标签：递归 停止 error 阶段 设计模型 基于 列表生成式 编程 结构
print#py2不加括号
py2中1/2返回0
py3中返回0.5
py2默认ASCII编码
py3默认utf-8编码
py2中unicode类型表示字符串序列，str类型表示字节序列
py3中str类型表示字符串序列，byte类型表示字节序列
py2中函数用global关键字声明某个变量为全局变量，无法实现在嵌套函数中给一个变量声明为局部变量
py3新增了nonlocal关键字
name = "张全蛋"
name[::-1]
readlines()把文件的全部内容读到内存，并解析成一个list，当文件的体积很大时要占用很多内存
xreadlines()返回一个iter(file)迭代器，在python2.3之后已经不再推荐使用这种表示方法了，直接使用for循环迭代文件
is比较的是id，==比较的是值
dic={‘a‘:24,‘g‘:52,‘i‘:12,‘k‘:33}
a = sorted(dic.items(),key= lambda x:x[1])
print(dict(a))
‘‘‘
语法
sorted 语法：
sorted(iterable, cmp=None, key=None, reverse=False)
参数说明：
iterable -- 可迭代对象。
cmp -- 比较的函数，这个具有两个参数，参数的值都是从可迭代对象中取出，此函数必须遵守的规则为，大于则返回1，小于则返回-1，等于则返回0。
key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。
返回值
返回重新排序的列表。
‘‘‘
可变不可变指的是内存中的值是否可以被改变。不可变类型指对象所在的内存块里面的值不可以被改变，有数字、字符串、元组；可变类型则是可以被改变的，有列表、字典。
list1 = [{‘name‘:‘a‘，‘age‘:20}，{‘name‘:‘b‘，‘age‘:30}，{‘name‘:‘c‘，‘age‘:25}]
sorted(list1，key=lambda x:x[‘age‘]，reverse=True)
list = [‘a‘， ‘b‘， ‘c‘， ‘d‘， ‘e‘]
print(list[10:])
‘‘‘
下面的代码将输出[]，不会产生IndexError错误。就像所期望的那样，尝试用超出成员的个数的index
来获取某个列表的成员。例如，尝试获取list[10]和之后的成员，会导致IndexError。‘‘‘
a = [i*11 for i in range(10) ]
print(a)
1. list1 = [1，2，3]
2. list2 = [3，4，5]
3. set1 = set(list1)
4. set2 = set(list2)
5. print(set1&set2)
6. print(set1^set2)
1. l1 = [‘b‘，‘c‘，‘d‘，‘b‘，‘c‘，‘a‘，‘a‘]
2. l2 = list(set(l1))
如果想要保持他们原来的顺序用list类的sort方法：
1. l1 = [‘b‘，‘c‘，‘d‘，‘b‘，‘c‘，‘a‘，‘a‘]
2. l2 = list(set(l1))
3. l2.sort(key=l1.index)#按照索引排个序
4. print(l2)
还可以用遍历
1. l1 = [‘b‘, ‘c‘, ‘d‘, ‘b‘, ‘c‘, ‘a‘, ‘a‘]
2. l2 = []
3. for i in l1:
4. if not i in l2:
5. l2.append(i)
6. print(l2)
l1 = [‘This‘,‘is‘,‘a‘,‘Boy‘,‘!‘]
print(sorted(l1))
字符串：replace、strip、split、rsplit、upper、lower、join、reverse。。。
列表：append、pop、insert、remove、sort、count、index
元组：len、index、count、dir
字典：get、keys、items、pop、values、popitems、clear、update。。。
在绝大多数语言当中都有反射机制的存在，可以用字符串的方式去访问对象的属性，调用对象的方法（但是不能去访问方法），python中一切皆对象，都可以使用反射
copy():浅拷贝指仅仅拷贝数据集合的第一层数据
deepcopy()：深拷贝指拷贝数据集合的所有层
1 < (2 == 2)和1 < 2 == 2的结果分别是什么, 为什么print(1 < (2 == 2)) --> False
print(1 < 2 == 2) --> True
```
# 答案
filter(func, iterable) : 通过判断函数fun，筛选符合条件的元素。
filter(lambda x: x>3, [1,2,3,4,5,6])
>>> <filter object at 0x0000000003813828>
map(func, *iterable) : 将func用于每个iterable对象。 map(lambda a,b: a+b,
map(lambda a,b: a+b, [1,2,3,4], [5,6,7])
>>> [6,8,10]
reduce(): 函数会对参数序列中元素进行累积。
reduce(lambda x, y: x+y, [1,2,3,4,5]) # 使用 lambda 匿名函数
>>> 15
闭包函数（closure function）指的是定义在一个函数内部的函数，被外层函数包裹着，其特点是可以访问到外层函数中的名字，如inner函数就是一个闭包函数。
def outer():
num = 1
def inner():
print(num) # 内层函数中不存在num 但可以访问到外层的num
return inner # 基于函数对象的概念我们可以将内层函数返回到外界使用，从而打破函数调用的层级限制，但无论在何处调用，作用域的嵌套关系都是以定义阶段为准的，所以外界得到的不仅仅是一个函数对象（inner），在该函数外还包裹了一层作用域，这使得该函数无论在何处调用，都是访问自己外层包裹的作用域中的名字num
func = outer() # func == inner func指向的是inner的内存地址，但是func本身确实一个全局变量，可以在任意位置调用func，但无论在何处调用func，都需要按照定义阶段作用域的嵌套关系去查找名字
num=1000
func() #输出结果：1
import time
def time_pay(func):
def inner(*args,**kwargs):
for line in range(10)：
print(line + 1)
time.sleep(1)
res = func(*args,**kwargs)
