一、为什么要使用函数?

   1.避免代码重用

   2.提高代码的可读性

二、函数的定义与调用

1def  函数名(参数1,参数2):

    ''' 函数注释'''

    print('函数体')

    return 返回值

  定义:def关键字开头,空格之后接函数名和圆括号,最后还要加一个冒号。

        def是固定的,不能变。

  函数名:函数名是包含字母,数字,下划线的任意组合,但是不能以数字开头。虽然函数名可以随便取名,但是一般尽量定义成可以表示函数功能的。

2.函数的调用

     返回值=函数名(参数1,参数2)#记得函数名后面加括号

 函数和方法的区别

1、函数要手动传self,方法不用传

2、如果是一个函数,用类名去调用,如果是一个额方法,用对象去调用 

举例说明:



python训练的时候使用自定义损失函数_默认参数



class Foo(object):
    def __init__(self):
        self.name="haiyan"
    def func(self):
        print(self.name)

obj = Foo()
obj.func()
Foo.func(obj)



python训练的时候使用自定义损失函数_默认参数



判断函数和方法的方式



python训练的时候使用自定义损失函数_默认参数



from types import FunctionType,MethodType
obj = Foo()
print(isinstance(obj.func,FunctionType))  #False
print(isinstance(obj.func,MethodType))   #True   #说明这是一个方法

print(isinstance(Foo.func,FunctionType))  #True   #说明这是一个函数。
print(isinstance(Foo.func,MethodType))  #False


python训练的时候使用自定义损失函数_默认参数



三、函数的返回值

1.return的作用:结束一个函数的执行

2.首先返回值可以是任意的数据类型。

3.函数可以有返回值:如果有返回值,必须要用变量接收才有效果

   也可以没有返回值:

  没有返回值的时候分三种情况:

    1.当不写return的时候,函数的返回值为None

    2.当只写一个return的时候,函数的返回值为None

    3.return None的时候,函数的返回值为None(几乎不用)

4.return返回一个值(一个变量)

5.return返回多个值(多个变量):多个值之间用逗号隔开,以元组的形式返回。

                接收:可以用一个变量接收,也可以用多个变量接收,返回几个就用几个变量去接收



def firstvalue(a,b):

    c = a + b

    return c


def secondvalue(a,b):

    c = a + b

    return a,b,c



 

四、函数的参数



1.实参和形参
形参:是函数定义时候定义的参数
实参:函数调用的时候传进来的参数
2.传递多个参数可以传递多个参数,多个参数之间用逗号隔开。



站在传参的角度上,调用函数时传参数有两种方式:
  1.按照位置传参数
  2.按照关键字传参数
用法:1.位置参数必须在关键字参数的前面
   2.对于一个参数只能赋值一次




python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

def my_max(a,b):#位置参数:按顺序定义参数
    if a>b:
        return a
    else:
        return b
# 站在传参的角度上
print(my_max(20,30))
print(my_max(10,20))# 1.按照位置传参
print(my_max(b=50,a=30))# 2.按照关键字传参
print(my_max(10,b=30))#3.位置和关键字传参混搭

传递多个参数,实现比大小的功能


View Code


3.默认参数

用法:为什么要用默认参数?将变化比较小的值设置成默认参数(比如一个班的男生多,女生就几个,就可以设置个默认值参数)

定义:默认参数可以不传,不传的时候用的就是默认值,如果传会覆盖默认值。

   默认的值是在定义函数的时候就已经确定了的




python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

def stu_info(name,sex = "male"):
    """打印学生信息函数,由于班中大部分学生都是男生,
        所以设置默认参数sex的默认值为'male'
    """
    print(name,sex)
stu_info('alex')
stu_info('海燕','female')

