补充知识点
函数形参中默认参数的陷阱
针对不可变数据类型,它是没有陷阱的
def func(name, sex='男'): print(name) print(sex) func('Dylan') # 输出结果: Dylan 男陷阱只针对默认参数是可变的数据类型
def func(name, a_list=[]): # a_list=[]不在全局名称空间里,也不在局部名称空间里,它在一个特殊的内存空间中 a_list.append(name) # 将实参传进来的 name 增加到 a_list 这个空列表里. return a_list # 返回 a_list 这个列表 ret = func('Dylan') print(ret, id(ret)) # ['Dylan'] 4344392712 ret2 = func('xiaobai') print(ret2, id(ret2)) # ['Dylan', 'xiaobai'] 4344392712 # 如果你的默认参数指向的是可变的数据类型,那么你无论调用多少次这个默认参数,都是同一个.面试题-1 ***
def func(a, list=[]): list.append(a) return list print(func(10,)) # [10] print(func(20, [])) # [20] print(func(100,)) # [10, 100] # 在传参的时候,如果使用默认参数传参,那么无论你调用多少次,使用的都将是同一个 id,如果你将默认参数覆盖传入,将会重新创建另一个 id.面试题-2 ***
def func(a, list=[]): list.append(a) return list ret1 = func(10,) ret2 = func(20, []) ret3 = func(100,) # ret1 和 ret2 和 ret3 都执行完毕后,其 ret1和 ret3其实是同一个列表,那当然就是 ret3改变 ret1也跟着改变了. print(ret1) # [10, 100] print(ret2) # [20] print(ret3) # [10, 100]
局部作用域当中的坑
先引用,后定义的坑
# 在函数中,如果定义了一个变量,但是在定义这个变量之前对其引用了,那么解释器就会认为这是一个语法问题. # 你应该在使用之间先定义. cont =1 def func(): print(cont) cont = 3 func() # 此时就会报错了,因为你是先引用后定义的
globlal 和 nonlocal 关键字
global
在局部作用域声明一个全局变量
def func(): global name # 在局部作用域中声明一个全局变量 name = 'Dylan' print(name) # Dylan func() print(name) # Dylan # 这样用 global 在函数里声明一下,那么在全局作用域中就可以找到局部作用域中的变量了修改一个全局变量
cont = 1 def func(): global cont cont += 1 print(cont) # 1 这之所以是1,是因为函数还没有执行,此时打印的是全局作用域中原有的 cont func() print(cont) # 2 这之所以是2,是因为,函数执行了,在函数里定义了全局变量,函数里把 cont 自加了个1,所以此时打印的 cont 就变成了2.函数内的自加改变了函数外的变量.就是因为 golbal在函数中定义了全局变量.
nonlocal
不能够操作全局变量
cont = 1 def func(): nonlocal cont cont += 1 func() print(cont) # 报错了 SyntaxError: no binding for nonlocal 'cont' found局部作用域:内层函数对外层函数的局部变量进行修改
def wrapper(): cont = 1 def inner(): nonlocal cont cont += 1 print(cont) # 1 inner() print(cont) # 2 wrapper()
函数名的运用
函数名的定义和变量的定义几乎一致，在变量的角度，函数名其实就是一个变量，具有变量的功能：可以赋值；但是作为函数名他也有特殊的功能就是加上()就会执行对应的函数，所以我们可以把函数名当做一个特殊的变量，那么接下来，我们就来研究一下这个特殊的变量。
函数的内存地址
函数名指向的是这个函数的内存地址
def func(): print('Dylan') print(func) # 结果:<function func at 0x102020e18>其实深一步理解可得知，与其说函数名()可以执行这个函数，不如说是函数的内存地址()才是执行这个函数的关键，就好比：
a = 1 b = 2 c = a + b print(c) # 3a + b 并不是变量的相加，而是 两个变量指向的int对象的相加。
函数名可以赋值给其它变量
def func(): print("Dylan") print(func) a = func # 把函数当成一个变量赋值给另一个变量 a() # 函数调用 func()通过变量的赋值，变量a，和变量func都指向的这个函数的内存地址，那么a() 当然可以执行这个函数了。
函数名可以当做容器类的元素
函数名就是一个变量，我的变量是可以当做容器类类型的元素的：
def func1(): print("in func1: 嘻嘻") def func2(): print("in func2: 哈哈") def func3(): print("in func3: 咯咯") def func4(): print("in func4: 吱吱") lst = [func1, func2, func3, func4] for i in lst: i() # 结果: # in func1: 嘻嘻 # in func2: 哈哈 # in func3: 咯咯 # in func4: 吱吱函数名可以当做函数的参数