return res
return inner
‘‘‘
生成器和函数的主要区别在于函数return a value，生成器yield a value，同时标记或记忆point of the yield以便在下次调用时从标记点恢复执行，yield使函数转换成生成器，而生成器反过来返回迭代器。
‘‘‘
def say_hi(func):
def wrapper(*args, **kwargs):
print("HI")
ret = func(*args, **kwargs)
print("BYE")
return re
return wrapper
def say_yo(func):
def wrapper(*args, **kwargs):
print("YO")
return func(*args, **kwargs)
return wrapper
@say_hi
@say_yo
def func():
print("ROCK & ROLL")
func()
# 答案
‘‘‘
HI
YO
ROCK & ROLL
BYE
‘‘‘
‘‘‘闭包(closure)是函数式编程的重要的语法结构。闭包也是一种组织代码的结构，它同样提高了代码的可重复使用性。
当一个内嵌函数引用其外部作作用域的变量,我们就会得到一个闭包. 总结一下,创建一个闭包必须满足以下几点:
必须有一个内嵌函数
内嵌函数必须引用外部函数中的变量
外部函数的返回值必须是内嵌函数‘‘‘
python中一切皆对象，函数名在内存中的空间，也是一个对象。
递归函数终止的条件一般定义在递归函数内部，在递归调用前要做一个条件判断，根据判断的结果选择是继续调用自身还是return，终止递归。
终止递归的条件：
1）判断递归的次数是否达到某一限定值
2）判断运算的结果是否达到某个范围，根据设计的目的来选择
获取对象object的属性或者方法，如果存在则打印出来，如果不存在，打印默认值，默认值可选。
注意：如果返回的是对象的方法，则打印结果是：方法的内存地址，如果需要运行这个方法，可以在后
面添加括号()。
1. functiondemo = function_demo()
2. getattr(functiondemo, ‘name‘) #获取name属性，存在就打印出来--- demo
3. getattr(functiondemo, "run") #获取run方法，存在打印出 方法的内存地址---<bound method function_demo.run of <__main__.function_demo object at 0x10244f320>>
4. getattr(functiondemo, "age") #获取不存在的属性，报错如下：
5. Traceback (most recent call last):
6. File "/Users/liuhuiling/Desktop/MT_code/OpAPIDemo/conf/OPCommUtil.py", line 39, in <module>
7. res = getattr(functiondemo, "age")
8. AttributeError: ‘function_demo‘ object has no attribute ‘age‘
9. getattr(functiondemo, "age", 18) #获取不存在的属性，返回一个默认值
给对象的属性赋值，若属性不存在，先创建再赋值
1．class function_demo(object):
2． name = ‘demo‘
3． def run(self):
4． return "hello function"
5．functiondemo = function_demo()
6．res = hasattr(functiondemo, ‘age‘) # 判断age属性是否存在，False
7．print(res)
8．setattr(functiondemo, ‘age‘, 18 ) #对age属性进行赋值，无返回值
9．res1 = hasattr(functiondemo, ‘age‘) #再次判断属性是否存在，True
1．class function_demo(object):
2． name = ‘demo‘
3． def run(self):
4． return "hello function"
5．functiondemo = function_demo()
6．res = hasattr(functiondemo, ‘addr‘) # 先判断是否存在if res:
7． addr = getattr(functiondemo, ‘addr‘)
8． print(addr)else:
9． addr = getattr(functiondemo, ‘addr‘, setattr(functiondemo, ‘addr‘, ‘北京首都‘))
10． #addr = getattr(functiondemo, ‘addr‘, ‘美国纽约‘)
11． print(addr)
lambda 函数是一个可以接收任意多个参数(包括可选参数)并且返回单个表达式值的函数
1、lambda 函数比较轻便，即用即仍，很适合需要完成一项功能，但是此功能只在此一处使用，
连名字都很随意的情况下；
2、匿名函数，一般用来给 filter， map 这样的函数式编程服务;
3、作为回调函数，传递给某些应用，比如消息处理
# 答案
‘‘‘
Python装饰器（decorator）在实现的时候，有一些细节需要被注意。例如，被装饰后的函数其实已经是另外一个函数了（函数名等函数属性会发生改变）。这样有时候会对程序造成一些不便，例如笔者想对flask框架中的一些函数添加自定义的decorator，添加后由于函数名和函数的doc发生了改变，对测试结果有一些影响。
所以，Python的functools包中提供了一个叫wraps的decorator来消除这样的副作用。写一个decorator的时候，最好在实现之前加上functools的wrap，它能保留原有函数的名称和docstring。
‘‘‘
# 答案
‘‘‘
装饰器是指对函数执行过程，做一些扩展，甚至可以更改本身函数的执行迭代器是指遵循迭代器协议的对象，这类对象在被for循环时，每次迭代生成下一个项，不用一开始就生成整个列表在python3中不存在iteritems，items方法返回可迭代对象在python2中items()返回[(key,value)]的列表对象，iteritems()返回迭代器对象，iteritems()循环时不可以增删dict的内容
‘‘‘
?
?
设计模型：单例模式、工厂模式
面试的时候原理性的东西，非常重要
标签：递归 停止 error 阶段 设计模型 基于 列表生成式 编程 结构
原文地址：https://www.cnblogs.com/ghylpb/p/12684434.html