默认参数


View Code


4.动态参数

按位置传值多余的参数都由args统一接收,保存成一个元组的形式

按关键字传值接受多个关键字参数,由kwargs接收,保存成一个典的形式




python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

def fun(a,b,*args):
     sum=a+b
     for i in args:
            sum+=i
     return sum
 print(fun(1,5,6,4))#输出1+5+6+4的和


*args应用



python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

def fun(a,b,**kwargs):
    print(a,b,kwargs)

# 按照关键字传参数
fun(a = 10,b = 20,cccc= 30,dddd = 50)#输出10 20 {'cccc': 30, 'dddd': 50}





def f(a,b,*args,defult=6,**kwargs):
    #位置参数,*args, 默认参数,**kwargs
    # print(a,b,args,defult,kwargs)
    return a,b,args,defult,kwargs

#传参数的时候:必须先按照位置传参数,再按照关键字传参数
print(f(1,2,7,8,ccc=10,der=5))

*kwargs的应用


**kwargs应用



1.为什么要使用装饰器呢?

  装饰器的功能:在不修改原函数及其调用方式的情况下对原函数功能进行扩展

  装饰器的本质:就是一个闭包函数



import time
def wrapper(func):
        def inner():
               start=time.time()
               func()
               end=time.time()
               print(end-start)
        return inner
@wrapper
def  kkk():#相当于kkk=wrapper(kkk)
    print('aaaaa')
kkk()




python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

import time
def timer(func):
    def inner(*args,**kwargs):
        start = time.time()
        re = func(*args,**kwargs)
        end=time.time()
        print(end- start)
        return re
    return inner

@timer   #==> func1 = timer(func1)
def func1(a,b):
    print('in func1')
    print(a,b)

@timer   #==> func1 = timer(func1)
def func2(a):
    print('in func2 and get a:%s'%(a))
    return 'fun2 over'

func1(1,2)
print(func2('aaaaaa'))

原函数带多个参数的装饰器


带多个参数的装饰器



python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

import time
def timer(func):
    def inner(*args,**kwargs):
        start = time.time()
        re = func(*args,**kwargs)
        end=time.time()
        print(end - start)
        return re
    return inner

@timer   #==> func1 = timer(func1)
def jjj(a):
    print('in jjj and get a:%s'%(a))
    return 'fun2 over'

jjj('aaaaaa')
print(jjj('aaaaaa'))

带返回值的装饰器


带返回值的装饰器


二、开放封闭原则

1.对扩展是开放的

2.对修改是封闭的

 三、装饰器的固定结构



import time
def wrapper(func):  # 装饰器
    def inner(*args, **kwargs):
        '''函数执行之前的内容扩展'''
        ret = func(*args, **kwargs)
         '''函数执行之前的内容扩展'''
        return ret
    return inner

@wrapper  # =====>aaa=timmer(aaa)
def aaa():
    time.sleep(1)
    print('fdfgdg')
aaa()



四、带参数的装饰器

带参数的装饰器:就是给装饰器传参

        用处:就是当加了很多装饰器的时候,现在忽然又不想加装饰器了,想把装饰器给去掉了,但是那么多的代码,一个一个的去闲的麻烦,那么,我们可以利用带参数的装饰器去装饰它,这就他就像一个开关一样,要的时候就调用了,不用的时候就去掉了。给装饰器里面传个参数,那么那个语法糖也要带个括号。在语法糖的括号内传参。在这里,我们可以用三层嵌套,弄一个标识为去标识。如下面的代码示例




python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

# 带参数的装饰器:(相当于开关)为了给装饰器传参
# F=True#为True时就把装饰器给加上了
F=False#为False时就把装饰器给去掉了
def outer(flag):
    def wrapper(func):
        def inner(*args,**kwargs):
            if flag:
                print('before')
                ret=func(*args,**kwargs)
                print('after')
            else:
                ret = func(*args, **kwargs)
            return ret
        return inner
    return wrapper

@outer(F)#@wrapper
def hahaha():
    print('hahaha')

