Python语言精要---下

函数：

可以返回多个值，其实函数是返回一个对象，就是元组，元组中的元素被拆分到各个结果变量中了

匿名函数：

lambda函数，仅仅由单条语句组成，结果就是返回值

这种函数没有提供名称属性

闭包：

closure就是其他函数动态生成并返回的函数

被返回的函数可以访问其创建者的局部命名空间


def make_closure(a):
    def closure():
        print("I know the secret: %d" % a)
    return closure()
closure = make_closure(5)

和标准函数的区别就是，即使创建者已经执行完成，闭包仍然可以访问创建者的局部命名空间

#I know the secret: 5

扩展调用语法：


def say_hello_then_call_f(f,*args,**kwargs):
    print("arg is " + str(args))
    print("kwargs is %s "% kwargs)
    print("hello now i am gonna to call %s" % f)
    return f(*args,**kwargs)
def g(x,y,z = 1):
    return (x+y) / z
say_hello_then_call_f(g,1,2,z = 5)
print(say_hello_then_call_f(g,1,2,z = 5))
print(g(1,2,z = 5))

柯里化：

通过部分参数应用从现有函数派生出来的新函数技术


def add_numbers(x,y):
    return x+y
add_five = lambda y: add_numbers(5, y)
print(add_five(2))
#这里的add_numbers的第二个参数是柯里化的，就是定义了一个可以调用现有函数的新函数而已
#还可以使用下面的模块函数简化这个过程
from functools import partial
add_five_ = partial(add_numbers,5)
print(add_five_(9))

在pandas和时间序列中，可以用这个技术创建专门的数据序列转换函数


#计算时间序列x的60日移动平均
ma60 = lambda x:pandas.rolling_mean(x,60)
#计算data中所有时间序列的60日移动平均
data.apply(ma60)

pandas:Python Data Analysis Library

生成器：

能以一种一致的方式对序列进行迭代

通过一种迭代器协议实现的

生成器是构造性的可迭代对象的一种简单方式

一般的函数执行之后只返回单个值

生成器则是以延时的方式返回一个序列

每返回一个值之后暂停

直到下一个值被请求时再继续

要创建一个生成器，只需要将函数中的return替换成yeild即可


def squares(n=10):
    print('Generating squares from 1 to %d' % (n**2))
    for i in range(1,n+1): 
        yield i**2
gen = squares()
print(gen)
#直到从生成器中请求元素时候，才会执行代码
for x in gen:
    print(x)
'''
<generator object squares at 0x000000BD50384518>
Generating squares from 1 to 100
1
4
9
16
25
36
49
64
81
100
'''

生成器表达式：

是构造生成器的最简单的方式，方式就是把列表推导两边的方括号改成圆括号


gen= (x ** 2 for x in range(100))
print(gen)
print(sum(x**2 for x in range(100)))
print(dict((i,i**2) for i in range(7)))
'''
<generator object <genexpr> at 0x0000007F13491938>
328350
{0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36}
'''

itertools模块：

这个模块中有一组可以用于许多常见数据算法的生成器

groupby可以接受任何序列和一个函数，根据函数的返回值对序列中的连续元素进行分组


import itertools
first_letter = lambda x: x[0]
names = ['jason','peggy','charles','heather','whitney','thea','ana','jane','aya']
for letter,name in itertools.groupby(names,first_letter):
    print(letter,list(name))
'''
j ['jason']
p ['peggy']
c ['charles']
h ['heather']
w ['whitney']
t ['thea']
a ['ana']
j ['jane']
a ['aya']
'''

文件操作：


with open('temp_temp.txt','w') as handle:
    handle.writelines(x for x in open('temp.txt') if len(x)> 1)
open('temp_temp.txt').readline()

来自为知笔记(Wiz)

秒客网

Python语言精要---下

相关文章