变量可以做的，函数名都可以做到
def func1(): print('in func1') def func2(f): # 这相当于 func1 print('in func2') # in func2 f() #这相当于func1() # in func1 func2(func1)函数名可以作为函数的返回值
def func1(): print('in func1') def func2(f): print('in func2') return f ret = func2(func1) ret() # ret, f, func1 都是指向的func1这个函数的内存地址小结：函数名是一个特殊的变量，他除了具有变量的功能，还有最主要一个特点就是加上() 就执行，其实他还有一个学名叫第一类对象。
Python新特性：f-strings格式化输出
f-strings 是python3.6开始加入标准库的格式化输出新的写法，这个格式化输出比之前的%s 或者 format 效率高并且更加简化，非常的好用，学完这个之后，以后再用格式化输出这就是你们唯一的选择。
简单举例
他的结构就是F(f)+ str的形式，在字符串中想替换的位置用{}展位，与format类似，但是用在字符串后面写入替换的内容，而他可以直接识别。
ame = 'Dylan' age = 18 sex = '男' msg = f'姓名:{name}, 年龄:{age}, 性别:{sex}' # f不区分大小写 print(msg) # 输出结果: 姓名:Dylan, 年龄:18, 性别:男任意表达式
他可以加任意的表达式，非常方便：
print(f'{3*21}') # 63 name = 'barry' print(f"全部大写：{name.upper()}") # 全部大写：BARRY # 字典也可以 teacher = {'name': 'Dylan', 'age': 18} msg = f"The teacher is {teacher['name']}, aged {teacher['age']}" print(msg) # The comedian is Dylan, aged 18 # 列表也行 l1 = ['Dylan', 18] msg = f'姓名：{l1[0]},年龄：{l1[1]}.' print(msg) # 姓名：Dylan,年龄：18.插入表达式
可以用函数完成相应的功能，然后将返回值返回到字符串相应的位置
def sum_a_b(a,b): return a + b a = 1 b = 2 print('求和的结果为:\t' + f'{sum_a_b(a,b)}') # 求和的结果为: 3多行 f(不常用)
name = 'barry' age = 18 ajd = 'handsome' # speaker = f'''Hi {name}. # You are {age} years old. # You are a {ajd} guy!''' speaker = f'Hi {name}.'\ f'You are {age} years old.'\ f'You are a {ajd} guy!' print(speaker) # Hi barry.You are 18 years old.You are a handsome guy!其他细节
这里有一些注意的细节，了解一下就行。
```python
print(f"{{73}}") # {73}
print(f"{{{73}}}") # {73}
print(f"{{{{73}}}}") # {{73}}
m = 21
# ! , : { } ;这些标点不能出现在{} 这里面。
# print(f'{;12}') # 报错
# 所以使用lambda 表达式会出现一些问题。
# 解决方式：可将lambda嵌套在圆括号里面解决此问题。
x = 5
print(f'{(lambda x: x*2) (x)}') # 10
```
**总结**：f-string的格式化输出更加简洁，方便，易读。而且他的处理速度对之前的%s 或者format 有了较高的提升，所以以后尽量使用此种格式化输出。可迭代对象和迭代器
可迭代对象
可迭代对象的定义
字面意思：
对象：python 中一切皆对象。一个实实在在存在的值，对象。
可迭代：更新迭代。重复的，循环一个过程，更新迭代每次都有新的内容，可以进行循环更新的一个实实在在的值（或对象）。
专业角度：在python中，但凡内部含有
__iter__方法的对象，都是可迭代对象。目前学过的可迭代对象有：srt / list / tuple / dict / set / range / 文件句柄
查看对象的内部方法 dir()
该对象内部含有什么方法除了看源码，还可以通过 dir() 去判断一个对象具有什么方法。
s1 = 'Dylan' print(dir(s1)) # 结果： ['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']dir() 会返回一个列表，这个列表中含有该对象的以字符串的形式所有方法名。
这样我们就可以判断python中的一个对象中是不是有
__iter__方法，从而就可以判断这个对象是不是可迭代对象了：s1 = 'alex' i = 100 print('__iter__' in dir(i)) # False print('__iter__' in dir(s1)) # True小结：
从字面意思来说：可迭代对象就是一个可以重复取值的实实在在的东西。
从专业角度来说：但凡内部含有
'__iter__'方法的对象，都是可迭代对象。判断一个对象是不是可迭代对象：
'__iter__'in dir(对象)优点：
- 存储的数据直接能显示，比较直观。
- 拥有的方法比较多，操作方便。
缺点：
占用内存。
可迭代对象是不能迭代取值的（除去索引，key 以外）
