执行

print res

if __name__ == '_

exec

exec在Python中会忽略返回值, 总是返回None, eval会返回执行代码或语句的返回值

exec和eval在执行代码时, 除了返回值其他行为都相同

在传入字符串时, 会使用compile(source, 'string', mode)编译字节码. mode的取值为exec和eval

Python

#!/usr/bin/env python

# -*- coding: utf-8 -*-

def test_first():

print "hello"

def test_second():

test_first()

print "second"

def test_third():

print "third"

action = {

"test_second": test_second,

"test_third": test_third

}

def test_exec():

exec "test_second" in action

if __name__ == '__main__':

test_exec() # 无法看到执行结果

getattr

getattr(object, name[, default])Return the value of the named attribute of object. name must be a string. If the string is the name of one of the object’s attributes, the result is the value of that attribute. For example, getattr(x, ‘foobar’) is equivalent to x.foobar. If the named attribute does not exist, default is returned if provided, otherwise AttributeError is raised.

通过string类型的name, 返回对象的name属性(方法)对应的值, 如果属性不存在, 则返回默认值, 相当于object.name

Python

# 使用范例

class TestGetAttr(object):

test = "test attribute"

def say(self):

print "test method"

def test_getattr():

my_test = TestGetAttr()

try:

print getattr(my_test, "test")

except AttributeError:

print "Attribute Error!"

try:

getattr(my_test, "say")()

except AttributeError: # 没有该属性, 且没有指定返回值的情况下

print "Method Error!"

if __name__ == '__main__':

test_getattr()

# 输出结果

test attribute

test method

命令行处理

Python

def process_command_line(argv):

"""

Return a 2-tuple: (settings object, args list).

`argv` is a list of arguments, or `None` for ``sys.argv[1:]``.

"""

if argv is None:

argv = sys.argv[1:]

# initialize the parser object:

parser = optparse.OptionParser(

formatter=optparse.TitledHelpFormatter(width=78),

add_help_option=None)

# define options here:

parser.add_option( # customized description; put --help last

'-h', '--help', action='help',

help='Show this help message and exit.')

settings, args = parser.parse_args(argv)

# check number of arguments, verify values, etc.:

if args:

parser.error('program takes no command-line arguments; '

'"%s" ignored.' % (args,))

# further process settings args if necessary

return settings, args

def main(argv=None):

settings, args = process_command_line(argv)

# application code here, like:

# run(settings, args)

return 0 # success

if __name__ == '__main__':

status = main()

sys.exit(status)

读写csv文件

Python

# 从csv中读取文件, 基本和传统文件读取类似

import csv

with open('data.csv', 'rb') as f:

reader = csv.reader(f)

for row in reader:

print row

# 向csv文件写入

import csv

with open( 'data.csv', 'wb') as f:

writer = csv.writer(f)

writer.writerow(['name', 'address', 'age']) # 单行写入

data = [

( 'xiaoming ','china','10'),

( 'Lily', 'USA', '12')]

writer.writerows(data) # 多行写入

各种时间形式转换

只发一张网上的图, 然后差文档就好了, 这个是记不住的

字符串格式化

一个非常好用, 很多人又不知道的功能

Python

name = "andrew"

"my name is {name}".format(name=name)

'my name is andrew'

Python 中max( )函数与lambda隐式函数结合使用时出错。

print max.__doc__max(iterable[, key=func]) - valuemax(a, b, c, ...[, key=func]) - valueWith a single iterable argument, return its largest item.With two or more arguments, return the largest argument. 后面的func，是比较函数，条件成立后，max执行结束。所以： array1 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] max(array1, key=lambda x: x 6) 7 如果： max([i for i in range(0,9)], key=lambda x: x = 6)6 执行结果就是6

