在python中使用闭包和其他惯例

本文涉及的产品
性能测试 PTS,5000VUM额度
应用实时监控服务-可观测链路OpenTelemetry版,每月50GB免费额度
应用实时监控服务-用户体验监控,每月100OCU免费额度
简介: 【7月更文挑战第3天】本文介绍闭包基本概念和例子,内部函数访问外部变量,实现数据隐藏。以及 Python的惯用法:用`in`检查字典键,用`dict.get()`安全取值。

简介

本文提供了python中几个基本主题的简短概述,适合快速回顾。

闭包:内部函数访问外部变量,实现数据隐藏。

  • Python惯用法:用in检查字典键,用dict.get()安全取值。
  • 元组 unpack:first, *rest, last = range(10)
  • 参数传入:foo(**adict)foo(*alist)
  • 字符串连接:name = "Wang" "Hone"
  • 列表推导:[(i,j) for i in range(3) for j in range(i)]
  • pickle序列化:存储和读取对象。

1 闭包

闭包 closure,在Python中,当嵌套的函数在其封闭的范围内引用一个值时,我们有一个闭包。

以下几点总结了在Python中创建闭包必须满足的条件。

我们必须有一个嵌套函数(函数在函数内部)。

嵌套函数必须引用在封闭函数中定义的值。

封闭函数必须返回嵌套函数。

image.png

闭包指的是 难以读取其他函数内部遍历的函数
def print_msg(msg):

# 这是外部封闭函数

def printer():
# 这是嵌套函数
    print(msg)

return printer  # 这变了

another = print_msg("Hello")

现在,让我们尝试调用此函数。

  another()
  输出: Hello

删除print_msg,仍然可以调用 another

del print_msg
another()
  输出: Hello

实现:从上面的实例可以看出, 定义在函数内的内部函数可以读取外层函数变量,从而实现闭包。

2 注意几个惯例;

1,判定dict的key是否存在,使用key in dict而不用 has_key

2,not的位置,使用key not in dict 而不用 no key in dict

3, 使用 dict.get(key[,default])如果key存在,返回,否则返回default

4, 数组字典初始化

 dic = {}
 for k,v in data:
     group = dic.setdefault(key,[])  #如果存在,返回dic[key],不存在把dic[key]设为defalut并返回
     group.append(v)
 from collections import defaultdic
     dic = defalutdic(list)
     for (k,v) in data:
         dic[key].append(v)  #所有key都有一个默认值

迭代一个数组,使用for i,e in enumerate(array) 而不是 for i in range(len(array))

  enumerate 还有第二个参数

3 py3元组unpack

    first, second,*rest, last = range(10)
    0    1    2~8        9

4 函数参数传入

    def foo(x,y):
        print(x,y)
    adict = {'x':1, 'y':2}

foo(**adict) #字典key作为参数名传入参数值

  alist=[1,2]
 foo(*alist)

5 字符串处理

计算机不处理字符,它们处理数字(二进制)。即使您可能在屏幕上看到字符,在内部它也被存储和操纵为0和1的组合。

字符到数字的这种转换称为编码,而相反的过程是解码。ASCII和Unicode是一些常用的编码。

在Python中,字符串是Unicode字符序列。引入Unicode包括所有语言中的每个字符并带来统一的编码。

  • 定义
  • 下面这些都是等价的

    my_string = 'Hello'
    print(my_string)
    
    my_string = "Hello"
    print(my_string)
    
    my_string = '''Hello'''
    print(my_string)
    
  • 三引号字符串可以扩展多行

      my_string = """Hello, welcome to
               the world of Python"""
      print(my_string)
    
  • 连接

      name = "Wang" "Hone" 
       # WangHong
    
  • 访问

str = '(abcdefghijklmnopqrstuvwxyz)'
print('str = ', str)

  • 第一个字符
    print('str[0] = ', str[0])

  • 最后一个字符
    print('str[-1] = ', str[-1])

  • 切片第二到第五个字符
    print('str[1:5] = ', str[1:5])

  • 切片从第6个到倒数第2个字符
    print('str[5:-2] = ', str[5:-2])

  • 删除字符串
    字符串是不可变的。这意味着字符串的元素一旦分配就无法更改。
    我们可以简单地将不同的字符串重新分配给相同的名称。
    可以完全删除定义的字符串,但是不能修改。

  • 内置方法
    字符串内置了常用的函数format()方法就是其中之一。其他方法有lower()、upper()、join()、split()、find()、replace()等。

6 解释器是开源的

解释器和源码在python都是开源的,任何人都可以编写Python解释器来执行Python代码。
确实存在多种Python解释器,包括但不限于:

CPython:当我们从Python官方网站下载并安装好Python 2.7或者python3后,我们就直接获得了一个官方版本的解释器:CPython。这个解释器是用C语言开发的,所以叫CPython。在命令行下运行python就是启动CPython解释器。

CPython是使用最广的Python官方解释器。

IPython是基于CPython之上的一个交互式解释器,IPython只是在交互方式上有所增强,功能和CPython是完全一样的。CPython用>>>作为提示符,而IPython用In [序号]:作为提示符。

PyPy是另一个Python解释器,它的目标是执行速度。PyPy采用JIT技术,对Python代码进行动态编译(注意不是解释),所以可以显著提高Python代码的执行速度。但是如果你的代码要放到PyPy下执行,就需要了解PyPy和CPython的不同点。

Jython是运行在Java平台上的Python解释器, 把Python代码编译成Java字节码执行。

IronPython .Net的python解释器

7 嵌套列表推导式

列表理解可以包含一个表达式,后跟方括号内的for语句。

这是一个列出每项增加2的幂的示例。
pow2 = [2 ** x for x in range(10)]