那么这个缺点有人就提出质疑了，即使抛去索引,key以外，这些我可以通过for循环进行取值呀！对，他们都可以通过for循环进行取值，其实for循环在底层做了一个小小的转化，就是先将可迭代对象转化成迭代器，然后在进行取值的。
迭代器
迭代器的定义
- 字面意思：更新迭代，器：工具，可更新迭代的工具。
- 专业角度：迭代器是这样的对象：实现了无参数的__next__方法，返回序列中的下一个元素，如果没有元素了，那么抛出StopIteration异常.python中的迭代器还实现了__iter__方法，因此迭代器也可以迭代。 ——出自《流畅的python》
- 简单来说：在 python 中，内部含有
'__iter__'方法，并且含有'__next__'方法的对象，就是迭代器。
判断一个对象是否是迭代器
# 方法如下： # print('__iter__' in dir(对象) and '__next__' in dir(对象)) # 例子1： with open('文件', encoding='utf-8',mode='w') as f: print('__iter__' in dir(f) and '__next__' in dir(f)) # 输出结果： True # 这说明，文件句柄是一个迭代器。 # 例子2： o1 = 'alex' o2 = [1, 2, 3] o3 = (1, 2, 3) o4 = {'name': '太白','age': 18} o5 = {1, 2, 3} with open('文件', encoding='utf-8',mode='w') as f: print('__iter__' in dir(o1)) # True print('__iter__' in dir(o2)) # True print('__iter__' in dir(o3)) # True print('__iter__' in dir(o4)) # True print('__iter__' in dir(o5)) # True print('__iter__' in dir(f)) # True # print('__next__' in dir(o1)) # False print('__next__' in dir(o2)) # False print('__next__' in dir(o3)) # False print('__next__' in dir(o4)) # False print('__next__' in dir(o5)) # False print('__next__' in dir(f)) # True # 这说明，上面这些数据类型（或者对象），除了文件句柄外，其它的都不是迭代器，只是可迭代对象。可迭代对象如何转化成迭代器
iter(可迭代对象)或者 可迭代对象.__iter__()s = 'Dylan' obj = s.__iter__() # 或者 obj = iter(s) print(obj) # <str_iterator object at 0x102894a90>迭代器取值
l1 = [11, 22, 33, 44, 55, 66] obj = iter(l1) # 把 l1列表转换为迭代器赋值给变量 obj。 print(obj) # <list_iterator object at 0x1032949e8> print(next(obj)) # 11 print(next(obj)) # 22 print(next(obj)) # 33 print(next(obj)) # 44 print(next(obj)) # 55 print(next(obj)) # 66 print(next(obj)) # 再多一个就会报错了。StopIteration 停止迭代 # 迭代器利用 next 取值：一个 next 取对应的一个值，如果迭代器里面的值取完了，还要 next，那么就会报'StopIteration' 停止迭代的错误while 循环模拟 for 循环机制
l1 = [1, 2, 3, 4, 5, 6] # 1，将可迭代对象转化成迭代器。 obj = iter(l1) # 2，利用 while 循环，next 进行取值。 while 1: # 3，利用异常处理，终止循环。 try: print(next(obj)) except StopIteration: break小结：
从字面意思来说：迭代器就是可以迭代取值的工具。
从专业角度来说：在 python 中，内部含有
'__iter__'方法并且含有'__next__'方法的对象就是迭代器。迭代器的优点：
节省内存。
迭代器在内存中相当于只占一个数据的空间，因为每次取值都会将上一条数据在内存中释放，加载当前的此条数据。
惰性机制。
next 一次，取一个值。
（有一个迭代器模式可以很好的解释上面这两条：迭代是数据处理的基石。扫描内存中放不下的数据集时，我们要找到一种惰性获取数据项的方式，即按需一次获取一个数据项。这就是迭代器模式。）
迭代顺的缺点：
速度慢，不能直观的查看里面的数据。
取值时不走回头路，只能一直向下取值。
l1 = [1, 2, 3, 4, 5, 6] obj = iter(l1) for i in range(2): print(next(obj)) for i in range(2): print(next(obj)) # 迭代器会记住当前程序最后一次取值的位置，下次取值时，会继续上次的位置进行取值。
可迭代对象与迭代器的对比
可迭代对象：
是一个操作方法比较多，比较直观，存储数据相对少（几百万个对象，8G 内存是可以承受的）的一个数据集。
应用：
当你侧重于数据可以灵活处理，并且内存空间足够，将数据集设置为可迭代对象是明确的选择。
迭代器：
是一个非常节省内存，可以记录取值位置，可以直接通过循环+next 方法取值，但是不直观，操作方法比较单一的数据集。
应用：
当你的数据量过大，大到足以撑爆你的内存或者你以节省内存为首选因素时，将数据集设置为迭代器是一个不错的选择。