@outer(F)
def shuangwaiwai():
    print('shuangwaiwai')

hahaha()
shuangwaiwai()

给装饰器加参数


装饰器开关


五、多个装饰器装饰一个函数



def qqqxing(fun):
    def inner(*args,**kwargs):
        print('in qqxing: before')
        ret = fun(*args,**kwargs)
        print('in qqxing: after')
        return ret
    return inner

def pipixia(fun):
    def inner(*args,**kwargs):
        print('in qqxing: before')
        ret = fun(*args,**kwargs)
        print('in qqxing: after')
        return ret
    return inner
@qqqxing
@pipixia
def dapangxie():
    print('饿了吗')
dapangxie()

'''
@qqqxing和@pipixia的执行顺序:先执行qqqxing里面的 print('in qqxing: before'),然后跳到了pipixia里面的
        print('in qqxing: before')
        ret = fun(*args,**kwargs)
        print('in qqxing: after'),完了又回到了qqqxing里面的 print('in qqxing: after')。所以就如下面的运行结果截图一样
'''

多个装饰器装饰一个函数



六、统计多少个函数被装饰了的小应用




python训练的时候使用自定义损失函数_sed_05

python训练的时候使用自定义损失函数_数据结构与算法_06

统计多少个函数被我装饰了
l=[]
def wrapper(fun):
    l.append(fun)#统计当前程序中有多少个函数被装饰了
    def inner(*args,**kwargs):
        # l.append(fun)#统计本次程序执行有多少个带装饰器的函数被调用了
        ret = fun(*args,**kwargs)
        return ret
    return inner

@wrapper
def f1():
    print('in f1')

@wrapper
def f2():
    print('in f2')

@wrapper
def f3():
    print('in f3')
print(l)

统计多少个函数被装饰了


View Code


 



内置函数
1.eval,exec,和compile

eval("print(456)")#吧字符串转换成python代码去执行(有返回值)
exec("print(7889)")#吧字符串转换成python代码去执行(无返回值)
2.compile#做编译



com=compile('1+2+3','',mode = 'eval')#节省时间
print(eval(com))
print(eval('1+2+3'))#这句效果和上面的compile()效果一样

 3.type()

 



4.round精确度
print(round(3.1415926,2))#保留两位



5.和数据结构相关的
1.reversed()顺序的反转
l=[1,2,3,4]
print(list(reversed(l)))#是生成了一个新的列表,没有改变原来的列表(以后能不用reversed就不用reversed,用reverse)

#l.reverse()#在现在的列表的基础上修改了,修改的是原来的列表
5.slice切片
6.format()#除了格式化以外的作业


6.set和frozenset(不可变的集合)就像list和tuple


7.zip()



l=[1,2,3]
l2=[4,5,6,7,8]
print(zip(l,l2))
print(list(zip(l,l2)))
l3={'k':'v'}
print(list(zip(l,l3)))



8.sort和sorted



l=[1,3,5,-2,-6]
l.sort()
print(l)
l2=[1,3,5,-2,-6]
print(sorted(l2))
print(sorted(l2,key=abs))
print(sorted(l2,key=abs,reverse=True))#默认从小到大排序,修改为True,则从大到小排序



9.map():我要对我的列表当中的每一个值去做函数里面的操作



l=[1,2,3,4,5]
def pow2(x):
    return x*x
print(list(map(pow2,l)))



10.filter():从一个列表当中找到所有符合筛选条件的,在组成一个新列表



def aaa(x):
     return x%2==1
ret=list(filter(aaa,[1,2,54,3,6,8,17,9]))
print(ret)



递归函数



 

1.什么是递归:在一个函数里在调用这个函数本身



一个数,除2直到不能整除2
def  cal(num):
        if  num%2==0:#先判断能不能整除
            num=num//2
            return cal(num)
        else:
            return num
print(cal(8))



 