Python 数据模型

Python 风格的关键完全体现在 Python 的数据模型上，数据模型所描述的 API ，为使用最地道的语言特性来构建开发者自己的对象提供了工具。

当 Python 解析器遇到特殊句法时，会使用特殊方法去激活一些基本的对象操作。特殊方法以双下划线开头，以双下划线结尾。如： obj[key] 的背后就是 __getitem__ 方法。魔术方法是特殊方法的昵称，特殊方法也叫双下方法。

使用 __getitem__ 和 __len__ 创建一摞有序的纸牌：

上面的例子，使用 collections.namedtuple 构建了一个简单的类来表示一张纸牌， namedtuple 用以构建只有少数属性但没有方法的类。

我们自定义的 FrenchDeck 类可以像任何 python 标准集合类型一样使用 len() 函数，查看一叠牌有多少张：

也可以像列表一样，使用位置索引， d[i] 将调用 __getitem__ 方法：

也可以使用标准库模块提供的 random.choice 方法，从序列中随机选取一个元素。下面，我们如随机取出一张纸牌：

现在我们已经体会到通过 python 特殊方法，来使用 Python 数据模型的 2 个好处：

因为 __getitem__ 方法把 [] 操作交给了 self.cards 列表，所以我们的 FrenchDeck 实例自动支持切片：

仅仅实现了 __getitem__ 方法，这一摞牌即变得可迭代：

运行结果：

也可以直接调用内置的 reversed 函数，反向迭代 FrenchDeck 实例：

运行结果：

迭代通常是隐式的，比如一个集合类型没有实现 __contains__ 方法，那么 in 运算符就会按顺序做一次迭代搜索。

因此， in 运算符可以用在我们的 FrenchDeck 实例上，因为它是可迭代的：

FrenchDeck 还可以使用 Python 标准库中的 sorted 函数，实现排序：

首先定义一个排序依据的函数：

优先按 rank 的大小排序，rank 相同时则比较 suit 的值：

运行结果：

优先按 suit 的大小排序，suit 相同时则比较 rank 的值：

运行结果：

按照目前的设计，FrenchDeck 还不支持洗牌，因为它是不可变的：

shuffle 函数要调换集合中元素的位置，而 FrenchDeck 只实现了不可变的序列协议，可变的序列还必须提供 __setitem__ 方法：

洗牌：

没有任何的返回值，可见 random.shuffle 就地修改了可变序列 d 。为便于观察结果，我们定义输入的输出函数：

运行结果：

每次洗牌，都是一个随机的序列：

首先明确一点，特殊方法的存在是为了被 Python 解析器调用的，例如：我们不会使用 obj.__len__() 这种写法，而是 len(obj) 。在执行 len(obj) 时，如果 obj 是一个自定义类的对象，那么 Python 会自己去调用我们实现的 __len__ 方法。

对于 Python 内置的数据类型，比如列表、字符串、字节序列等，那么 CPython 会抄个近路， __len__ 实际上会返回 PyVarObject 里的 ob_size 属性，这是因为直接读取属性比调用一个方法要快得多。

很多时候，特殊方法的调用是隐式的，比如 for i in x: 这个语句其实是调用 iter(x) ，而这个函数的背后是 x.__iter__() 方法。

通过内置函数如来使用特殊方法是最好的选择。这些内置函数不仅会调用这些方法，通常还提供额外的好处，对于内置类型来说，它们的速度更快。

下面，我们通过定义一个简单的二维向量类，再来体会一下 Python 特殊方法的美妙：

使用 Vector 类，就像使用 Python 内置的数据类型一样简单：

python 怎么样隐式函数调用

最常用的是在类定义的方法，给一个property的装饰器，可以安装调用属性的方式调用

网站栏目：隐式函数python的简单介绍
分享地址：http://pwwzsj.com/article/dodsjps.html

平武建站

隐式函数python的简单介绍

Python 有什么奇技淫巧

Python 中max( )函数与lambda隐式函数结合使用时出错。

Python 数据模型

python 怎么样隐式函数调用

其他资讯