  输出: [1, 2, 4, 8, 16, 32, 64, 128, 256, 512]
  print(pow2)
       [(i,j) for i in range(3) for j in range(i)]

此代码等效于

  pow2 = []
  for x in range(10):
     pow2.append(2 ** x)

列表推导可以选择包含更多for或if语句。可选if语句可以过滤出新列表的项目。如示例。

    [2 ** x for x in range(10) if x > 5]

8 关键字

Python 3 中有 33 个关键字。该数字在一段时间内可能会略有变化。可以如下方式查看:

>>> import keyword
>>> print(keyword.kwlist)

所有关键字必须是小写的,其中 True,False 和 None 除外。
而print用法与c类似,如下为一个输出重定向。

print >>open('a.txt', 'w+'), 'hello,world'

9 反射

#检查是否某个自定的类

        isinstance(obj, class)   

10 Picking是Python数据结构的序列化过程

存储一个对象,稍后再取出读取

如何pickle 已存在的对象类型到文件

    json = {'name':'jack', 'age':100}
json_file = open('json pkl', 'rb')
pickle.dump(json.json_file)
json_file.dump(json,json_file)
json_file.close()

取出

data=pickle.load(json_file)
print(data)
json_file.close()

pickler内建类型和外部方法

类自定义行为

    __getinitargs__(self)  #
    __getnewargs__(self)

Slate 记住它曾经是什么,以及什么时候赋值给它 ?

 __slate__

为对象类 提供限制,只能赋予固定的属性名称

目录
相关文章
|
12天前
|
存储 缓存 算法
Python闭包|你应该知道的常见用例(下)
Python闭包|你应该知道的常见用例(下)
13 1
Python闭包|你应该知道的常见用例(下)
|
16天前
|
自然语言处理 小程序 测试技术
Python闭包|你应该知道的常见用例(上)
Python闭包|你应该知道的常见用例(上)
16 3
Python闭包|你应该知道的常见用例(上)
|
4月前
|
监控 测试技术 Python
颠覆传统!Python闭包与装饰器的高级实战技巧,让你的项目效率翻倍
【7月更文挑战第7天】Python的闭包与装饰器是强大的工具。闭包是能记住外部作用域变量的内部函数,常用于动态函数创建和工厂模式。例如,`make_power`返回含外部变量`n`的`power`闭包。装饰器则允许在不修改函数代码的情况下添加新功能,如日志或性能监控。`my_decorator`函数接收一个函数并返回包装后的函数,添加了前后处理逻辑。掌握这两者,可提升编程效率和灵活性。
41 3
|
1月前
|
Python
深入理解Python中的闭包
深入理解Python中的闭包
18 0
|
3月前
|
数据安全/隐私保护 Python
Python闭包:函数定义的神秘力量!
Python闭包:函数定义的神秘力量!
54 0
|
4月前
|
程序员 Python
从零到一,彻底掌握Python闭包与装饰器的精髓,成为编程界的隐藏Boss
【7月更文挑战第7天】探索Python编程的两大基石:闭包与装饰器。闭包是内部函数记住外部作用域的变量,如`make_multiplier_of`返回的`multiplier`,它保持对`n`的引用。装饰器则是函数工厂,接收函数并返回新函数,如`my_decorator`,它在不改变原函数代码的情况下添加日志功能。掌握这些,让代码更优雅,效率更高,助你成为编程高手。
32 3
|
4月前
|
程序员 Python
程序员必看!Python闭包与装饰器的高级应用,让你的代码更优雅、更强大
【7月更文挑战第7天】Python中的闭包和装饰器是高级特性,用于增强代码功能。闭包是内部函数记住外部作用域的变量,常用于动态函数和函数工厂。示例展示了`make_multiplier_of`返回记住n值的`multiplier`闭包。装饰器则是接收函数并返回新函数的函数,用于不修改原函数代码就添加功能。`my_decorator`装饰器通过`@`语法应用到`say_hello`函数上,展示了在调用前后添加额外行为的能力。这两种技术能提升代码的优雅性和效率。
38 3
|
4月前
|
Python
Python编程实战:利用闭包与装饰器优化日志记录功能
【7月更文挑战第7天】Python的闭包和装饰器简化了日志记录。通过定义如`log_decorator`的装饰器,可以在不修改原函数代码的情况下添加日志功能。当@log_decorator用于`add(x, y)`函数时,调用时自动记录日志。进一步,`timestamp_log_decorator`展示了如何创建特定功能的装饰器,如添加时间戳。这些技术减少了代码冗余,提高了代码的可维护性。
64 1
|
4月前
|
Python
Python黑魔法揭秘:闭包与装饰器的高级玩法,让你代码飞起来
【7月更文挑战第7天】Python的闭包和装饰器是提升代码效率的神器。闭包是能记住外部作用域变量的内部函数,常用于动态函数创建。示例中,`make_multiplier_of`返回一个保留`n`值的闭包。装饰器则是一个接收函数并返回新函数的函数,用于在不修改原函数情况下添加功能,如日志或性能追踪。`@my_decorator`装饰的`say_hello`函数在执行时会自动加上额外操作。掌握这两者,能让Python代码更优雅、强大。**
33 1
|
4月前
|
自然语言处理 Python
从菜鸟到大神,一篇文章带你玩转Python闭包与装饰器的深度应用
【7月更文挑战第4天】Python中的闭包和装饰器是增强代码优雅性的关键特性。闭包是能访问外部作用域变量的内部函数,如示例中的`inner_function`。装饰器则是接收函数并返回新函数的函数,用于扩展功能,如`my_decorator`。装饰器可与闭包结合,如`repeat`装饰器,它使用闭包记住参数并在调用时重复执行原函数。这些概念提升了代码复用和可维护性。
27 1