匿名函数:也叫lambda表达式

1.匿名函数的核心:一些简单的需要用函数去解决的问题,匿名函数的函数体只有一行

2.参数可以有多个,用逗号隔开

3.返回值和正常的函数一样可以是任意的数据类型

 

python训练的时候使用自定义损失函数_传参数_21



请把下面的函数转换成匿名函数
def  add(x,y)
        return x+y
add()

结果:
sum1=lambda x,y:x+y
print(sum1(5,8))



python训练的时候使用自定义损失函数_默认参数



三、列表推导式

30以内所有被3整除的数
print(list([i for i in range(30) if i%3==0]))


将一个字典的key和value对调



mcase = {'a': 10, 'b': 34}
res1 = {i:mcase[i] for i in mcase}
res={mcase[i]:i for i in mcase }
print(res1)
print(res)



例二:合并大小写对应的value值,将k统一成小写



mcase = {'a':10,'b':34,'A':7}
res = {i.lower():mcase.get(i.lower(),0)+mcase.get(i.upper(),0) for i in mcase}
print(res)



四、集合推倒式

例:计算列表中每个值的平方,自带去重功能



l=[5,-5,1,2,5]
print({i**2 for i in l})



 

高阶函数

map()传入的第一个参数是f,即函数对象本身。由于结果r是一个Iterator,Iterator是惰性序列,因此通过list()函数让它把整个序列都计算出来并返回一个list。

a='123'
def f(x):
return x
r=map(f,a)
print list(r)

reduce的用法。reduce把一个函数作用在一个序列[x1, x2, x3, ...]上,这个函数必须接收两个参数,reduce把结果继续和序列的下一个元素做累积计算,其效果就是:

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)


filter()把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素。

defis_odd(n): returnn % 2== 1list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))

排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序,排序的核心是比较两个元素的大小。如果是数字,我们可以直接比较,但如果是字符串或者两个dict呢?直接比较数学上的大小是没有意义的,因此,比较的过程必须通过函数抽象出来

Python内置的sorted()函数就可以对list进行排序:

sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)

①从参数方面来讲:

map()函数:

  map()包含两个参数,第一个是参数是一个函数,第二个是序列(列表或元组)。其中,函数(即map的第一个参数位置的函数)可以接收一个或多个参数。

reduce()函数:

reduce() 第一个参数是函数,第二个是 序列(列表或元组)。但是,其函数必须接收两个参数。

②从对传进去的数值作用来讲:

map()是将传入的函数依次作用到序列的每个元素,每个元素都是独自被函数“作用”一次;

reduce()是将传人的函数作用在序列的第一个元素得到结果后,把这个结果继续与下一个元素作用(累积计算),

最终结果是所有的元素相互作用的结果。

练习:

计算:lambda和reduce实现1到100的累加 fromfunctools importreduce print(reduce(lambdax,y:sum([x,y]),range(1,101))) #第一个参数是一个函数,第二个参数是一个序列print(map(lambdax,y:sum([x,y]),range(1,101))) #第一个参数是一个函数,第二个参数是一个序列print(list(map(lambdax,y:sum([x,y]),range(1,101),range(1,101)))) #第一个参数是一个函数,第二个参数是一个序列

 

模块

同一个目录 引入模块

import 
from..import

这两种都会把函数执行一遍

import Firstmoudle
Firstmoudle.func(1,2)
# from Firstmoudle import func(全部*)
from Firstmoudle import s 分成2行写

模块内容执行1次 只是把变量或者函数拿出来

# func(1,2)
reload(Firstmoudle)
Firstmoudle.func()
import sys
print sys.getdefaultencoding()
reload(sys)
sys.setdefaultencoding('utf_8')
print sys.getdefaultencoding()

不同文件夹下引用需要添加绝对路径或者相对路径

import sys
sys.path.append('C:\\Users\\thinkpad\\PycharmProjects\\untitled\\test\\test2')
import Firstmoudle
Firstmoudle.func()